セールス&マーケティング

  • HOME
  • ユースケース
  • セールス&マーケティング

ユースケース#1「顧客の離反を防ぐ」

最初のユースケースは、「Customer Churn(顧客のチャーン)」です。チャーンとは、顧客またはサブスクライバーが企業や組織との関係性を断ち切って他に乗り換えてしまうことを指し、多くの小売り・サービス業にとって販売機会の喪失に繋がります。離反の原因は多くの場合企業側にあるため、その原因を分析し、対策を行うことで、離反を抑制し、業績を向上させることができます。

ここでは、離反の原因を自発的なものか偶発的なものかに分け、顧客が離反してしまった原因を学習し、ある顧客が離反する確率を推定するモデルを構築します。

  • データの準備
    過去の取引記録と利用方法・顧客の行動の詳細から
    ①顧客情報
    ②顧客行動
    ③鮮度
    ④頻度
    ⑤金銭的価値
    ⑥継続価値
    などの特徴選択したデータを生成し、顧客生涯価値を計算します。
  • モデルの構築
    収集したデータに基づき、そのチャーンが自発的なものか偶発的なものかについて各々統計的・数学的モデルを構築します。このとき、モデルの精度を高めるために、ビジネスにおける契約上・契約外の要素もモデルに含めます。また、モデル構築時に地理的位置情報・地域固有の金融情報を含めることで、正確性をさらに向上させます。
  • スコア生成
    オープンソースのML/NNエンジン上にモデルを実装し、顧客データを使って学習を行い、スコアを生成します。そしてチャーンへの影響度をベースに要因のリストを生成します。MLIが、なぜその要因をリストアップしたかの根拠を示します。

ユースケース#2「顧客を知る」

ふたつめのユースケースは、「KYC: Know your customer(顧客を知る)」です。複数のサービスを提供している組織では、顧客情報がサービス毎に管理されている場合が多く、一人の顧客が複数のサービスを利用していても、それが同一人物かどうかを判断できません。しかし、顧客情報を統合できれば、顧客についての詳細な情報を知ることができ、それを元にプロモーションを行う事で売り上げの増加に繋げることができます。

ここでは、複数の顧客プロファイル間の類似性を使って顧客データを統合するAIアプリケーションについてご紹介します。

  • データの準備
    各サービスでの顧客の個人プロファイルデータに加え、様々なリソースからのソーシャルメディアデータを使ってイベントと顧客のプロファイルを関連付け、取引履歴及び購買履歴データを使ってユーザーの活動レベルをランク付けします。その他、顧客のアセット情報やデモグラフィックデータ、そのサービスを提供している地域的な経済、住居及び人口データなども活用します。
  • モデルの構築
    収集したデータに基づき、統計的・数学的モデルを生成し、顧客がどのようにサービスにアクセスし、利用したか、利用の頻度やパターンに基づいて顧客行動データを生成します。このデータを使い、顧客類似度モデル、顧客特定モデル、顧客行動モデルを構築します。
  • スコア生成
    オープンソースのML/NNエンジン上にモデルを実装し、データを使って学習を行い、スコアを生成します。各モデルからのスコアに基づき、その顧客が同一人物かどうかを判断します。MLIは、なぜその結果に至ったかの根拠を示します。
    新たに収集されるユーザーデータを使って、モデルを継続的に改良します。

Copyright 2018 MACNICA, Inc.

上へ戻る

お問い合わせはこちら