予測分析とは、過去の行動データから将来の確率を計算するモデリングの手法です。マーケティングでの用途は、たいてい3つの問いに絞られます。このユーザーは買うのか、この顧客は離れるのか、この層は今後どれだけ売上を生むのか。重要な点はこうです。スコア単体では価値を生みません。価値は、そのスコアを配信対象や入札、予算の判断に結びつけたときに現れます。
広告で役に立つ予測はどれか?
理屈の上では無限に予測できますが、実際に判断を生むのはわずかです。以下は、行動へ直結する度合いの順です。
- 購入確率:あるユーザーが今後数日で購入する見込み。再訴求の予算配分で最も使いやすいスコアです。
- 離反リスク:再購入が期待される時期に静かになった顧客を印付けます。維持施策の起点になります。
- 予測売上:ある層から見込まれる売上。層単位の入札調整や価値ベースの戦略に使います。
- 需要予測:季節的な数量の見込み。在庫と予算の計画を揃えます。
- 予算の見通し:今の推移で月末にどこへ着地するか。単純ですが早めの介入に効きます。
予測モデルはどう動くのか?
モデルは、購入した人としなかった人の行動パターンを比べます。訪問頻度、閲覧した商品数、初回訪問からの経過時間、カートへの追加行動など。そこから確率スコアを出します。このスコアは確定ではなく賭け率です。購入確率74%とは、その層の4人のうちおよそ3人が購入すると見込まれる、という意味です。
予測分析はどう導入するのか?
多くの企業にとって正しい出発点は、自前のモデルを作ることではなく、プラットフォームが用意する予測機能を使うことです。自前のモデルは、データ量が大きく、要件がかなり特殊な場合にだけ合理的です。
- データを整える:十分なイベント量と、正しいコンバージョン計測。欠損は最大の誤差要因です。
- モデルを選ぶ:まず分析プラットフォームの既製の予測から始め、要件が固まったら自前を検討する。
- 配信対象にする:スコアを広告の対象に結びつける。画面の中に留まったスコアは何も生みません。
- 対照群で測る:高スコアの層に予算を積む前に、その層が放っておいても買った可能性を疑う。
そのデータから、どんな判断が出ていますか?
Ads Sensor は4つのプラットフォームのキャンペーンデータを AI で分析し、優先順位と根拠付きの打ち手を出します。
最大の落とし穴:増分効果
予測マーケティングで最も多い誤りはこれです。購入確率の高い層に配信すると CVR が高いので最も儲かって見えます。しかしその層はもともと買う予定でした。広告は成果を横取りしただけです。本当の増分は、迷っている中間層に潜んでいます。両者を切り分ける唯一の方法は対照群です。手法は増分 ROAS の記事をご覧ください。
小さなアカウントはどこから始めるべきか?
複雑なモデルの前に、単純な分類で価値の大半は得られます。顧客を最終購入からの日数、頻度、金額で分けることは、多くの予測モデルがやっていることの実務的な等価物です。手法はRFM 分析で解説しました。売上側の対応物は顧客生涯価値です。
うまく組めば、予測は未来を基準に予算を配分させてくれます。誤って組めば、過去の失敗を未来へ写します。キャンペーンデータから出てくる打ち手を1画面で見るには、Ads Sensor のベータに登録してください。