今のデータマイニングに必要な循環型マーケティングの理論と戦略

今日は、2012年11月2日にIBM箱崎本社で行なわれた、

「ビッグデータ時代を勝ち抜くためのデータマイニング活用セミナー」

に登壇された清水聰氏（慶應義塾大学教授）のお話のエッセンスを簡単にご紹介しましょう。（私見も入っている点、ご了承ください）

今までのデータマイニングが対象としてきたビッグデータとしては、

・小売業の購買履歴データ（POS)
・Webのアクセスログデータ

などがありました。これらは、基本的に「データフォーマット」が決まっていて、基本的にコード化が可能なもの。（「商品分類コード」とかが最初からあるわけです）

つまり同質で定量的なデータなものでした。データは大量だけど、データとしては扱いやすい。

一方、今のビッグデータは上記の

「同質・定量的データ」

だけでなく、コールセンターに寄せられる意見・苦情・要望等のデータ、
およびSNS上の投稿のデータといった、データフォーマットが固定しにくく、
コード化も難しい、

「異質・定性的データ」

が加わり、しかも、ユーザーのID情報などによって一人ひとりにすべてのデータが紐付けられたものです。

つまり、多様なデータが顧客単位で統合されているのが今のビッグデータ。
（私自身も実際の業務で取り組んでいますが、当然ながら、統合作業は簡単なものではありません。）

こうした、顧客単位でデータが統合されているものを

「シングルソース（のデータ）」

と専門的には呼びます。

顧客一人（シングル）ひとりが、

全ての情報・データの源（source)

となっているからですね。

さて、従来のビッグデータを対象とするデータマイニングでは、

・販売履歴データ
・Webアクセスログデータ

など、個別に存在している、ひとまとまりのデータをそれぞれ別個に分析していました。つまり、いわばデータを「縦」にだけ眺めていたということになります。

このデータマイニングは主に、新たな仮説発見を狙ったものであり、ともかくデータを回してみることで、

優良顧客（セグメント）

の発見（識別）などで成果を上げてきたわけです。

しかし、しょせん消費者行動の一部分を切り取ってみているだけなので、

セグメンテーション

を行なうのがせいぜい。

・消費者は、ある状況においてどのような反応をするのか

・どのような働きかけをすれば、こちらの期待する反応をしてくれるのか

といった消費者行動の深い理解や、予測モデルの構築には限界があったのです。

しかし、