![見出し画像](https://assets.st-note.com/production/uploads/images/62591971/rectangle_large_type_2_837043a936efae7437db0865acd66c50.png?width=1200)
【統計学が最強の学問である】ビジネス編から考えるKaggleの技術とマーケティングの違い
Kaggleその他コンペのスキルがビジネスに役立つという事は。なんとなく分かっているつもりです。
数字を予測し、画像や、文字を分類し、的確にそれを上げることにより点数が決まる。
それは価格を予測だったり、画像で何かを見つけたり、文字から何か法則性を見つけて、分類したり。
これが出来れば人の暮らしは楽になる。予測が可能なら提案が可能になる、企業の提案あが的確になる。
だからマーケティングに役立つ。
その程度にしか考えてませんでした。
しかし、この本を読むと、そのスキルは確かに大事ですがそれは、予測して欲しい相手の改善方法が決まった後の話であり、マーケティングとはその改善方法を分析で見つけるという違うスキルが必要なのです。
どういう事か。ある企業で、膨大なデータの中から、時間を掛けて何とか、特定の情報を持つ属性のお客様はリピート率が高いことが分かった。だからダイレクトメールを送る。
と言うコンペで培われた技術を使い、精度の高い結果をだして、会社にその流れで動いてもらう。
ではない!
そもそも、社長はもっと売り上げを上げて欲しいのであって、メールの分類の精度が高いモデルが欲しいのではない。
結果、そのモデルのおかげでリピート率が少し上がったとしても、最初からいきなりそれを作られても、なんだかな~となる。それは、それを作ってほしいのではなく、
「儲かる方法を一緒に考えて欲しい」
いから。
つまり、売り上げを上げるそれには単価を上げるのか客数を上げるのか
その中で単価を上げるにしても何を上げたらいいのか、全部上げていいのか、値段を上げても来てくれそうな商品は何か客は誰なのかの分析。
例えば客数が少ない。どんな顧客が多いのか、そのことで、どんな人にアピールすと客が来やすいのか、そもそもメールでみんな反応しているのか、もしかしたらハガキなどの方がまだまだ来てくれるのではないか
等を見て欲しいのだ。
なので、いきなりデータが有って、自分が解いたことあるような項目を見つけてそれからいいモデルを作るという事は意味がない場合が多い
極端に言えば「雨が多いと傘が売れる!」
と言う凄い制度のモデルをと提案しても「ですよね」となるだけ。
そんなしょうもない事はしないと言われそうだけれど、通常は無数にある学習項目の一つ一つを理解しないのであれば、関係者なら当たり前のことをどや顔で出してしまう危険性がある。
コンペとビジネスに活かすデータの違いそれは
綿密に依頼者と話し合い何をして欲しいのかをちゃんと掘り下げる事の様だ。そして、それを掘り下げたら、今度は他の関係者からデータに関する知識を集め項目の内容を理解し。
それから、問題の更に深掘り、何が理由なのかを分類し、考察し、観察し、それからめどをつけた結果が「リピートしそうなお客にメールを送るのが効率がいい!」となって初めてコンペの技術が発揮される。
「Kaggleは実践的ではない」
と言う言葉を見るとき、ついつい「kaggleが凄ければ、何でもできるでしょ実践的だよ」と思いがちですが、
マーケティングの事に絞っていえばこの本を読む限り
問題を分解して理由を見つけ検討をつけて、検討つける段階で分類や可視化をして、改善する内容が、分析をする必要があれば機械学習の出番であり
その分析からある程度知見を導き出せて、マーケティングの提案が出来る問題なのであればその段階で解決して問題ない。
それはエクセルでも何でもよくて、
何も機械学習で必ず解決したほうが素晴らしい!という事ではないようだ。
少し前に「ワークマン」が他社のマーケティングの力を借りず、自力で自社でエクセル分析をして売り上げを切り開いた話があった。
でも、ただ自社での深掘りした分析をエクセルでして、売り上げの糸口を見つけたからエクセルで終わったのであって
例えば店内のお客様の歩くルートから、購入の客が分かる、悩んでいるなら声を掛けたら購入する客だとか、このルートを通る客は商品をたくさん買うから店員がお勧めの商品のパンフレットをその場で配布するとか、
そのうな事をする必要がある場合機械学習の手助けが必要ならきっと使っていたと思う。
マーケティングではKaggleの技術は最終段階のすべてが決まって、後は走る出す一歩手前の問題を渡されて回答する。
と言う段階の話の様だ。
この記事が気に入ったらサポートをしてみませんか?