JP2016118975A

JP2016118975A - マーケティング施策最適化装置、方法、及びプログラム

Info

Publication number: JP2016118975A
Application number: JP2014259177A
Authority: JP
Inventors: 昌幸親松; Masayuki Chikamatsu; 早苗中尾; Sanae Nakao; 真佑子美濃部; Mayuko MINOBE; 吉田　順; Jun Yoshida; 順吉田; 和重廣井; Kazue Hiroi
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2014-12-22
Filing date: 2014-12-22
Publication date: 2016-06-30
Anticipated expiration: 2034-12-22
Also published as: JP6352798B2

Abstract

【課題】売上や利益等の目標に応じたマーケティング施策の実施を支援する。【解決手段】マーケティング施策最適化装置は、マーケティング施策の定量的な評価指標であるKPIを選択するKPI選択部、KPIの目標値を設定する目標値設定部、顧客プロファイルデータベースに含まれる顧客の基本属性に係る係数を用い、マーケティングの施策反応率であるKPIの予測値を、過去に実施したマーケティング施策事例を参照して算出する施策反応率算出部、及び、KPIの予測値がKPIの目標値を超えるときに、マーケティングの施策の実施を推薦する最適施策推薦部を有する。【選択図】図２

Description

本発明は、POSデータを活用してマーケティング施策を最適化するマーケティング施策最適化装置、方法及びプログラムに関する。

昨今、POS（Point of Sales）データを用いて顧客や商品売上の分析が行われている。またポイントカード等のID（Identification）を用いるID-POSが普及し、顧客の性別、年代、居住地等の属性データと商品の購買との関係の情報を得ることができる。それらを元に顧客毎に最適なサービスを実施するマーケティング施策が可能となっている。

特許文献１は、ＰＯＳデータから販売情報を収集し、収集した販売情報と顧客の個人情報とを結び付けた顧客集計データを作成し、顧客集計データを基に、顧客のライフスタイル別のセグメントへクラスタリングする。また、セグメント算出結果を基に、決定木分析により、顧客情報からセグメントを一意に決定するためのルールを作成する。そして、顧客集計データの販売高比率を因子分析し、商品グループ別に、商品の特徴を表している特有な因子を、商品特性／顧客特性として抽出することで、顧客毎に最適なマーケティング施策を実施することが開示されている。

特開２０１４−４８７８０号公報

特許文献１では、顧客毎に最適なマーケティング施策を実施することが可能になるが、マーケティング施策の実施による利益や売上等を予測することはできず、マーケティング施策を実施する企業にとって最適な施策とは言えない。企業にとってマーケティング施策の目的は、顧客にとって最良のサービスや製品を提供し、企業の最大限の利益をもたらすことである。

開示するマーケティング施策最適化装置は、マーケティング施策の定量的な評価指標であるKPIを選択するKPI選択部、KPIの目標値を設定する目標値設定部、顧客プロファイルデータベースに含まれる顧客の基本属性に係る係数を用い、マーケティングの施策反応率であるKPIの予測値を、過去に実施したマーケティング施策事例を参照して、算出する施策反応率算出部、及び、KPIの予測値がKPIの目標値を超えるときに、マーケティングの施策の実施を推薦する最適施策推薦部を有する。

本発明は、売上や利益等の目標に応じたマーケティング施策の実施を支援できる。

マーケティングシステムの構成例である。マーケティング施策最適化装置として動作する分析用サーバの構成例である。顧客プロファイルデータベースの一例である。 ID−POSデータベースに含まれる商品購買テーブルの一例である。 ID−POSデータベースに含まれる商品情報テーブルの一例である。顧客プロファイル抽出部の処理フローチャートの一例である。施策事例データベースの一例である。施策事例データベースの一例である。施策事例データベースの一例である。施策反応率算出部の処理フローチャートの一例である。施策反応率出力部による顧客反応率の出力画面の一例である。最適施策推薦部の処理フローチャートの一例である。施策反応率再学習部の処理フローチャートの一例である。

図１は、マーケティングシステムの構成例である。マーケティングシステムは、POS端末１０１、POSサーバ１０２、分析用サーバ１０３、および解析者用端末１０４がネットワーク１０５で接続される。

POS端末１０１は、顧客が購買した商品に関するデータを入力する端末であり、複数台のレジスタ装置等の専用POS端末、タブレット端末、またはネットショッピングの場合は決済手段を有しているパーソナルコンピュータ若しくはサーバ装置である。POS端末１０１はポイントカード等による各顧客を識別する手段を有している。顧客の購買情報は、各顧客のID番号等の識別情報と共に、ネットワーク１０５を介してPOSサーバ１０２に送信される。

POSサーバ１０２は、各POS端末１０１から受信した各顧客の識別情報と購買情報を受信して、後述の購買情報テーブルに格納する。

分析用サーバ１０３は、解析者用端末１０４からの指示に基づいて、POSサーバ１０２に格納された購買情報テーブルの内容を分析する。また分析用サーバ１０３は、分析結果を解析者用端末１０４に表示する。分析用サーバ１０３がマーケティング施策最適化装置として動作する。

解析者用端末１０４は、本端末を利用するマーケティング担当者（解析者）の指示を入力し、入力した指示を分析用サーバ１０３へ送信する。また解析者用端末１０４は、分析用サーバ１０３からの分析結果を表示する。

図２は、マーケティング施策最適化装置として動作する分析用サーバ１０３の構成例である。分析用サーバ１０３は、ＣＰＵ２０１、ネットワークインターフェイス２０２、出力装置２０３、および記憶装置２０４を有する。これらの装置はバス２０５を介して接続されており、バス２０５を経由して互いにデータを入出力する。

ＣＰＵ２０１は、記憶装置２０４中のマーケティング最適化プログラムの指令を受け、マーケティング最適化プログラムにおけるデータ入力、計算、データ出力等の様々な処理を実行する。

ネットワークインターフェイス２０２は、図１のネットワーク１０５を介してデータ送受信を行う装置である。ネットワークインターフェイス２０２の送受信する内容はＣＰＵ２０１により制御される。ネットワークインターフェイス２０２は例えばＮＩＣ（ＮｅｔｗｏｒｋＩｎｔｅｒｆａｃｅＣａｒｄ）や無線ＬＡＮインターフェイスカードなどで構成される。

出力装置２０３は、ＣＰＵ２０１の指示に基づいてマーケティング最適化装置のユーザインターフェイス画面を表示する装置である。出力装置２０３は液晶ディスプレイ等である。図１のネットワーク１０５を介して分析用サーバ１０３と解析者用端末１０４と接続されている場合は解析者用端末１０４に表示しても良く、出力装置２０３を省略することができる。
記憶装置２０４は、ＣＰＵ２０１で処理されるプログラム、及びデータなどが格納される。記憶装置２０４は例えばＲＡＭ等の不揮発性のメモリであり、容量が足りない場合は複数台のＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）等の磁気ディスクやＤＶＤ等の光学ディスク等の補助記憶装置を用いても良い。

分析用サーバ１０３の記憶装置２０４には、ＣＰＵ２０１で実行される処理部（マーケティング最適化プログラム）、及び処理部の実行に伴うデータが格納される。処理部は、KPI選択部２１０、目標値設定部２１１、顧客プロファイル抽出部２１２、施策反応率算出部２１３、施策反応率出力部２１４、最適施策推薦部２１５、及び施策反応率再学習部２１６を含み、データとしては、顧客プロファイルデータベース２２０、ID-POSデータベース２２１、及び施策事例データベース２２２を含む。以下、分析用サーバ１０３が実行するマーケティング最適化について説明する。分析用サーバ１０３は、マーケティング最適化のために、KPI選択、目標値設定、顧客プロファイル抽出、施策反応率算出、施策実施判定に伴う施策推薦、施策実施中の施策反応率の再学習の順番に実行する。

KPI選択部２１０は、マーケティング施策を実施する企業が目標として設定すべきパラメータであるKPI(Key Performance Indicator)を、解析者用端末１０４からの指示に基づいて選択する。KPIは、目標の達成度合いを図る定量的な指標であり、例として、商品、サービスの売上、または企業としての売上や利益がある。KPIは、必ずしも一つを選定する必要はなく、複数であっても良い。

以降では、KPIの例として、商品に対するトライアル率、リピート率、及び利益率を採り上げる。トライアル率は、ある商品が指定期間内に1度以上購入される確率である。リピート率は、その商品を指定期間内に購入した人数に対する、その商品を２度以上購入した人数の割合である。利益率は所定の商品の売上から、仕入れや値下げ等の施策に掛かったコストを差し引いた利益の割合である。

目標値設定部２１１は、KPI選択部２１０で選択されたKPIの目標値を、解析者用端末１０４からの指示に基づいて設定する。また、複数のKPIを用いる場合、優先すべきKPIの目標値の設定に応じて、他のKPIの目標値を自動的に設定できるようにしても良い。例えば、利益率を優先する場合に、利益率の目標値から想定されるトライアル率とリピート率の目標値を設定できるようにしても良い。

顧客プロファイル抽出部２１２は、顧客プロファイルデータベース２２０およびID-POSデータベース２２１を用いて、顧客のプロファイル情報を抽出する。顧客プロファイルデータベース２２０は、性別や年代などの基本的な顧客情報に加え、顧客のライフスタイル等の追加情報を格納するデータベースである。

図３は、顧客プロファイルデータベース２２０の一例である。顧客プロファイルデータベース２２０は、顧客の基本属性３０１とそれに含まれる顧客番号３０２、性別３０３、生年月日３０４、及び居住地３０５、並びに、顧客の追加属性３０６とそれに含まれる要素群から構成される。

基本属性３０１は、顧客の基本的な属性であり、ポイントカード等の会員登録時に収集され、顧客プロファイルデータベース２２０に格納される。顧客番号３０２は、顧客を一意に識別する番号である。例えば会員登録順に自動的に発行する会員番号でも良いし、データベースシステムが自動的に付与してもよい。性別３０３は、顧客の性別である。生年月日３０４は、顧客の生年月日である。居住地３０５は、顧客が居住する市区町村である。また居住地３０５は、住所や、店舗からの距離であってもよい。基本属性３０１として、顧客プロファイルデータベース２２０に少なくとも顧客番号３０２を含んでいる。

追加属性３０６は、顧客の購買パターン（購買動向）から推定されるライフスタイルを示す項目である。図３に示すように、例えば「健康志向派」の「１」は、健康食品を好んで購入する顧客を示し、「低価格志向派」の「１」は、値下げ幅の大きい商品を好んで購入する顧客を示す。これらの追加属性３０６は、顧客プロファイル抽出部２１２がID−POSデータベース２２１の情報を用いて抽出する。追加属性３０６の項目は予め設定してもよいし、解析者端末１０４の解析者が追加しても良い。

ID−POSデータベース２２１は、商品購買テーブル４００および商品情報テーブル４１０を含む。

図４Ａは、商品の購買データに関する商品購買テーブル４００の一例であり、レシート番号４０１、顧客番号４０２、商品ID４０３，商品名４０４，売価４０５、および数量４０６を含む。

レシート番号４０１は、顧客の一回の購買データを識別する一意の値であり、記号や番号で表される。一回の購買で複数の商品を購入した場合は、それら複数の商品に同じレシート番号が割り当てられる。顧客番号４０２は、顧客を一意に識別する番号である。顧客番号４０２と顧客プロファイルデータベース２２０の顧客番号３０２とを用いて、データベース間のデータが対応づけられる。商品ID４０３は、購買した商品を一意に識別する番号である。商品ID４０３は、商品購買テーブル４００と商品情報テーブル４１０との対応づけに用いられる。商品名４０４は、購買した商品名である。商品名４０４は、商品ID４０３により識別される商品名であるので、必ずしも必要ではない。売価４０５は、顧客が商品を購買したときの値段である。数量４０６は、顧客が購買した商品の数量である。

図４Ｂは、商品情報テーブル４１０の一例であり、商品ID４１１、商品名４１２、商品分類４１３、商品説明４１４、定価４１５、および仕入れ値４１６を含む。

商品ID４１１は、商品を一意に識別する番号であり、商品購買テーブル４００の商品ID４０３と対応する。商品名４１２は、商品ID４１１で識別される商品の名称である。商品分類４１３は、商品を分類する名称である。商品分類４１３は、「大分類」「中分類」「小分類」のようにレベル分けしていても良い。商品説明４１４は、商品を説明する文である。例えば、商品説明４１４は、商品を製造するメーカーの紹介文のままでも良い。定価４１４は、商品の定価（売価）である。仕入れ値４１５は、商品の仕入れ値である。

図５は、顧客プロファイル抽出部２１２の処理フローチャートの一例である。顧客プロファイル抽出部２１２は、解析者用端末１０４からの指示に基づいて顧客プロファイル情報を抽出する顧客を選択する（ステップ５０１）。解析者用端末１０４からは、商品購買データテーブル４００に含まれる、すべて又は特定の顧客番号の顧客、特定の期間（レシート番号の区間）の顧客番号の顧客、特定の商品IDや商品分類の商品を購入した顧客などのように、顧客の購買属性が指示される。

顧客プロファイル抽出部２１２は、選択した顧客の購買データを、ID-POSデータベース２２１の商品購買テーブル４００から抽出する（ステップ５０２）。顧客プロファイル抽出部２１２は、顧客の抽出した購買データを用いて顧客の追加属性を求め、求めた追加属性で顧客プロファイルデータベース２２０に含まれる追加属性３０６を更新する（ステップ５０３）。追加属性は、ライフスタイル付与ルールを用いて求める。ライフスタイル付与ルールは、追加属性に関連する商品を、解析者が予め設定した閾値を用いて他の顧客と比較して、多ければ付与する等のルールである。

顧客プロファイル抽出部２１２は、解析者用端末１０４からの指示に含まれる、他の顧客がいるかどうかを判定し（ステップ５０４）、他の顧客がいる場合はステップ５０１に戻り、いない場合は、処理を終了する。

施策反応率算出部２１３は、顧客プロファイルデータベース２２０及び施策事例データベース２２２を用いて、設定したKPIの進捗の予測値を算出する。

図６Ａ〜図６Ｃは、施策事例データベース２２２の一例であり、図６Ａは、マーケッティングの「施策なし」のときの利益率、図６Ｂは、マーケッティングの施策として「クーポン配布」したときのトライアル率、図６Ｃは、マーケッティングの施策として「陳列拡大」したときのリピート率である。ここでは、利益率、トライアル率およびリピート率は、KPIに対するマーケッティングの施策の反応を表すので、これらを纏めて反応率と呼ぶ。

図６Ａ〜図６Ｃの各テーブルは、商品ID６０１、実施後日数６０２、基本属性反応係数６０３、および追加属性反応係数６０４を含み、基本属性反応係数６０３および追加属性反応係数６０４は、マーケッティングの施策の反応率を予測するための係数である。

商品ID６０１は、商品を識別する一意に識別する番号であり、図４Ｂの商品情報テーブル４１０に含まれる商品ID４１１に対応する。実施後日数６０２は、商品に関するマーケッティング施策の実施開始日からの日数である。必ずしも日数である必要なく、２日おきや週、月単位でも良い。また、「施策なし」の場合は、商品の取り扱い開始日（発売日）からの日数である。

基本属性反応係数６０３は、商品に対するマーケッティングの施策の実施開始日からの日数６０２に応じた反応率を予測するための、顧客プロファイルデータベース２２０の基本属性３０１における影響の大きさを推定する係数である。追加属性反応係数６０４は、商品に対する施策実施開始日からの日数６０２に応じた施策の反応率を予測するための、顧客プロファイルデータベース２２０の追加属性３０６における影響の大きさを推定する係数である。

基本属性反応係数６０３および追加属性反応係数６０４は、KPIにおける影響力を推定する方式で算出する。例えば過去の施策に対して式（１）に示すようなモデルを構築し、重回帰やロジスティック回帰等の手法を用いて各種係数を算出する。

図７は、施策反応率算出部２１３の処理フローチャートの一例である。施策反応率算出部２１３は、対象の商品に関して、マーケッティングの施策を実施したことがあるかどうかを判定する（ステップ７０１）。施策を実施したことがある場合、施策事例データベース２２２から対象商品のKPIの施策反応係数を抽出する（ステップ７０２）。

施策を実施したことのない商品であれば、施策反応率算出部２１３は、商品分類４１３などを参照して、対象商品の類似商品を選定し、施策事例データベース２２２から類似商品の施策反応係数を抽出する（ステップ７０３）。類似商品の対象商品に対する類似度に応じて、施策反応係数を補正する（ステップ７０４）。類似度は、一例として商品情報テーブル４１０に含まれる定価４１５、商品分類４１３、商品名４１２等の類似性を表す。

ステップ７０２〜ステップ７０４において施策情報テーブルにおいて必要なパラメータを抽出した後に、他のKPIがあるかどうかを判定し（ステップ７０５）、さらなる追加が必要な場合にはステップ７０１に戻る。

施策反応率算出部２１３は、対象商品の反応率の予測モデルを構築する（ステップ７０６）。予測モデルは一例として式（２）に示すような式で構築する。予測モデルは、個々の顧客における施策反応率の積み上げである。

施策反応率算出部２１３は、対象商品の施策反応率の予測モデルから、施策実施後の反応率の予測値の最小値と最大値をシミュレーションにより算出する（ステップ７０７）。シミュレーションによる算出は、例えば顧客プロファイルデータベース２２０に含まれる顧客からランダムサンプリングを何度か試行して、選定された顧客の基本属性や追加属性から式（２）を用いて反応率の予測値を算出する。または、ID−POSデータベース２２１から購買回数や来店回数の多い顧客から選定して反応率の予測値を算出する。施策反応率算出部２１３は、施策反応率の予測値を算出し、処理を終了する。

施策反応率算出部２１３の結果を解析者用端末１０４に出力する顧客反応率出力部２１４からの出力について説明する。図８は、顧客反応率出力部２１４による顧客反応率の予測値の出力画面の一例である。図８は、顧客反応率の出力画面は、KPI選択領域８０１と施策反応率予測結果部領域８０２を有する。

KPI選択領域８０１は、KPIを選択するためのリストの出力領域である。リストは、例えば番号付きで示して優先度を選択できるようにしても良い。

施策反応率予測結果領域８０２は、施策反応率算出部２１３における算出結果を図に示すようにグラフで表示する。施策実施後の経過日数と実施された施策に対する反応率を考慮したKPIの予測値を出力する。また施策実施後の反応率の最小値及び最大値の遷移を表示することで、それぞれが目標値をいつ達成するのかを推定することが可能になる。

最適施策推薦部２１５は、施策反応率算出部２１３による算出結果を元に、マーケッティングの施策の実施の要否を判定する。図９は、最適施策推薦部２１５の処理フローチャートの一例である。

最適施策推薦部２１５は、施策反応率算出部２１３が算出した、マーケッティングの施策の反応率（KPIの予測値）が、目標値設定部２１１により設定された目標値を超えるかどうかを評価する（ステップ９０１）。図８の施策反応率予測結果領域８０２において、予測値の最小値と最大値との少なくとも一方が目標値を超えているかどうかを評価する。

KPIの予測値が目標値を超える場合は、最適施策推薦部２１５は、未評価のKPIがあるかどうかを判定し（ステップ９０２）、未評価のKPIが存在する場合はステップ９０１に進み、未評価のKPIを評価する。

選択された全てのKPIが評価された場合（KPIの予測値が目標値を超える場合）は、最適施策推薦部２１５は、そのマーケッティングの施策の実施を推薦し（ステップ９０４）、処理を終了する。

KPIの予測値が目標値を超えていない場合は、最適施策推薦部２１５は、そのマーケッティングの施策を非実施（ステップ９０３）として推薦しないで、処理を終了する。

最適施策推薦部２１５は、そのマーケッティングの施策の実施を推薦する場合、最適な施策を推薦するようにして良い。つまり最適施策推薦部２１５の予測値の目標値超えの判定において、式（２）から施策の組み合わせを機械的に探索し、シミュレーションした結果を提示するようにしてもよい。

また施策実施、非実施の判定基準は優先度に応じて変更しても良い。例えば図８において優先度の高い利益率については最大、最小共に目標値を超える必要があるが、優先度２位以降のものについては、最大が目標値を超えていれば良い等の判定基準を設ける。

これらの施策の判定は、解析者が判定しても良いし、分析用サーバ１０３が自動的に判定するようにしても良い。また施策実施の判定基準に目標値を超える日数を判定基準に入れても良い。

施策反応率再学習部２１６は、マーケッティングの施策実施後のKPIの反応率（実測値）を監視し、KPIの実測値が目標値に到達する見通しがあるか否か、あるいはKPIの目標値に到達した後の、どのようなタイミングでKPIの実測値が目標値を下回っているかどうかを判定して、マーケッティングの施策を取り止める等のタイミングを見極めることを支援する。

図１０は、施策反応率再学習部２１６の処理フローチャートの一例である。施策反応率再学習部２１６は、マーケッティングの施策実施後のID−POSデータベース２２１の対象商品の顧客及び売上データを元に、式（１）の施策反応率の予測モデルを再学習し、更新する（ステップ１００１）。施策反応率再学習部２１６は、更新された施策反応係数を、施策事例データベース２２２に反映する（ステップ１００２）。なお本ステップにおいては、施策反応率を必ずしも上書きする必要はなく、履歴として格納できるようにしても良い。

施策反応率再学習部２１６は、更新した予測モデルを元に、式（２）を用いてKPIの施策反応率が目標値を下回るかどうかを判定する（ステップ１００３）。このとき、KPIの施策反応率は、現時点（施策反応率を再学習している時点）までならば実測値を用いてもよい。現時点以降は予測値となる。KPIの施策反応率が目標値を下回る場合は、施策反応率再学習部２１６は、施策を終了するように解析者用端末１０４に出力する（ステップ１００４）。例えば元々上昇トレンドで目標値に到達していなかった場合は、施策反応率再学習部２１６は、直ちに施策を止めるように出力する。一方、現時点（施策反応率を再学習している時点）では目標値を上回っているがN日後に目標値を下回ると予測された場合は、施策反応率再学習部２１６は、N日後に施策を終了するように出力する。このように目標値を下回るタイミングを予測することにより、次の施策開始タイミングの最適化等を図ることが可能となる。

なお本実施例における施策反応率の算出には式（１）のように、簡略化のため過去の施策の影響を考慮せずに算出したが、一方で式（１）に(t-T)（Tは式（１）の自己相関が最大となる日付）の項を追加しても良い。計算方法が複雑になるが精度が向上する。

またKPIの目標値については、単一商品ではなく複数商品で目標値を達成しているかどうかを判定するようにしても良い。複数商品の選び方は商品分類や、同一広告で掲載した商品、あるいは併売頻度の高い商品とすることができる。

１０１:POS端末１０１、１０２：POSサーバ、１０３：分析用サーバ、１０４：解析者用端末、１０５：ネットワーク、２０１：ＣＰＵ、２０２：ネットワークインターフェイス、２０３：出力装置、２０４：記憶装置、２０５：バス、２１０：KPI選択部、２１１：目標値設定部、２１２：顧客プロファイル抽出部、２１３：施策反応率算出部、２１４：施策反応率出力部、２１５：最適施策推薦部、２１６：施策反応率再学習部、２２０：顧客プロファイルデータベース、２２１：ID-POSデータベース、２２２：施策事例データベース。

Claims

マーケティング施策の定量的な評価指標であるKPIを選択するKPI選択部、前記KPIの目標値を設定する目標値設定部、顧客プロファイルデータベースに含まれる顧客の基本属性に係る係数を用い、前記マーケティングの施策反応率である前記KPIの予測値を、過去に実施したマーケティング施策事例を参照して算出する施策反応率算出部、及び、前記予測値が前記目標値を超えるときに、前記マーケティングの施策の実施を推薦する最適施策推薦部を有することを特徴とするマーケティング施策最適化装置。
請求項１に記載のマーケティング施策最適化装置において、前記顧客プロファイルデータベースは前記顧客のライフスタイルを表す追加属性を格納し、前記施策反応率算出部は、前記顧客の前記基本属性と前記追加属性に係る係数を用い、前記マーケティングの前記KPIの前記予測値算出することを特徴とするマーケティング施策最適化装置。
請求項１に記載のマーケティング施策最適化装置において、前記施策反応率算出部は、前記施策反応率に対して複数の前記顧客の選択を試行したシミュレーションを実行し、前記施策反応率の最大値及び最小値を算出し、前記最適施策推薦部は、算出した前記最大値及び前記最小値と前記目標値に基づき、前記マーケティングの施策の実施の要否を判定することを特徴とするマーケティング施策最適化装置。
請求項１に記載のマーケティング施策最適化装置において、前記マーケティングの施策の実施後の前記施策反応率を算出し、算出した前記施策反応率と前記目標値に基づき、前記マーケティングの施策の終了タイミングを最適化する施策反応率再学習部をさらに有することを特徴とするマーケティング施策最適化装置。
マーケティング施策最適化装置におけるマーケティング施策最適化方法であって、前記マーケティング施策最適化装置は、マーケティング施策の定量的な評価指標であるKPIを選択し、前記KPIの目標値を設定し、顧客プロファイルデータベースに含まれる顧客の基本属性に係る係数を用い、前記マーケティングの施策反応率である前記KPIの予測値を、過去に実施したマーケティング施策事例を参照して算出し、前記予測値が前記目標値を超えるときに、前記マーケティングの施策の実施を推薦することを特徴とするマーケティング施策最適化方法。
請求項５に記載のマーケティング施策最適化方法において、前記マーケティング施策最適化装置は、前記顧客プロファイルデータベースに前記顧客のライフスタイルを表す追加属性を格納しておき、前記顧客の前記基本属性と前記追加属性に係る係数を用い、前記マーケティングの前記KPIの前記予測値算出することを特徴とするマーケティング施策最適化方法。
請求項５に記載のマーケティング施策最適化方法において、前記マーケティング施策最適化装置は、前記施策反応率に対して複数の前記顧客の選択を試行したシミュレーションを実行し、前記施策反応率の最大値及び最小値を算出し、算出した前記最大値及び前記最小値と前記目標値に基づき、前記マーケティングの施策の実施の要否を判定することを特徴とするマーケティング施策最適化方法。
請求項５に記載のマーケティング施策最適化方法において、前記マーケティング施策最適化装置は、前記マーケティングの施策の実施後の前記施策反応率を算出し、算出した前記施策反応率と前記目標値に基づき、前記マーケティングの施策の終了タイミングを最適化することを特徴とするマーケティング施策最適化方法。
マーケティング施策最適化装置に、マーケティング施策の定量的な評価指標であるKPIを選択するKPI選択部、前記KPIの目標値を設定する目標値設定部、顧客プロファイルデータベースに含まれる顧客の基本属性に係る係数を用い、前記マーケティングの施策反応率である前記KPIの予測値を、過去に実施したマーケティング施策事例を参照して算出する施策反応率算出部、及び、前記予測値が前記目標値を超えるときに、前記マーケティングの施策の実施を推薦する最適施策推薦部を実行させるためのマーケティング施策最適化プログラム。
請求項９に記載のマーケティング施策最適化プログラムにおいて、前記顧客プロファイルデータベースは前記顧客のライフスタイルを表す追加属性を格納し、前記施策反応率算出部は、前記顧客の前記基本属性と前記追加属性に係る係数を用い、前記マーケティングの前記KPIの前記予測値算出するマーケティング施策最適化プログラム。
請求項９に記載のマーケティング施策最適化プログラムにおいて、前記施策反応率算出部は、前記施策反応率に対して複数の前記顧客の選択を試行したシミュレーションを実行し、前記施策反応率の最大値及び最小値を算出し、前記最適施策推薦部は、算出した前記最大値及び前記最小値と前記目標値に基づき、前記マーケティングの施策の実施の要否を判定するマーケティング施策最適化プログラム。
請求項９に記載のマーケティング施策最適化プログラムにおいて、マーケティング施策最適化装置に、前記マーケティングの施策の実施後の前記施策反応率を算出し、算出した前記施策反応率と前記目標値に基づき、前記マーケティングの施策の終了タイミングを最適化する施策反応率再学習部をさらに実行させるためのマーケティング施策最適化プログラム。