データ変換率が低いと機械学習に深刻な影響を与える可能性がある

そのため、データ変換率が低いと機械学習の有効性が著しく低下する可能性があることに注意することが重要です。

今日、機械学習は多くの有益な方法で市場の将来を変えています。デジタルマーケティング調査機関の調査レポートによると、意思決定者の 97% が機械学習テクノロジーが将来の市場開発を促進すると考えています。

マーケティング担当者が機械学習アルゴリズムを使用して広告やプロモーションを最適化するために使用できる戦略は数多くあります。ただし、これらの戦略の一部は、マーケティング担当者が考えるよりも制限が厳しいものです。

[[281632]]

ビッグデータ技術はマーケティング業界に多くのソリューションを提供します。大規模なデータセットを処理できるため、マーケティング担当者にさまざまな形で役立ちます。変換データセットを使用すると、次のことが可能になります。

• 顧客が最もコンバージョンする可能性の高い時期に基づいて広告を自動的に配置します。
• 機械学習を活用した人工知能ツールを使用して、さまざまな訪問者向けにコンテンツを最適化します。
• コンバージョンの可能性が最も高い広告と、広告が配信される顧客の人口統計を正確にターゲティングします。
• サポート サービスやチャットボットとチャットするときに顧客が最もよく尋ねる質問を理解し、それらの質問への応答を自動化します。
• クリックスルー率とコンバージョン率を高めるために、電子メールの件名を決定し、コピーを作成します。
• 既存顧客へのプロモーションが最も効果的な問題点を見つけます。

業界の専門家は、ビッグデータに関しては機械学習が非常に強力であると述べています。しかし、彼らはいくつかの課題を克服しなければなりませんでした。過去にマーケティング担当者が利用できる唯一のデータ形式であった小規模なデータ セットにはほとんど役に立ちません。業界の専門家である Jyoti Prakash Maheswari 氏が、小規模なデータセットを取り巻く問題について説明し、同氏が概説する原則はマーケティングだけでなく他の機械学習アプリケーションにも当てはまります。

長年にわたり、マーケティング担当者は小規模なデータセットを扱わなければなりませんでした。顧客に関するビッグデータを収集するためのストレージスペースとリソースが不足しているのです。ビッグデータを保存する能力を持つ企業であっても、それを処理して実用的な洞察を引き出すリソースを持っていることはほとんどありません。

これらの企業は、小規模なデータセットを扱うというコンセプトを放棄するつもりはありません。これは、企業が機械学習技術の進歩に基づいて高度なマーケティング戦略を開発しようとする場合に問題となる可能性があります。

小さなコンバージョン データセットを使用してマーケティング戦略を自動化する場合の問題点は何ですか?

多くのデジタル マーケティング プラットフォームでは、クライアントが機械学習のメリットをより簡単に活用できるようにしていますが、通常、広告主はコンバージョンをリアルタイムで追跡するか、手動でアップロードする必要があります。

Propel Media は、広告主が最高の投資収益率を得られるよう機械学習を利用している企業の 1 つです。多くの広告主は、機械学習テクノロジーを活用したアクション単価（CPA）オプティマイザーを使い始めてから、広告のパフォーマンスが大幅に向上したと述べています。

しかし、この技術に詳しい人々は、少量のデータの変換にこの技術を使用することは控えるよう警告している。 Propel Media のメディア広告主は、企業が何らかの価値を得るには通常少なくとも 50 件のコンバージョンが必要であり、コンバージョンが 100 件を超えると広告ターゲティングの品質が大幅に向上すると述べています。

機械学習アルゴリズムは、コンバージョンから非常に有用な洞察を導き出すことができ、既存のコンバージョン データを推定して広告のパフォーマンスを大幅に向上させることができます。問題は、これらのプロモーションの品質が、アップロードされたコンバージョンの数と高い相関関係にあることです。

他のほとんどの広告プラットフォームにも同様のテクノロジーが採用されています。独自の社内機械学習プラットフォームを使用してマーケティング戦略を自動化および最適化している企業も同じ問題に直面するでしょう。

企業のマーケティング担当者が機械学習アルゴリズムにコンバージョン データを使用しようとすると、いくつかの課題に直面します。効果的な機械学習戦略を作成するには、最低限のレベルの変換されたデータ ポイントが必要です。また、変換されたデータの品質は指数関数的減衰係数に依存することもわかります。つまり、新しいデータがインポートされるにつれて、コンバージョンを追加することで得られる増分的なメリットは減少し続けることになります。

これは何を意味するのでしょうか? マーケティング担当者は、初回コンバージョンをデータ セットに追加することによる限界利益が非常に大きいことに気付くかもしれません。 2 回目の変換の価値は相当なものになりますが、最初の変換ほど強力ではありません。マーケティング担当者は、データベースに追加する最初のコンバージョンから取得するデータの品質を 2 倍にするために、5 つまたは 6 つのコンバージョン データ ポイントを追加する必要がある場合があります。データの品質をさらに 2 倍にするには、さらに 20 または 25 のデータ ポイントを追加する必要があり、品質をさらに 2 倍にするには 100 から 150 のデータ ポイントを追加する必要が生じる可能性があります。

つまり、マーケティング担当者は有意義な洞察を得るために大量のデータを必要とする可能性があるということです。必要な変換の数は、最適化または自動化しようとしているプロセスの複雑さによって異なります。

たとえば、マーケティング担当者は、使用している広告の中で最もパフォーマンスの高いものを判断するために、20 件または 30 件のコンバージョンのデータのみを必要とする場合があります。機械学習アルゴリズムは、この量のデータを使用して、95% の信頼区間で最適な広告を特定できる可能性があります。

ただし、マーケティング担当者は最適な人口統計を決定するためにさらに多くのデータを必要とします。彼らは機械学習を使用して人口統計をセグメント化または排除しようとしますが、数百以上のコンバージョンが必要になる場合があります。

機械学習マーケティングアルゴリズムには十分なデータが必要

機械学習はマーケティングにとって非常に貴重です。しかし、マーケティング担当者が高品質のアルゴリズムを開発するには、大量のデータが必要です。適切なデータ サイズを慎重に決定し、十分な変換データを収集できることを確認する必要があります。