Forecast Flow

戦略的施策立案を実現する予測分析基盤

データに基づく施策立案をサポートする機械学習基盤Forecast Flowのご紹介
(誰でも簡単に機械学習を活用し、顧客満足を向上させる)
顧客理解をデータに基づき実践できれば、顧客満足を高める施策立案への近道となります。
先進企業では、機械学習を顧客理解のために利用し成果を挙げています。
しかしながら、機械学習の利用には高度な専門知識を持ったデータサイエンティストを必要としてきたため、計画を前進させられないケースが多く存在しました。

そこで、誰でも機械学習を使いやすくするために、最先端の実践的な機械学習アルゴリズムを搭載した機械学習基盤Forecast Flowを開発しました。
ユーザは自動出力されるレポートの解釈、および施策立案に集中でき、短期間で精度の高い機械学習結果を手にすることができます。

Forecast Flowの使い方の例(優良顧客の行動変容予測)

今日の優良顧客が、明日も優良顧客でいてくれる訳ではありません。Forecast Flowの使い方の例として、機械学習アルゴリズムに行動変容する優良顧客を予測させ、その特徴を施策立案者にレポートさせます。これにより、優良顧客の行動変容理由をデータから明らかにし、どの程度まで反応するかを感度分析から把握することが可能になります。つまり、今まで勘と経験と度胸に頼っていた施策立案を、Forecast Flowを活用し戦略的な施策立案を実現します。その手順を、小物を扱うあるECサイトの優良顧客の離反防止策を例に、紹介いたします。

STEP1

行動変容予測用のデータセットを準備(CSVやTSVのテキストファイル)。

行動変容予測用データセット


機械学習アルゴリズムに解かせる予測モデルを、ある期間にECサイトで購入経験のある優良顧客が、行動変容(今後1か月間に再購入する継続顧客か離反顧客か)を予測するものとします。各顧客ごとの特徴量データ(デモグラ・行動・趣味・嗜好)と教師データ(行動変容の結果)から構成されるデータセットを準備します。

STEP2

機械学習を自動実行し、予測モデルを作成。予測結果を可視化して解釈。

解釈レポートの作成


データセットを準備したらForecast Flowを実行し、機械学習アルゴリズムに基づいた予測モデルを自動構築します。その際、解釈レポート用の機械学習結果データが出力されます。


解釈レポートでは、予測モデルの精度確認、説明力のある重要特徴量の把握、その反応率を感度分析で理解します。上記の解釈レポートでは、あるECサイトで、これから1か月間で再購入する顧客を予測するモデル(True: 再購入あり; False: 再購入なし)の予測結果を示しています。予測精度は各測定指標が0.5~0.85であり、そこそこのレベルです。よって、より詳細に重要特徴量を把握します。トップ3の特徴量(ある直近の期間での顧客の購買回数、合計購買金額、よく購入する商品の色)で、予測モデルの58%ほどの説明がつくことが分かります。さらに詳細に見ますと、購買回数の感度分析にて、購買回数が1回の顧客の再購入確率は34%であるのに対して、2回の顧客は44%となります。つまり、初回購入の顧客を2回目へと繋げることができれば、この期間で10%の再購入確率の向上を見込めます。4回目まであげることができれば、33%の向上であり、どこまでの購買回数まで伸ばすべきか目標設定がしやすくなります。

STEP3

施策立案、実行、効果検証。


施策立案担当者は、解釈レポートで得られた数値に基づいた具体的な知見を元に、施策を立案します。その後、施策の実行、効果検証を行います。

Forecast Flowの特徴

機械学習アルゴリズムの進化とともに精度向上をしている反面、ブラックボックス化が進み、データサイエンスの専門家でも予測モデルの解読に苦しむようになりました。Forecast Flowは、この問題を解決するために、高度なアルゴリズムの出力結果を解釈しやすくし、施策立案に役立たせることに重きを置いています。施策担当者の多くは、データサイエンスの専門家ではなく、ビジネスの分野の専門家です。よって、誰でも機械学習を扱えるようにし、本質的な業務である、施策立案に集中できることを目指しています。これは、予測モデルの自動構築によりサポートします。様々なビジネス課題に高精度で対応するため、高速探索技術と大規模データを扱う技術がForecast Flowには搭載されています

解釈のしやすさ

解釈のしやすさ

  • データ・サイエンティストの経験と知見を結集
  • データの複雑な関係性からアクショナブル・インサイトを導き出す手法を提供

誰でも使える

誰でも使える

ノンエキスパートが気軽に最新の機械学習技術に基づいた予測モデルを活用

本質的な業務に集中

本質的な業務に集中

ユーザが本質的な業務(出力結果の解釈&打ち手の立案)に集中するために活用

自動予測

自動予測

予測用のデータを準備できれば、自動的に予測結果を出力

高精度を支える高速探索

高精度を支える高速探索

  • 高精度な予測には、効率的な高速探索技術が不可欠
  • 最新技術を組み合わせ、リーズナブルな料金で高速探索を提供

大規模データに対応

大規模データに対応

クラウドやコンテナ技術を活用することにより、スケーラビリティ(大規模なデータの対応可能)を有する

こんな方におすすめ

  • 現在、機械学習の活用をご検討されている企業の方(専門知識は不要)
  • データをクラウド上で利用可能な企業の方
  • 機械学習のためにプログラミングを行いたくない
  • 顧客理解をデータに基づき実践したい
  • データ活用により理論的に顧客満足を向上したい
  • 戦略的に対象顧客や施策優先順位を選定したい

価格体系

学習フェーズ

データセットをForecast Flowへ投入し、機械学習による自動予測実行、および解釈用レポートデータの出力までの範囲

  • 予測対象件数ベースの従量課金(何回予測を実行してもOK)
  • 最小予測対象件数:10,000件
  • 金額の算定式:Log10 (予測対象件数 / 1000)*100000
予測対象 月額料金
~10,000件 100,000円
~20,000件 130,000円
~30,000件 147,000円
~40,000件 160,000円
~50,000件 169,000円
~60,000件 177,000円
~70,000件 184,000円
~80,000件 190,000円
~90,000件 195,000円
~100,000件 200,000円
~1,000,000件 300,000円
~10,000,000件 400,000円
保守・運用サポート

サポート内容

  • 予測精度向上のための特徴量エンジニアリング
  • データ・クレンジング方法のアドバイス

費用 : 1万円/時間で最小契約単位は10時間/月

予測モデル構築サポート

サポート内容

  • 予測モデルの構築(戦略的に何を予測すべきかの選定)
  • 利用可能データの初期分析(十分なデータ量か、データの整然さの確認)
  • データ・クレンジング(各種データを分析に使えるようにきれいにする)
  • データ整形(各種データを分析に使えるデータ構造に変換)
  • 予測結果の解釈(どのような知見が得られたかのまとめ、および特徴量の再設計)

費用 : 都度見積もり

申し込み手順

Forecast Flowは予測対象件数をベースとした月額課金(後述)になります。その申し込み手順は下記の通りです。

フォームで申し込む

以下のフォームにてお申し込みください。

申し込みフォーム

銀行振込

指定の口座にお振込みをお願いします。

入金確認・メール通知

入金が確認できましたら、アカウントを作成し、メールでお知らせします。

更新のお知らせ

終了7日前になりましたら、更新のお知らせメールをします。

実践的な機械学習活用に関する情報共有コミュニティ

  • Forecast Flowを利用しているユーザ同士で、実践的に機械学習を活用するためのノウハウを共有するコミュニティ作りをサポートします
  • 利用者向けのSlackチャネルを作り、ユーザ同士、気軽に質問を投げかけられるようにします Forecast FlowのSlackへ
  • オンライン相談会や事例共有会を定期的に開催し、各ユーザの疑問点の解決や知見を共通する場を提供します
  • コミュニティでの議論の内容をForecast Flowの利便性向上のための開発に反映させます