SQL Server によるキャンペーンの最適化

このソリューションでは、R Services 搭載の SQL Server 2016 を使用して、キャンペーンのターゲットとする潜在顧客の購入率を最大化するためのアクションを提案する機械学習モデルを構築して展開する方法を示します。

説明

注: このソリューションが既に実装されている場合、こちらをクリックしてデプロイを表示してください。

予測プロビジョニング時間: 30 分

Azure サブスクリプションにデータ サイエンス Virtual Machine をまだデプロイしていない場合は、続行する前に中断してください。はじめに使用条件に同意する必要があります。

概要

新製品や既存の製品に対して顧客に興味を持ってもらうために企業がマーケティング キャンペーンを立ち上げる際、多くの場合は、一連のビジネス ルールを使って、キャンペーンでターゲットとする潜在顧客を選別します。機械学習を使用すると、こうした潜在顧客からの応答率を高めることができます。このソリューションでは、モデルを使って、キャンペーンでターゲットとする潜在顧客の購入率を最大化すると期待されるアクションを予測する方法を具体的に示します。これらの予測は、再度新たにキャンペーンを実施するときに、ターゲットの潜在顧客に連絡をとる手段 (メール、SMS、電話勧誘など)、および連絡をとるタイミング (曜日と時刻) を決定する際に使用する推奨事項のベースとなります。ここで示すソリューションでは、保険業界のシミュレーション データを使って、キャンペーンに対する潜在顧客の応答をモデル化します。モデル予測に用いられる材料には、潜在顧客の人口統計学的な詳細情報、過去のキャンペーン パフォーマンス、製品固有の詳細情報などがあります。モデルは、データベース内の各潜在顧客が各曜日の 1 日のさまざまな時刻にチャネルから購入する確率を予測します。その後、購入の確率が最も高くなるとモデルが予測するチャネルとタイミングの組こうしてみ合わせに基づいて、ユーザーをターゲットするときに使用するチャネル、曜日、タイミングが提案されます。

Microsoft Marketing Campaign Optimization ソリューションは、機械学習予測モデルと対話型の視覚化ツールである Power BI を組み合わせたものです。このソリューションは、新しいキャンペーンで使用する、ターゲットとする潜在顧客に連絡するチャネル (メール、SMS、電話勧誘など) と連絡するタイミング (曜日と時刻) を提案することで、キャンペーンに対する応答率を高めるために使用します。ソリューションでは、シミュレーション データを使い、顧客獲得キャンペーンの応答をモデル化します。シミュレーション データは自組織のデータを使うように簡単に構成できます。モデルでは、人口統計、過去のキャンペーン パフォーマンス、製品詳細情報などを予測材料として使います。ソリューションは、データベース内のすべての潜在顧客について、各曜日のさまざまな時刻での、各チャネルからの潜在顧客コンバージョン率を予測します。ターゲットとする各潜在顧客の最終的な推奨事項は、コンバージョン率が最大のチャネル、曜日、時刻の組み合わせに基づいて決められます。このソリューションは、標準化されたデータ サイエンス プロセスの後にモデル化されており、データ サイエンティストによるデータの準備、モデルのトレーニングおよび評価、Power BI の視覚化を介したマーケティングによる KPI への関連付けと分析情報の視覚化を容易に行うことができます。

ビジネス マネージャーの視点

このソリューション テンプレートでは、(シミュレーションした) 履歴データを使ってキャンペーンの潜在顧客に連絡する方法とタイミングを予測します。推奨事項には、潜在顧客に連絡する最適なチャネル (メール、SMS、電話勧誘など)、最適な曜日、連絡をとる最適な時刻が含まれています。

SQL Server R Services は、データベースと同じコンピューターで R を実行可能にすることで、データの計算を行います。SQL Server プロセスの外部で実行されるデータベース サービスを含み、R ランタイムと安全に情報をやりとりします。

このソリューション パックでは、データの作成方法と調整方法、R モデルのトレーニング方法、SQL Server マシンでの予測実行方法を確認できます。SQL Server の最終的な予測テーブルで、各潜在顧客に連絡する方法とタイミングについて推奨事項が表示されます。その後、このデータは Power BI で視覚化されます。

Power BI では、キャンペーンの推奨事項の有効性についてのサマリーも視覚的に示されます (ここではシミュレーション データで示されます)。[今すぐ試す] リンクをクリックすると、このダッシュボードを試すことができます。

このダッシュボードの [推奨事項] タブには、予測された推奨事項が表示されます。最上部は、新しい展開の個々の潜在顧客のテーブルになっています。潜在顧客の ID、キャンペーン、製品のフィールドが含まれ、ビジネス ルールを適用する潜在顧客が設定されています。これに潜在顧客のモデル予測が続き、各潜在顧客に連絡する最適なチャネルと時刻が表示されます。さらに、これらの推奨事項を使用した潜在顧客が製品を購入する予測確率が表示されます。この確率を使って、連絡する潜在顧客の数を購買確率の高いサブセットに制限することで、キャンペーンの効率を高めることができます。

また、[推奨事項] タブには推奨事項のさまざまなサマリーと、潜在顧客に関する人口統計学情報も表示されます。

ダッシュボードの [キャンペーン集計] タブには、予測推奨事項の作成に使われた履歴データのサマリーが表示されます。このタブには曜日、時刻、チャネルの値も表示されますが、これらの値は過去の実際の観測値です。[推奨事項] タブに表示される推奨事項と混同しないようにしてください。

データ サイエンティストの視点

SQL Server R Services は、データベースをホストするコンピューターで R を実行し、データの計算を行います。SQL Server プロセスの外部で実行されるデータベース サービスを含み、R ランタイムと安全に情報をやりとりします。

このソリューションでは、データの作成と調整、R モデルのトレーニング、SQL Server マシンでのスコアリングの実行の手順を示します。SQL Server の最終的なスコア データベース テーブルで、各潜在顧客に連絡する方法とタイミングについて推奨事項が表示されます。その後、データは Power BI で視覚化されます。これには新しいキャンペーンで使われた推奨事項の成功に関するサマリー (キャンペーン終了後のもの) も含まれます。(このテンプレートでは、シミュレーション データを表示して機能の説明をしています。)

ソリューションのテストおよび開発を行っているデータ サイエンティストは、各自のクライアント マシンの R IDE から手軽に作業しながら、計算は SQL Server マシンに任せることができます。完成したソリューションは、ストアド プロシージャに R の呼び出しを埋め込むことで、SQL Server 2016 に展開されます。その後、これらのソリューションは、SQL Server Integration Services や SQL Server エージェントを使用してさらに自動化することができます。

[デプロイ] ボタンをクリックすると、自動化をテストでき、ソリューション全体が Azure サブスクリプションで利用できるようになります。

価格

デプロイで使用するお客様の Azure サブスクリプションには、このソリューションで使用されるサービスに対する従量課金料金が発生します。既定の VM の場合 1 時間あたりおよそ $1.15 です。

ソリューションを積極的に使用していない場合は、VM インスタンスを停止してください。VM を実行すると料金が高くなります。

使用していない場合は、ソリューションを削除してください。

免責事項

©2017 Microsoft Corporation.All rights reserved.本情報は "現状のまま" 提供され、通知なく変更されることがあります。Microsoft はここで提供される情報に関し、明示または暗示にかかわらず、いかなる保証も行わないものとします。ソリューションの生成にはサード パーティのデータが使用されています。お客様には他者の権利を尊重する責任があり、それには、類似のデータセットを作成するための関連ライセンスの購入や、そうした関連ライセンスへの準拠が含まれます。

関連ソリューションのアーキテクチャ

Azure HDInsight Spark クラスターを使用したキャンペーンの最適化

このソリューションでは、Azure HDInsight Spark クラスターの Microsoft R Server を使用して、キャンペーン対象の潜在顧客の購入率を最大化するためのアクションを提案する機械学習モデルを構築してデプロイする方法を示します。このソリューションでは、Microsoft R Server を使用して Spark 上のビッグ データを効率的に処理します。