試行運用中

外部変数による影響が大きい試合来場者を増加させるため、データインテグレートの実現および「来場者予測」モデルを構築。プロモーション費用のアロケーション最適化を提案。

機械学習を用いて購買行動データから顧客をクラスタリングし、クラスター毎にマーケティング施策の影響度について分析を行い、さらに変数ごとに購入の見込み数がどのように変化するかを特定した。クラスタリングを行った後、アンケート結果を突合し、ユーザー像の深掘りを行い、広告のクリエイティブ制作に活用した。

【課題】
各変数(天気/対戦カード/スタジアム etc)に対して、影響範囲を正確に把握できていないため、各試合に対してのプロモーション予算が最適化できていない状況であった。

【実施した分析の詳細（分析方法・連携機関・費用等）】
自社の来場者数、過去試合データ、他プロモーションデータや天気、コンテキストデータ、所属リーグの提供するデータなどを統合して、どの因子が来場者に影響を与えるかの分析や、顧客のクラスタリング、施策の影響把握、来場者数予測を行った。

【分析の結果抽出した結果・実施した施策】
試合来場者を予測できる環境および分析モデルを構築し、プロモーション費用のアロケーション最適化を提案。分析の結果、プロモーション以外の要素の影響の大きさ、およびロイヤリティの異なるユーザーの集団の存在が示唆されたため、次段階として基礎集計の結果を受け、予測モデリングにおいて、プロモーション以外の要素の影響を考慮すること、およびロイヤリティの異なるユーザーの集団ごとに予測を行った。

ロイヤリティとの関連性が高いと思われる指標であるWebサイト訪問頻度でクラスタリングを行い、5つのクラスタに分け、さらにクラスター毎にマーケティング施策の影響度について分析を行った。分析結果を元に顧客のターゲティングおよびターゲットクラスタにイベントと連動した広告施策を実施した。