いまや私たちの生活の様々なシーンで使われている機械学習。コンピュータが膨大なデータから自動で学習し、そこに潜むパターンやルールを見つけ出す技術で、マーケティングの分野でも必須ともいえるほど活用されています。
今回は機械学習とは何か、改めてその種類や事例を含めてご紹介します。
機械学習とは？
機械学習(machine learning)とはデータ分析の方法のひとつで、機械（コンピュータ）が大量のデータから自動で学習し、データに潜むルールやパターンを発見する技術です。機械学習で得られた結果から、分類や予測などのタスク処理をするアルゴリズムやモデルも構築できます。
身近なところでは、迷惑メールフィルタやクレジットカード不正検知、商品のレコメンデーションなどに使われています。
３種の機械学習
機械学習は、主に「教師あり学習」「教師なし学習」「強化学習」の３種類に大別できます。
教師あり学習
「教師あり学習」は、あらかじめコンピュータに問題と共に「正解」のデータを学習させる手法です。入力データに対する正しい出力データを学ばせることで、将来の予測も可能になります。
「教師あり学習」の代表的なものは、「識別」と「回帰」の２種類です。
「識別」は、あらかじめ学習した正解のデータを元に、出力データをいくつかのクラスに振り分け、分類することができます。
たとえば、迷惑メールの振り分け処理や、写真を「イヌ」「ひまわり」などのカテゴリ毎に自動でグループ分けする機能などが該当します。
「回帰」では、過去の数値データを連続して学習することで、将来の具体的な数値の予測が可能です。一例としては、商品の今後の売上予測や需要、降水量の予測などが該当します。
機械学習の基本的な手法である「教師あり学習」は、全体の70％を占めるともいわれています。
教師なし学習
「教師あり学習」とは逆に、「正解」のデータを与えない状態で行うのが「教師なし学習」です。
与えられた大量のデータの中から、アルゴリズム自身がデータのパターンやデータ間の類似性を見つけ出し、分類します。
代表的なものは「クラスタリング」と呼ばれる手法です。
「クラスタリング」は、与えられたデータの中から似ている特徴を持つものを同じグループに分類し、振り分ける機能です。ECサイトにおける購入履歴に基づくレコメンデーションが該当します。
強化学習
教師あり・なし学習とは異なり、はじめから「データがない」状態で、コンピュータ自身が試行錯誤しながら、精度を高めていく学習方法です。コンピュータは出力したデータをスコア化し、”スコアをいかに最大化するか”を軸に自ら最適化していきます。
ゲーム中により良い一手を探す将棋AIや、掃除をしながら効率的なルートを探すお掃除ロボットなどでこのシステムが活用されています。
AI（人工知能）やディープラーニング（深層学習）との違い
機械学習と混同しやすい用語にAI（人工知能）、ディープラーニング（深層学習）がありますが、一体何が違うのでしょうか。
まず、AI（人工知能）は最も広い定義がなされており、コンピュータによって、人間の知能を再現する技術全般を指します。機械学習はAIを実現するための技術の一つであり、ディープラーニングはその機械学習の学習方法の一つです。
従来の「ニュートラルネットワーク」という人間の脳の神経回路の仕組みをコンピュータで再現した技術をベースに、より複雑な情報処理を可能にしたのが「ディープニュートラルネットワーク（DNN＝Deep Neural Network）」です。そのDNNを用いた学習方法をディープラーニングといいます。
機械学習との違いは、判断のポイントとなる目的やテーマを人間が設定しなくても、機械自らが考え出し判断する能力を兼ね備えていることです。
この技術によって、画像認識や音声認識などの分野が飛躍的に進歩し、自動運転やAI翻訳などで利用されています。
機械学習の活用例
機械学習を活用すると、どのようなことが可能になるのでしょうか。
需要予測
蓄積された過去販売実績などのデータを分析することで、未来の値を予測する需要予測が可能です。需要予測することで、たとえば、ECサイトの膨大な在庫を効率的に管理したり、飲食店でのスタッフの配置や食材の量を最適に準備できるでしょう。機会損失や廃棄リスクを軽減できるので、結果的に収益の最大化に繋げることができます。
画像認識
画像の中に写っているものを判別する技術で、顔認識や物体認識、文字認識が可能になります。自動運転による追突防止、製造業や建築業における不良品感知、医療ではレントゲンでの病気早期発見への活用など、さまざまな分野で導入されています。
自然言語処理
人間の発する言語をコンピュータで処理して、内容を抽出する技術のことです。代表的なものに、ある言語を別の言語に自動で翻訳する「機械翻訳」があります。外国人観光客の多い小売店において、外国語が話せなくてもコミュニケーションが可能になりました。
自然言語処理の技術は、ディープラーニングの登場によって飛躍的に精度が向上しています。Amazonの「Alexa」やGoogleの「Google nest」などスマートスピーカーでこの技術が使われていて、音声のみで様々なアクションを実行することができます。
マーケティング領域における機械学習の活用例
デジタルマーケティングの分野でも、機械学習を取り入れているケースが増えてきています。
レコメンド（おすすめ）機能
ECサイトなどでは、機械学習を使ったレコメンド機能を目にすることも多いのではないでしょうか。
訪問者の閲覧・購入履歴を元に「おすすめ商品」を表示することで、アップセルやクロスセルを可能にしています。
さらに、ディープラーニングを活用すれば、従来は最適なレコメンドを行うことが難しかった閲覧・購入履歴のない人にも訪問者の行動からおすすめの商品を提示することができ、さらなる売上向上が見込めます。
チャットボット
「チャット」「ロボット」を組み合わせた言葉で、AIを活用して会話を自動的に行うプログラムです。事前に登録された膨大なデータに基づき、コンピュータが最も精度が高いと考えられる回答を行います。主にカスタマーサポートでの普及が進んでおり、問い合わせ対応の工数削減が実現できます。
広告効果の最大化
WEB広告で成果を出すためには、ターゲットやキーワード、入札単価の設定など様々な要素を常に確認し最適化していくことが必要です。
手動で行うには時間や手間がかかる上に、運用担当者の経験などのスキルに依存しがちな作業でもあります。
一方、機械学習を用いた広告運用では、設定したKPIの達成を目標に、自動で最適な入札単価を算出し、入札することが可能になります。
また、膨大なデータを統計的に分析することができるので、属人的にならず、ミスの少ない広告運用が実現できます。
まとめ
機械学習を用いた広告運用は、時間やコストが大幅削減できる、非常に効果的な施策の一つです。導入によって、広告効果向上に成功した企業も多く、今後の発展に目が離せない技術だといえるでしょう。
日々進化してきた機械学習はマーケティングの分野でも浸透してきており、例えばGoogleの検索やFacebookのタイムラインなど、大手プラットフォームの範疇でマーケティングを行うにはすでに多くの恩恵を受けています。
しかしユーザーはGoogleやFacebook以外のサイトやアプリに使っている時間も多く、その領域にはリーチしきれないため、機会損失が起きていることは否めません。
今までは、膨大なデータを獲得できるGAFA（Google、Amazon、Facebook、Apple）のようないわゆるビックテック以外で、高度な機械学習の効果を得るのは難しいとされてきました。
そんな状況を打破すべく、アプリ広告の新しいソリューションを提供しているのがMoloco（モロコ）です。
Molocoは、元Googleのエンジニアが2013年に創業した機械学習のプロ集団。独自のアルゴリズムによって、ビッグテック以外でも高い広告費用対効果を出せる技術をもっています。
なぜMolocoだと他では難しかった効果的な広告パフォーマンスが可能になるのか、気になった方はぜひ資料請求してみてはいかがでしょうか。
