お問い合わせ
メルマガ登録
「マス」と「デジタル」をいかに境界なく融合させてマーケティングしていくか。多くの企業が抱える課題意識です。vol.01では、「ファンコミュニティ」を活用することでその課題を解決できる可能性があることを、実績を交えながらひも解きました。
じつはその秘訣は「AIの計算」にあります。今回は、「ファンコミュニティクラウド」に装備された人工知能がどうやって「効くマーケティング」を生み出すことができるのか、引き続き、電通の杉之尾がクオン株式会社代表取締役の武田さんと一緒に、その謎に迫っていきたいと思います。
「コミュニティ」を「ファンコミュニティクラウド」に」
杉之尾：古いタイプの「コミュニティ」と「ファンコミュニティクラウド」がもし違うとすると、それはどういうところなのでしょうか。コミュニティ自体に大きな違いはあるのでしょうか。
武田：前回の対談では、「コミュニティのファシリテート」「本音の発言の発掘」「CRMとコミュニティデータの融合」といった視点からコミュニティマーケティングの進化についてお伝えしました。それは、コンピュータのスペックと統計学の著しい進歩があってこその産物なんです。
「本音の発言」分析におけるビッグデータ解析は、昔のコンピュータのスペックだと難しかったんです。「掲示板」という古き良きコミュニティがありましたが、それは裏でデータを解析するということは全くできませんでした。
一方で、「ファンコミュニティクラウド」は、「掲示板」に集まる声を、データサイエンスの対象とみなします。どのタイミングで、どのようなタイプの掲示板をコミュニティメンバーに提示して、その掲示板の中で展開されるトークテーマについては、どのタイミングで、どれくらいの量を投じたらいいのかなど、全部コンピュータで計算します。
杉之尾：「ファンコミュニティクラウド」の掲示板というのは、半分は人による職人芸、半分はAIが回しているとお聞きしましたが、全部AIに任せきりにしない理由は何なのでしょうか？
武田：人とAIでは、それぞれにアプローチの仕方が違います。例えば10年ぐらいコミュニティの運営に没頭しているプランナーは、新しく入ってきたユーザーの2言、3言の対話を見ただけで「将来、この人がハブユーザーになるか」を見極めることができます。
一方AIは、過去にハブユーザーになっていったユーザーの行動パターンと「どれだけ類似しているか」という計算をすることによって、初期段階でハブユーザー候補を見つけ出すことができます。人とAIがタッグを組んでいますが、アプローチが全く違います。
「人の判断」と「AIの計算」の共同作業が生むエンゲージメント
杉之尾：「人の判断」を「AIの計算」が遂行してくれるよ、というようなイメージでしょうか。でも人で2、3言の対話で将来ハブユーザーになることが分かってしまうくらいなら、「AIの計算」は必要ないのかな、と思えたのですが。
武田：たしかに「人の判断」の代替として「AIの計算」を使うというケースはあります。でもデータマイニングによって消費者のインサイトを紡いでいくときには、最後の工程まで全部AIで自動化されています。
購買に影響を与えた声を集計する場合も、人の目で見て「いい発言だな」という印象には頼らないようにして、とにかく購買に影響を与えた声だけを集めて、心を介在させずにAIで処理します。消費者のインサイトを企業に届ける時には、恣意性を可能な限り排除して、「ファクト」をお出しすることが重要だからです。
杉之尾：そうなんですね。たしかに様々なテーマについて、様々な発言が何千、何万とあるわけですよね。これを分析していくのは天文学的な計算が必要となりますよね。
武田：おっしゃる通りです。例えば二項ロジスティック回帰分析を行うと、購買に影響を与えた活動が「発言」の量だったり、「共感」や「拍手」の量だったり、企業やブランドによってファンになるきっかけとなる活動がはっきりと見えてきます。
それは、全部で二十何次元のデータをコンピュータに放り込んで、「相関があるかないか」を計算することで分かるんですけど、同じことを人間が計算しようとしたら、電卓を使っても人生3回分ぐらいの時間がかかると思うし、そんな計算は本当に苦行でしかないからやらないですよね（笑）。もうそこはコンピュータが得意とするところです。
杉之尾：そうなると、今度は「人の判断」の出番がないような気すらしてくるのですが。
武田：そんなことはありません。やっぱり「人の判断」が必要です。例えば、「コメントの長さが長くなればなるほど、そのブランドが好きになる」という相関を発見するのはコンピュータの仕事ですが、その理由を想像するのは人の領域です。
「ブランドをとてもよく理解している人が、他者に対して（回数や単純な長さではなく）どれだけ深い発言をしているかが重要なのではないか」といった仮説が浮かべば、「（他者に影響を与えたファンによる長文の）コメントの特徴を見てみよう」となります。これをコンピュータに命令すれば、そのなかにあるキーワードが見つかります。それを受けて「よし、店頭に展開してみよう！」とリスクを引き受けて意思決定するのは、やはり人でなければできません。
その後、実行された結果がどうだったのか、恣意性を入れずに計算するのは再びコンピュータが得意とするフェーズとなります。つまり、「人の判断」と「AIの計算」は相互に行き来するサイクルが必要ですし、そうすることで、マーケティングは非連続に進化して、消費者に接近することができるのだと思います。
電通と開発した「PDMファンコミュニティクラウド」も、ファンコミュニティを起点に各企業のマーコム領域の戦略策定を支援するソリューションなわけですが、そこでは「AIの計算」から始まって、クライアント企業に届けるインサイトは「人の判断」という役割分担があると思います。
杉之尾：たしかに、最終的にコミュニティにおける発言の意味や意図を探り当てるには「人の判断」でないと難しいかも知れませんね。「AIの計算」に基づくデータだけでも意味や意図に近いところまでたどり着くことは可能ですが、では実際にそれは人間が何を考えてそれをやったのかという解釈（意味）や、だからどうするのだという戦略（意図）にまでたどり着けないような気がします。データを有機的に結びつけるといったところは「人の判断」に頼らざるを得ない、ということですね。
「AIの計算」で分析の恣意性を排除する
武田：そうだと思います。とはいえ、発言の意味や意図に関して「人の判断」だけでなく「AIの計算」を紡いでいくことも必要だと感じています。効率的であるということ以外にも、分析の恣意性が排除されるという大きなメリットがあるからです。
何か仮説を検証するためにアンケートやフォーカスグループインタビューのような「リサーチ」があるわけですが、そこでは基本的に仮説以上のアイデアが出てくることは少ない。なぜなら、仮説を検証するためにあるのが「リサーチ」だからです。調査は絶えず観察者の持つ主観バイアスの影響を受けてしまう。いわゆる「温度計を入れたら温度が変わってしまう」という問題が起こります。
観察者や分析者の恣意性が排除された、消費者ですら気づいていないインサイトにこそ価値があると思います。それは、本質的には、レヴィ＝ストロースの文化人類学的なアプローチじゃないとそれは生まれないのではないでしょうか。
杉之尾：レヴィ＝ストロースの文化人類学的なアプローチ。構造主義ですか。
武田：はい、分析者の恣意性を排除してコミュニティの特徴を「そのまま」記述するアプローチです。コミュニティに集まる（ファンになった）人々の特徴をオーガニックな交流の中から「AIの計算」で機械的にあぶり出す。これは「リサーチ」ではなく「マイニング」なんです。
杉之尾：コミュニティの特徴を「そのまま」を記述し、いったん、仮説無しに帰納的にとらえてみるということでしょうか。
武田：そうかも知れません。はじめに仮説を持って臨まないので、演繹的にはできないと思います。仮説が当たりづらい複雑な市場にこそ必要なアプローチだと思います。「AIの計算」によって浮上してくる恣意性や先入観を排除した仮説は、マスマーケティングの文脈でも活用されるようになりました。
杉之尾：恣意性が排除された分析結果を前にして、「人の判断」はどのような役割を果たすのでしょうか？
武田：「AIの計算」から導かれた消費者のインサイトを、クオンでは「ファクト」と呼びます。「ファクト」は、透明度は高いですが、無機質です。そのままで消費者に受け入れられるようなものではありません。そこから意味や意図をくみとり、実際に社会に出していくイメージやメッセージにするには「人の心」や「人の手」を介在していく必要があります。この部分はどうやっても「AIの計算」ではできないところだと思います。
杉之尾：マーケターの施策が市場に届きづらくなっている現在、いったん、これまでの消費者インサイトの前提や仮説を中断し、素のままの姿をとらえることが必要になってきているのかもしれないですね。-ファンコミュニティマーケティングにおける「AIの計算」は、その点を精密にできる強みがありそうです。
さらに、消費者も気づいていないようなインサイト（仮説）を見える化できることも大きな強みですね。
武田：「ファクト」としてマイニングされた消費者インサイトを、戦略や広告や販促などに翻訳していくことや、施策の意思決定をすることは「AIの計算」ではできません。やはり最後は「人の判断」が解を見出していかなければならないし、消費者に伝わるのもそうした過程に宿る「人の心」なのだと思います。相手は「人の心」を持つ消費者なので。
このページをシェア
