KPMG顾问公司(总部:东京都千代田区;代表董事:关 穣、田口 笃、知野 雅彦;以下简称KPMG顾问公司)已推出一项数字行销高度化支持服务,该服务运用AI和数据科学驱动的因果分析工具,分析企业的行销数据,可视化行销措施的效果和因果结构,并进行优化。 近年来,许多企业已导入行销自动化(MA)工具,并将大量收集到的客户接触点数据应用于各种行销措施。然而,由于主要集中于表面数据的相关性分析,导致无法掌握措施与结果之间的因果关系;或者由于客户行为和数据的复杂化与孤岛化,使得无法验证哪些要素是有效的。在这种情况下,结果往往是持续运行不必要的措施,导致行销活动成本难以优化。 在此背景下,KPMG顾问公司与KPMG日本的数据与技术卓越中心专业组织「顾问灯塔」合作,开发了一款集成因果探索(Causal Discovery)和因果推论(Causal Inference)的分析工具。该工具从企业拥有的行销数据中提取措施的因果结构,并提供一站式支持,包括对措施效果的定量评估。通过将先进的数据分析技术与企业拥有的行销数据相结合,KPMG顾问公司旨在实现数据驱动的数字行销转型,并优化行销措施。 **【本服务的支持内容】** 针对企业直接拥有以及通过MA工具拥有的行销数据(客户数据、措施数据等),运用因果分析工具,提供以下价值: **发现因果结构和机制,识别客户行为和决策的因素** AI自动从数据中估计统计因果结构和机制,并以数据驱动的方式识别客户行为和决策的因素。例如,它以数据驱动的方式可视化措施与效果之间的因果结构和机制,例如发送给客户的电子邮件是否影响其购买行为、客户属性是否影响购买、或客户追踪如何影响服务流失率,从而推估措施带来的效果。它从数据中探索基于客户行为的因素,这些因素在人员手动数据分析或依赖过往经验的分析中容易被忽略。 **支持制定最佳措施情境** 根据因果结构数据,提出预期效果最高的措施建议。它可用于MA内的情境设计,以及制定包括MA在内的沟通计划和行销情境。 **通过减少效果有限的措施和优化预算分配来提高行销投资报酬率(ROI)** 数据识别投资报酬率低的措施,通过减少这些措施,将释放的预算重新分配给有效的措施,从而优化行销成本,并支持提高ROAS(Return On Advertising Spend,广告费用带来的销售额比例)和LTV(Life Time Value,客户终身价值)。 **【本工具的特点】** 这款分析工具集成了因果探索(Causal Discovery)和因果推论(Causal Inference),从企业拥有的行销数据中提取因果结构进行分析,并对行销措施的效果进行定量评估。 技术方面的特点如下: * 并行运行多种因果探索算法,通过集成提取可靠的因果关系候选。 * 将边缘强度(系数・部分相关)和多种算法的一致度指针化。 * 基于估计的因果图进行因果推论,推估措施带来的平均因果效应(ATE)。 * 通过多变量分组以及组间允许模式和例外指定,构建符合专业知识和业务逻辑的因果假设。 **【服务详情请点击此处】** 运用因果分析工具的数字行销高度化支持 **关于KPMG顾问公司** KPMG顾问公司是一家综合性顾问公司,通过结合策略、业务转型、技术/数字、风险顾问和业务创新五个领域的产业知识,支持企业和组织的转型。拥有丰富经验和技能的顾问组成了KPMG日本的10个专业组织。