2025年6月25日8:00
Mastercardは、2025年6月3日～5日にシンガポールで開催された「NRF 2025: Retail's Big Show Asia Pacific （NRF 2025 APAC）」のMastercardブースにおいて、クラウドベースの予測分析プラットフォーム「Test & Learn」の魅力についてセッションを行った。当日は、Mastercard スペシャリストセールス 営業責任者の武田裕貴氏がTest ＆ Learnについて紹介した。NRF 2025 APACには日本人の参加者も多かったが、同セッションは日本人の聴講者を意識し、日本語でプレゼンテーションを実施した。
Clik here to view.
導入企業の92％が5倍のROIを実現
グローバルで300社以上が採用
Mastercardは消費者にとってクレジットカードブランドとして知られている。Priceless（プライスレス）という言葉もMastercardのマーケティング戦略の一環で生まれた言葉だ。そんな同社だが、決済事業の他に付加価サービスとしてコンサルティング部門を持っている。顧客のビジネスをさまざまな角度からサポートすることを目的に、2001年に設立された。1年約1社ペースでM＆Aを行いサービスを拡大しており、多角的に顧客のビジネスをサポートしている。
Image may be NSFW.
Clik here to view.
武田氏は同サービス部門で日本と韓国の市場を対象に分析プラットフォームの営業の責任者を務めている。同分析のプラットフォームは2016年に同社が買収をしたAPT（Applied Predictive Technoligies）がもともと提供していたサービスだ。
例えば、武田氏とともに登壇したシニア・ヴァイス・プレジデントのRupert Naylor氏はAPTの時代からTest ＆ Learnの事業に関わり、Mastercardに買収されてからも日本でビジネスに関わってきた。APTの分析技術とそのMastercardの膨大なデートなどを合わせると、非常にユニークな価値が提供できるとした。現在、日本だけでなく、欧州、米国のさまざまな地域の企業がTest ＆ Learnを採用している。
Test & Learnは、予測分析プラットフォームだ。
その強みは3点あり、1点目は、Test & Learnを導入した企業の約9割が、ライセンス費用に対して5倍の増分利益、または増分の売上高の効果を出しているそうだ。2点目は、小規模な市場テストにより、施策の効果を迅速かつ正確に測定し、最適な意思決定を支援する。3点目は、金融、流通、飲食、通信など、さまざまな業界での活用実績があり、幅広いビジネス課題に対応可能だ。
Image may be NSFW.
Clik here to view.
武田氏は「顧客が普段行う分析に価値を生み出すことが可能です」と話す。企業が行う分析は、施策から最終利益までどれぐらいの効果をもたらしているのかを考えた場合、半分の施策におけるアイデアは、実は利益を出せていないという。こういった指標があるため、現場がいくら良いアイデアを持っていても、大きな投資に踏み切れない。これは経営者、現場サイドも頭を悩ますところだ。
Test & Learnはデータに基づく意思決定を支援し、顧客の収益向上につなげているという。その結果として、300社以上の顧客から支持を得ている。例えば、日本では北海道のセコマが使用しているそうだ。
Image may be NSFW.
Clik here to view.
特許取得の独自マッチング技術で高精度を実現
PDCAサイクルを高速にまわすことが可能
分析を実際に実行する場合、さまざまなハードルがある。具体的に、顧客がよく抱える課題は4つあるという。
1つ目は、施策の効果に確証が持てないことだ。これは、コロナ禍や景気の上げ下げなど、施策を行う中で外的要因となる事業があり、施策の真の効果測定が図れないケースがあるためだ。2点目は、施策が遅いこととなる。例えば、店舗を絡めた大規模な施策の場合、どうしてもマニュアル作業になり、タイムリーに施策の評価を判断することが難しい。3点目は、一貫性がないことだ。大きな組織、大規模施策になればなるほど、複数の施策やキャンペーンが同時に走ることがある。また、複数のソリューションを使っている場合、統一的見解を得ることが難しい。4つ目は。マネジメントができないことだ。組織全体で一気通貫した意思決定が下せない課題がある。
こうした各課題にTest & Learnはどうアプローチし、課題を解決しているのか？ 1つ目の確証が持てないという課題に対しては、精度で対応する。同分析を行う際に、Test & Learnが施策対象グループ、その比較グループとマッチングさせる。同マッチング技術が、統計学の因果推論に基づいた技術で、約15の特許を取得している。これにより高精度を担保しているそうだ。
2つ目スピードは、分析アウトプットを自動化させるため、従来のマニュアルの作業に比べ6倍の速さでテストを回すことができる。これにより、PDCAサイクルを高速に回すことが可能だ。
3点目が一括管理だ。クラウドベースのプラットフォームになるため、1カ所にデータを集約することでテスト分析、および一括管理が可能になる。また、いつ、どういった施策を打うかというテストカレンダーの作成も可能だ。
4つ目のマネジメントができないという課題に対しては、組織化で対応する。組織が実際に導入した場合、Mastercardのコンサルタントがともに伴走しながら、テストを行って分析結果を抽出し、意思決定につなげるための制度化を支援する。
Image may be NSFW.
Clik here to view.
テスト設計、効果検証、予測モデル作成等に対応
全ユーザーの分析を一カ所に集中可能
これらのメリットを深掘りすると、施策の効果を検証する場合、差分を分析するというのがよくある手法だ。その際には施策を行うグループと行わないグループの比較を行う。
施策を行った場合の状況と、施策が行われなかった場合の状況の差を見ることが理想だが、現実的には不可能だ。ある店舗で施策を行い、全く同時期にその店舗で施策を行わなかった場合、その差分はどのくらいあるのか？ 施策が行われたグループに対し、例えば施策が行われなかった場合の状況を作り出し、それとほぼ同じデータを出せれば、比較による効果測定が可能になる。Test & Learnであれば、特許を取得したパターンマッチング技術によって、施策対象グループと似たようなパターンをCVSで抽出して、正確な比較に基づく効果測定を実施することが可能だという。
つまり、施策を行ったグループと、施策実施前の一定期間、よく似たパフォーマンスのトレンドを有する対象群とを比較することで、真の効果測定、それによって得られる増分効果の要素を分解する。これにより最も効果をもたらした要素を特定し、ROIを最大化させる施策を予測することが可能だという。
例えば、どの商品が良かったから施策がヒットしたか、出店に関してはその地域に住む人数などを把握するとともに、施策を展開する際は利益を出せる店舗や商品をTest & Learnでリスト化して抽出し、そこだけに絞った施策を可能にするという。
Image may be NSFW.
Clik here to view.
スピードも従来のマニュアルによる分析手法に比べ、実験ごとの分析に要する時間を3～4週間短縮させることで、6倍以上のスピードで実施でき、実施できる分析の量も10倍させることが可能だ。特に、データ取得、データ分析が自動化されているので、データの取得に費やす時間は必要ないため、1週間差をつけることができる。テスト設計では、マッチングから分析によるアウトプットの抽出を自動で行う。ここで2～3週間の差をつけることができ、合計で3～4週間スピードが速まるそうだ。
Image may be NSFW.
Clik here to view.
一括管理では、Test & Learnはクラウドベースのプラットフォームであるため、テストの設計から効果検証、予測モデルの作成まで包括的に管理できる。加えて、全ユーザーの分析を1カ所に集約することが可能だ。複数の施策が走っていたとしてもこれを一覧化して管理でき、分析の一元化ができる。これにより、「部門横断的にデータに基づく意思決定を文化として根付かせることが可能です」と武田氏は説明する。