決定木分析とは?マーケティング担当者が知っておきたい具体例も解説

 2020.09.29  Marketing Intelligence

ビッグデータ、BI(Business Intelligence/ビジネス・インテリジェンス)、データマイニング、AI/機械学習。このようなテクノロジーを表す言葉とともに「決定木分析(ディシジョンツリー)」という分析フレームワークを耳にすることが多くなりました。なんとなく理解している方は多いでしょう。マーケティング担当者なら必ず概要くらいは知っているはずです。

しかし、具体的に決定木分析はどのようなものか?いつ使われるのか?どうやって作成するのか?など細かい情報を知らない方もまた多いかと思います。そこで本記事では、知っているようで意外と知らない決定木分析とは何か?を、具体例を交えてご紹介します。

decision-tree-analysis

決定木分析(ディシジョンツリー)とは?

決定木分析について説明するにはまず「分類木」と「回帰木」について知る必要があります。ちなみにあらかじめお伝えしておくと、決定木分析とは分類木と回帰木の組み合わせです。

分類木とは?

まずはわかりやすく、分類木の一例をご紹介します。

<分類木の一例>

上図のように「炭酸飲料は購入されたか?」という結果に対し、その日が晴れか雨か、気温は25℃以上か以下かといった条件ごとの購入率を表しています。つまりは、「もし~だったら?」という設問を繰り返し、最終的な結論に至るまでそれを繰り返すのが分類木です。

ケーススタディ:Cummins Inc.(カミンズ)が、「Always On」のマーケティングアナリティクスとグローバルなデジタル戦略で成長を促進
マーケティングインテリジェンスを統合する、トラベルテクノロジーのグローバルカンパニー

これにより、「もしその日が晴れ(雨)だったら?」「もし気温が25℃以上(以下)だったら?」という異なる条件から、最終的に炭酸飲料が購入される確率を割り出すことができます。

回帰木とは?

分類木では単純に「炭酸飲料を買うか買わないか」の結果を分析するために用いました。一方、回帰木では「いくらの炭酸飲料が売れるか?」のように、連続して変化する可能性のある値を分析する際に用います。この回帰木と分類木を組み合わせたのが決定木分析というわけです。

機械学習における「教師あり」と「教師なし」

決定木分析を語る上で欠かせないのが、AI(Artificial Intelligence/人工知能)と「機械学習(マシンラーニング)」です。決定木分析では一般的に機械学習を用いて行われ、これによって正確な予測結果を弾き出すAIなども開発されています。ここでは、機械学習を理解するのに欠かせない学習方法「教師あり」と「教師なし」を解説します。

教師あり学習

「その日炭酸飲料が買われたか?」「天気は晴れていたか雨だったか?」「気温は25℃以上だったか以下だったか?」という質問に対する答えを「教師データ」と呼びます。つまり、正解のあるデータということです。この教師データを使用する機械学習を教師あり学習と呼びます。

例えば犬の画像を大量に読み込む際に、各画像に「これは犬だ」という正解(教師データ)を付けます。コンピュータは教師データ画像から犬の特徴を繰り返し学習し、次第に教師データが付けられていない犬の画像を読み取った際に、それが犬だと判断できるようになります。

教師なし学習

コンピュータに対し質問は与えるものの、教師データを与えないのが教師なし学習です。先ほどと同じように犬の画像を何枚読み込んでも、そこに教師データがなければコンピューターはそれが犬だと判断できません。ただし、犬とは判断できなくてもその画像にある構造や特性を自ら分析し、理解するよう努めます。

教師なし学習は主に、教師データが存在しないデータ群の分類に向いている機械学習です。例えばテキストや音声など非構造化データを、その特性に応じて分類して解析精度を高めるなどの場面で用いられます。

強化学習

もう1つ、強化学習についても説明しておきます。これは教師なし学習のように教師データは与えられないものの、その代わりに「報酬」が与えられる機械学習です。例えばコンピュータオセロにおいて「より多くのコマを自分の色に裏返す」ことを報酬として設定すると、コンピュータは自動的にそのために一手を学習していきます。コンピュータ囲碁でも強化学習は活用され、世界トップ棋士に囲碁AIが勝利したというニュースもまだ記憶に新しいでしょう。

決定木分析が使われるのは機械学習だけなのか?

以上のように、「教師あり学習」「教師なし学習」として「強化学習」などを中心とする機械学習と決定木分析には深い関わりがあり、機械学習の発展に欠かせない分析フレームワークだと言えます。では、決定木分析とは機械学習のためだけにあるのでしょうか?

本記事のタイトルにもあるように、決定木分析とはマーケティング担当者が知っておくべき分析フレームワークの1つです。ということは、日々のマーケティング戦略に決定木分析を組み込むことで、消費者・顧客インサイトを理解し、マーケティング施策のROI(Return of Investment=投資対効果)を把握するのに欠かせないものと言えるでしょう。

では、決定木分析はマーケティングのどの時点で活用すべきなのか?第一に、自社商品・サービスを利用する可能性の高い消費者・顧客セグメントを把握するのに活用できます。例えば「清流釣り(主にアユ釣り)未経験者の中で、清流釣りを今後実施する見込みの高い消費者セグメントの特定及び抽出」などに役立ちます。

清流釣り、あるいは釣りそのものをしたことがない消費者集団の中で、今後経験する可能性が最も高いセグメントはどれか?を把握し、自社商品・サービスをそれらセグメントの中に自然に流れるようにすることで、認知拡大や売上向上などの効果が期待できます。

これ以外にも、すでに自社商品・サービスに触れている消費者・顧客のデータからリピートに至るセグメント、より高額な商品・サービスを購入する可能性のあるセグメント、商品・サービスから離脱する可能性の高いセグメントなどを抽出し、それに合わせたマーケティング施策を展開していくことができます。

決定木分析をマーケティングプラットフォームと組み合わせる

いかがでしょうか?本記事で紹介したように、決定木分析は多くのマーケティング担当者にとって、自社商品・サービスを幅広くリーチするための強力な武器になります。そして、決定木分析によって発案したマーケティング施策の効果測定を確実に行うためにも、マーケティングプラットフォームの活用にも注目してください。

Salesforce Datoramaはマーケティングインテリジェンスプラットフォームとして、現代ビジネスのマーケティング担当者に足りない機能を補足するため、あらゆるマーケティング施策の可視化を実現します。この機会に、決定木分析の実施やマーケティングプラットフォームの導入をご検討ください。

統合的マーケティング・アナリティクス戦略に必要な7つのステップ

RECENT POST「マーケティング分析」の最新記事


決定木分析とは?マーケティング担当者が知っておきたい具体例も解説
統合的マーケティング・アナリティクス戦略に 必要な7つのステップ

RANKING人気資料ランキング

RECENT POST 最新記事

ブログ購読のお申込み

RANKING人気記事ランキング