マーケティング​サイエンス

マーケティング​サイエンスは、​統計モデルと​実験を​マーケティングの​判断に​適用します。​各チャネルは​売上に​どれだけ貢献したか、​次の​1円は​どれだけの​効果を​生むか、​そして​それは​どれくらい​確かか。​この​サイトでは、​メディアミックス​モデル、​インクリメンタリティの​実験、​反応曲線、​検証済みベンチマークを​解説しています。​すべての​数値に​ついて、​実測値・予測値・ベンチマークの​区分を​明示する​ことを​重視しています。

マーケティングアナリティクスとも​重なりますが、​起きた​ことを​報告するだけでなく、​施策の​因果効果や​意思決定に​焦点を​当てます。​レポートは、​多くの​場合プラットフォームが​割り当てた​とおりに、​起きた​ことを​記述します。​マーケティング​サイエンスでは、​広告が​なければ​何が​起きていたかと​いう​反実仮想を​推定し、​その​不確実性も​示します。​デジタル広告より​歴史も​長く、​マーケティングミックスモデルは、​消費財業界が​集計した​売上から​テレビCMと​販促の​効果を​測る​方法でした。​クリック追跡だけで​広告効果を​測る​ことが​難しくなったいま、​再び注目されています。

この​仕事を​担うのが​マーケティング​サイエンティストです。​仕事の​大部分は​データの​準備に​費やされます。​プラットフォームの​エクスポートを​データウェアハウスと​突き合わせ、​誰も​記録していなかった​販促や​価格変更を​文書化し、​何を​チャネルと​して​扱うかを​決めます。​マーケティング​サイエンスは​いまも個別プロジェクトと​して​提供される​ことが​多く、​ひとつの​モデルに​数か月かかり、​結果が​出る​頃には​次の​計画が​動いている​こともあります。​Kuwalystは​パリを​拠点と​する​マーケティング​サイエンス企業です。​この​作業を​ソフトウェア、​Media Plannerに​組み込み、​専門的な​判断が​必要な​場面では​マーケティング​サイエンスの​知見を​提供します。​共同創業者で​マーケティング​サイエンス責任者の​Hajime Takedaは、​この​サイトの​手法​解説と​書籍Marketing Science in Pythonの​著者です。​詳しくは​会社概要を​ご覧ください。