前回はデータを活用したマーケティング施策の「実行」を説明しました（前回の記事はこちら）。今回は、実行された施策の効果を「測定する」部分についてです。

1. データを使って仮説を作る
2. データを使って施策を実行する
3. データを使って効果を測定する [今回]
4. データを使って上記を自動化する

以前のnote記事「続・データを使って仮説を作る（データをマーケティングに活用する Part3)」では、ファネルとそれにもとづく活用データについて以下のように整理をしました。

実はPart2の「データを使って仮設を立てる」と「ファネルの定義」ができていれば、その数字をアンケート等の外部データを使ったり、内部データから取得することによって、目的が達成できているかは容易に検証可能です。なので、データを使った効果測定に一番重要なのは、仮説を立てる段階で、お客様がどういうステップを踏んで認知・利用意向がない状態からロイヤル顧客になるのかを理解して設計することだったりします。

加えて、検証をする際に重要なのは「効果が良かった・悪かった」以上にどうすればより効果を上げられるかです。これにはいくつかのアプローチがありますが、代表的な視点としては

- （複数のクリエイティブ・施策を用意しておいて）効果が高かったもの、低かったものを並べてみて、その法則性を探す。
- どんな属性を持った人が効果が高かったのか、低かったのかを並べてみて、その法則性を探す。

いずれも単純に数字だけを見るのではなく、クリエイティブと顧客の定性的な理解を組み合わせて、その背景にある心理的な理由を理解することが重要です。その心理的な理由と、シンプルなな「この画像が」「この文章が」といったパーツを組み合わせて、改善する仮説を作っていきます。

効果を測定する際に、「統計的確からしさを確かめる」ことも大事です。例えば施策を実施した人とそうでない人のグループ（群）作り、両群のパフォーマンスに差異があったのかどうか、加えてそれが統計的に有意なのかということを検証すると、科学的な確からしさまで確認することができます。よく実施される利用シーンで言うと、WEBサイトやSaaSのABテストによるパフォーマンスの差異を検証する、ダイレクトメールを送付した顧客とそうでない顧客のCVRの差異を検証する、などです。

こうしたABテストによる機械的な改善だけでなく、前述の様に、定性的な情報から顧客の心理的な理由を理解することで、改善効果をより大きくすることが期待できます。

次の記事へは以下のリンクからどうぞ！

・① データをマーケティングに活用する4つの方法
・② データを使って仮説を作る
・③ 続・データを使って仮説を作る
・④ データを使って施策を実行する  
・⑤ データを使って効果を測定する 
・⑥ データを使ってマーケティングを自動化する [次はこちら] 
・[関連記事] データ分析は、課題を見つけるものか、解決するものか

---

DataStrategyへ相談したい方へ

弊社へ相談だけでもしてみたい、一度話を聞いてみたいという方は twitter (@motohikotakeda) でDMして下さい。

・弊社ウェブサイト https://datastrategy.jp
・AI可能性診断 https://datastrategy.jp/aikanousei/ 
・資料請求 https://datastrategy.jp/document/