予測分析とは、過去のデータに基づいて将来の結果を予測する機械学習技術です。たとえば、定額制サービスにおいて各顧客の退会確率を事前に予測し、退会確率の高い顧客に対して施策を実施することで退会を減らす、といったことが可能になります。
以下のような幅広い応用先が考えられます。
ユースケース | 予測 | 利用方法と効果 |
---|---|---|
ダイレクトマーケティング・CRM | コンバージョン、退会などの顧客行動 | 予測に基づく顧客セグメントにより ROI を改善 |
訪問営業 | 成約などの顧客行動 | 成約確率の高い顧客を優先的に訪問し効率向上 |
マッチング、推薦 | 購入などの顧客行動 | 購入確率の高い商品を顧客に提示し、売上増加 |
需要予測 | 需要の予測 | 予測を活用し、生産計画の精度を向上 |
コールセンター入電予測 | 入電数予測 | 入電数予測に基づく、オペレータ配置の精度向上 |
テキスト分類 | 苦情・レポートなどの分類 | 分類の工数削減 |
人事 | 業績や退職の予測 | 従業員の業績改善、退職の防止 |
リスク推定・査定 | デフォルト予測 | 査定の精度向上、自動化 |
故障予防 | 故障の予測 | 製造機器などの故障の未然防止 |
不正検知 | 不正の検知 | 不正の高精度な予測による不正の削減 |
Prediction One では二値分類・多値分類・数値予測の三種類の予測分析を行うことができます。 Prediction One ではこの三種類の分類を「予測タイプ」と呼んでいます。
2 つの事柄に対する予測確率を算出します。ある事が起きる確率を予測するケースに利用されます。たとえば、購入するか購入しないか(購入確率)、故障するか故障しないか(故障確率)、などの予測ができます。
3 つ以上の事柄に対する予測確率を算出します。たとえば、苦情データが A.製品に関するもの、B.サービスに関するもの、C.その他、などの分類の自動化に利用できます。
数値を予測します。たとえば、製品の出荷数や不動産の成約価格の予測に利用できます。数値予測には通常モードと時系列予測モードがあります。時系列予測モードでは、入力となるデータセットが複数の条件を満たす必要がありますが、予測精度が高くなる可能性があります。
Prediction One では、サンプルデータを使って実際に故障予測やコールセンター入電数予測を体験していただくことができます。
チュートリアルへ進む