ビジネスモデル VS アルゴリズムモデル、どのように使用するのでしょうか?

データについて話すとき、さまざまなモデルについて言及する必要があります。ビジネスモデルとアルゴリズムモデルはどのように使用すればよいでしょうか?この問題について疑問を持っている友人には、次の記事を読んでみることをお勧めします。お役に立てば幸いです。

データについて話すとき、さまざまなモデルについて言及する必要があります。友人たちはよくこう疑問に思います。4P、SWOT、RFM から線形回帰、決定数、Kmean クラスタリングまで、これらをモデルと呼ぶ人もいますが、これらのモデルの違いは何でしょうか?今日はそのすべてを 1 つの記事で説明します。これを読めば、もう迷うことはなくなります。

両者の違いを理解するための例。

モデルという言葉自体は、いくつかの重要な情報を通じて複雑な問題を説明する「現実世界の抽象化」を指します。

重要な情報を抽出するには 2 つの方法があります。ビジネスの観点から抽出する場合はビジネス モデルです。これを数学、統計、オペレーションズリサーチ、機械学習の方法論を使って抽出すると、アルゴリズムモデルになります。

簡単な例を挙げると、「マーケティング 4P モデル」についてよく話されます。この 4P は実際にはビジネス ロジックから始まります。ビジネスの観点から言えば、商品、チャネル、価格、プロモーションをうまく行えば、商品を販売することができます。

しかし、データに関しては大きな違いがあります。製品とチャネルの属性を定量化することは困難です。異なるラベルの下にある売上指標をラベル付けすることによって、大まかにしか比較できません (以下に示すように)。

製品の価格/プロモーションと販売量の関係はデータを使用して簡単に定量化できるため、古典的なアルゴリズム モデルである価格弾力性モデルが生まれます。まず、さまざまな価格の商品の販売量を収集します。次に、関数を適合させて数量-価格モデルを要約します。 3 番目に、モデルを使用して価格上昇の影響を推測するか、利益を最大化する価格を見つけます (以下に示すように)。

知らせ！どちらの方法も問題を解決するために設計されており、それぞれに利点があります。

1. ビジネスモデルのメリット

1. ビジネスモデルの最大の利点は、ビジネスの観点から問題を説明できることです。

例えば：

• 私の戦略は間違っているのでしょうか?
• 私の商品選びが良くないからでしょうか？
• それは私の実行力が十分でないからでしょうか?

「戦略」、「製品の選択」、「実行」などのビジネス上の考慮事項は、x と y 間の加算、減算、乗算、除算の関係を使用して直接測定することは困難です。この時点で、ビジネス分析モデルを構築する必要があります。まず、「戦略」や「製品選択」などの用語を定量化し、ロジックツリー法を使用して問題を分割し、レイヤーごとの分析ロジックを構築し、消去法を使用して正しい答えを見つけます（下図を参照）。

2. ビジネスモデルの2つ目の利点は、ビジネスアクションの効果を観察しやすいことです。

例えば、上図では、ロジックツリーに基づいて、ビジネスは実行アクションを改善し、人材投資を増加させました。ロジックツリーの最上部の問題が改善されたかどうかを直接観察し、分析が実際に適切に行われているかどうかを判断できます (以下を参照)。

3. ビジネスモデルの3つ目の利点は、事業体の責任を明確にすることです。

たとえば、結論を導き出すために回帰アルゴリズムや平滑化アルゴリズムを使用すると、ビジネス部門は自らの行動の効果を確認できなくなります。彼らは混乱して、「来週残業してもしなくても結果は同じでしょうか？」と尋ねるかもしれません。 「顧客 A に対応できず、顧客 B に切り替えると、予測は異なりますか?」 （下図参照）

このとき、ビジネスモデルを使用して予測を行うと、全体の指標を部門別に直接細分化し、各部門が独自の予測を記入できるようになります。具体的なパラメータは即座に判断しなければならない場合もありますが、各部門は達成すべきレベルを直接把握できるため、逆にビジネスに行動を促すことができます。タスクが完了していない場合でも、「誰が完了しなかったか」が明確に分かります。より早く対策を考えることができます。

2. アルゴリズムモデルの利点

1. アルゴリズムモデルの最大の利点は、計算速度が速く、使いやすいことです。

アルゴリズム モデルの最大の利点は、人間よりも賢いということではなく、計算速度が速く、手間がかからないことです。たとえば、典型的なインターネットプロモーションの問題には、「プロモーションの総予算、各チャネルのコンバージョン率、各チャネルで行える予約数」など、多くの制約があります。

この時点で、人力で配置すると計算に半日かかるかもしれませんが、オペレーションズ・リサーチに詳しい学生なら、これが典型的な線形計画モデルであることがわかります。モデリングの仮定が明確に記述されていれば、結果を得るのは簡単です (下の図を参照)。

さらに便利なのは、次のような調整が後で発生する場合です。

• 配送費用合計を変更する
• チャンネルスケジュールの変更
• チャネルコンバージョン率の変化

その後、モデル パラメータを変更するだけで、すぐに結果を取得できるので、非常に便利です (以下に示すように)。

2. アルゴリズムモデルの2つ目の利点は、企業が気づいていない状況を発見できることです。

たとえば、商品分析を行う場合、業務では「商品関連ルールテーブル」を手動で出力できますが、このテーブルのルールは固定されています。関連付けルール アルゴリズムを使用すると、ビジネス アイデアの制限を打ち破り、より多くの潜在的な関連する販売ロジックを発見できます。 「ビールとおむつ」ほど大げさなものではないかもしれませんが、ビジネスアイデアを刺激するのにも非常に役立ちます（下の図を参照）。

3. アルゴリズムモデルの3番目の利点は、大規模なデータの処理である。

一般的なビジネスモデルであるRFMでは、ユーザーセグメンテーションを行う際に、各指標を3つのカテゴリに分けると、3*3*3=27のカテゴリが存在し、ビジネスにおいて非常に複雑となり、対応する戦略を一致させることが困難になります。ただし、協調フィルタリング アルゴリズムを使用すると、異なる人物の異なる顔を実現することが完全に可能になり、これもアルゴリズム モデルの大きな利点となります。

インターネット企業が推奨を行うためにアルゴリズムを使用する傾向がある主な理由は、インターネット プラットフォーム上には何十億もの製品があり、ルールを手動で一致させることが非常に難しいためです。

ビジネスとアルゴリズムを完璧にマッチさせる方法。

円滑な連携を実現するために、プロジェクトを開始する前に、どのような問題を解決したいのかを時間をかけて整理しておくことをお勧めします。 「モデルが欲しい」と言う代わりにまずモデルを作り、次にハンマーを使って釘を探します。

解決すべき問題が明確でない場合、例えば次のような場合:

• 診断の質問: 指標の変化は内部的な理由によるものか、外部的な理由によるものか?
• 標準的な質問:「価値の高いユーザー」と「効果的な戦略」をどのように定義しますか?
• テストの質問: 新しいアイデアはあるのですが、まだ実装していません。効果があるのか​​な？

この時、ビジネスモデルを作り、問題点を明確に整理し、定義を明確にし、テストデータを取得して、どのように進めていくかを検討することをお勧めします。

解決すべき問題が明確に定義され、データが蓄積されている場合は、アルゴリズムモデルを作成するのに非常に適しています。特に、失ったユーザーの維持や新規ユーザーへのテレセールスなど、自然反応率が低いシナリオなど、事業者が頑張っても成果を上げにくい場合には、モデルを通じてターゲット層をスクリーニングすることで、事業効率を大幅に向上させることができ、その効果はこの時点で良好です。

著者: 地に足のついた教師チェン

出典：WeChat公式アカウント「地味な陳先生」