
月別: 2021年3月
日立、米GlobalLogicを約1兆円で買収、IoTシステム構築に強みを持つグローバル大手を手中に | IT Leaders
NICTと東京大、複数のGPUを用いた並列学習を自動化する深層学習ミドルウェア「RaNNC」を公開 | IT Leaders
コロナ禍でライブイベントは恒久的に変わった–業界関係者に聞く今後の展望
アマゾンで労組結成めぐる投票、いよいよ開票スタート
DAL、EDIツール「ACMS Apex」を強化、製品連携でWeb画面を介した取引を容易に | IT Leaders
空き時間の飲食店をワークスペースに変える「ワークスルー」–月額5400円の使い放題プランを開始
国内企業のAI活用、リーダー企業とフォロワー企業で格差進む–IDC調査
ラック、管理者が把握していない公開サーバーを報告するスポットサービス「Quick Discovery」 | IT Leaders
IBM、量子コンピューターを初めて民間病院に提供へ–ゲノム解析や創薬に活用
体温や体調記録をアプリで便利に–パナソニック、グループ健康管理アプリ「オンド・ユー」
グーグル、書類をデジタル化して自動整理する「Stack」アプリを試験公開
何度もの失敗を乗り越えて掴んだイノベーションの手応え–OKIのIMS「Yume Pro」とは
U-NEXT、HBOとHBO Max作品配信へ–VOD国内トップランナーへの2つの戦略
就業管理ソフト「リシテア/就業管理」に新版、プラグイン形式採用でクラウド版も機能を拡張可能に | IT Leaders
「Pokemon Go」のNiantic、5G対応マルチプレイヤーARゲームのデモ動画を公開
ビジネスマンなら知っておきたい、AIの基礎とよくある間違い
はじめまして。「切削工具の情報サイト タクミセンパイ」を運営し、切削工具および製造業におけるDX(デジタルトランスフォーメーション)・AIの情報を発信している服部です。
私の経歴について、簡単に紹介させていただきます。
バリ取りを自動化する工具を開発・製造・販売するメーカーにおいて、営業を5年、マーケティングを4年経験しました。製造業での経験を活かし、現在はAIスタートアップで営業として製造業のDXに取り組んでいます。
現場で見聞きした、製造業におけるDX・AIの最新情報をお伝えできればと思っております。
はじめに
2021年現在、AIに関するニュースを毎日目にするほど、AIが当たり前の世の中になりました。コロナの影響もあり、国がDXを推進したり、ソーシャルディスタンス対策としてのAI活用が注目されています。
製造業においても画像解析技術を使った検品など、AIに関するニュースを見ることが増えてきました。AIスタートアップに勤務する私も、製造業のお客様からの問い合わせが増えていることを肌で感じております。
AIに関するプレスリリースを打てば多くの媒体に掲載され、反響が非常に大きいことから、マーケティングの視点においても見逃せないテーマとなっています。そこで、製造業×AIをテーマに記事を書いていきたいと思います。
今回は、「AIの基礎」と「AIのよくある間違い」についてご紹介します。
AIの基礎
AIの基礎といっても、ビジネスマンとして知っておくべきことを中心に説明します。
AIは「Artificial Intelligence」の略称で、1960年ごろから研究が進み、2021年現在は第三次AIブームに位置します。2000年代初頭のディープラーニング(深層学習)の登場により、第三次AIブームに突入しました。
ただ、ディープラーニングはブームのキッカケに過ぎず、AIが実用的なものになったのは、データが容易に集められるようになったことと(IoTでビッグデータ収集など)、データの処理能力が向上したからです。
JCER(日本経済研究センター)が2019年3月に実施した「日本企業のAI・IoTの導入状況」調査より、製造業のAI導入率は11.2%となっております。2020年以降はコロナの影響もあり、AIの導入が進んで15~20%くらいになっているのではないかと予想しますが、まだ全体の1/5程度です。
AIと関連性の高いキーワードとしてIoT・データサイエンス・DXがあり、こちらについても簡単に説明します。
IoT
IoT(Internet of Things)は、モノのインターネットとも呼ばれています。インターネットに接続されていなかったモノが、サーバーやクラウドサービスに接続し、相互に情報を交換できるような仕組みのことです。この仕組みによってビックデータの取得が可能になり、集まったデータを活用するという流れで、第三次AIブームが起こりました。
DX
DX(デジタルトランスフォーメーション)は、コロナ以降よく目にするようになりましたが、媒体によって定義が少し異なっています。2018年に経済産業省がまとめた「DX推進ガイドライン」を定義としている媒体が多いので、そちらを紹介します。
「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」
引用:経済産業省 DX推進ガイドライン
データサイエンス
データサイエンス(DSと略すこともあります)とは、データを軸として統計などの手法を用いて、ビジネスにおける新たな価値を発見する学問および学術分野のことです。1970年ごろから使われていた言葉ですが、ビックデータやAIの登場によって注目されました。データサイエンスに携わる人をデータサイエンティストといい、AIのテーマではこちらの方がキーワードとしてよく登場します。
IoT・DX・DS・AIの関係
IoT、DX、データサイエンス、AIの関係がわかるように、図で表してみました。
DXの手段としてIoT・データサイエンス・AIがあり、IoTによって集めたビックデータの活用としてデータサイエンスやAIがあります。
AIをビジネスで利用する際によくある5つの間違い
私自身も遭遇した、AIをビジネスで利用する際のよくある5つの間違いを紹介します。
- 現在のAIは全てディープラーニングである
- AIは人より精度の高いことができる
- AIは人が出せない答えを出せる
- AIは人の仕事を奪う
- AIは自動で学習して精度が上がる
現在のAIは全てディープラーニングである
第三次AIブームのキッカケとなったのは、ディープラーニングです。しかし、ディープラーニングは画像や音声、テキストを認識することができる技術であり、これらのデータを対象としたケースにおいては、今までのAIシステム以上の精度を出すことができます。しかし、すべてのデータにおいて万能というわけではありません。
ディープラーニング以外のマシンラーニング(機械学習)には、決定木、ランダムフォレスト、回帰分析など様々な手法があるのですが、現在もこれらの手法は現役で採用されています。AI、マシンラーニング(機械学習)、ディープラーニング(深層学習)の関係を下図にまとめてみました。
ちなみに、AIでどうにかしたいと相談受けた内容が、AIがなくても実現できるケースもあります。2021年現在、AIで課題を解決する手法は、ディープラーニングが全てではないことを知っていただければと思います。
AIは人より精度の高いことができる
AIを魔法のようなものと勘違いされている方が結構います。
機械学習は、大量のデータから高次元・複雑な法則を読み取ることが可能であり、人が今までやっていたことを自動化できます。魔法のようだとも言えますが、人より精度が高い結果を出せることはほとんどありません。
AIには学習というフェーズがあるのですが、例えば100点の学習データを使っても、90点くらいの結果が出るといった感じです。結果を出すまでの時間(スピード)に関しては、AIの方が優れているケースはあります。
AIは人を超えた万能なシステムにはなれないことを、知っていただければと思います。
AIは人が出せない答えを出せる
AIの出せる結果は、学習に用いたデータのあくまで延長となります。つまりは、学習データにない結果を出すことはほとんどの場合できません。あくまでAIは人とセットで成立する仕組みであり、AIがわからないことは人がサポートしなければなりません。
AIは人の仕事を奪う
こちらはAIが注目された初期によくメディアなどで取り上げられた間違いです。AIのシステムを構築する上で、どのような結果を出すべきかを指示し、その結果を評価できるのは人です。つまり、AIシステムを構築し、そのシステムを維持・向上させるのに、必ず人が必要になるのです。
また、AIは完璧なものを作り出すことはできないので、AIと人が共同する仕組みをつくることが理想的といえます。AIによって人が全く不要になることはなく、AIができる範囲の仕事を自動化し、人がAIの結果をチェックするような体制になることを知っていただければと思います。
AIは自動で学習して精度が上がる
AIは勝手に学習して賢くなるものだと思われている方が多いのですが、技術的に自動学習は可能ではありますが、実用性は低いです。その理由は、インプットされたデータが全て学習すべき質の高いデータであるとは限らないため、人がデータを選別した上で学習させないと、精度が落ちる可能性があるからです。そのため、AIシステムの運用が始まったあとも、しっかりAIのアウトプットを人が確認し、何を学習させるべきか都度判断してアップデートする必要があります。
まとめ
- 反響の大きさから、AIはマーケティングにおいても重要なテーマである
- ディープラーニングはブームのキッカケに過ぎず、AIが実用可能なものになった理由は、データが容易に集められるようになり、データの処理能力が向上したから
- 2019年3月時点で、製造業のAI導入率は11.2%
- DXの手段としてIoT・データサイエンス・AIがある
- ディープラーニング以外の手法も現役で利用されている
- 多くの場合、AIは人より高い精度を出すことができず、万能ではない
- AIはあくまで学習したデータの延長上の答えしか出せない
- AIが人の仕事を奪うことはなく、AIと人が共同する仕組みをつくることが理想形である
- AIは自動で学習することが可能であるが、実用的なレベルには達成していない
ビジネスマンなら知っておきたい、AIの基礎とよくある間違い
はじめまして。「切削工具の情報サイト タクミセンパイ」を運営し、切削工具および製造業におけるDX(デジタルトランスフォーメーション)・AIの情報を発信している服部です。
私の経歴について、簡単に紹介させていただきます。
バリ取りを自動化する工具を開発・製造・販売するメーカーにおいて、営業を5年、マーケティングを4年経験しました。製造業での経験を活かし、現在はAIスタートアップで営業として製造業のDXに取り組んでいます。
現場で見聞きした、製造業におけるDX・AIの最新情報をお伝えできればと思っております。
はじめに
2021年現在、AIに関するニュースを毎日目にするほど、AIが当たり前の世の中になりました。コロナの影響もあり、国がDXを推進したり、ソーシャルディスタンス対策としてのAI活用が注目されています。
製造業においても画像解析技術を使った検品など、AIに関するニュースを見ることが増えてきました。AIスタートアップに勤務する私も、製造業のお客様からの問い合わせが増えていることを肌で感じております。
AIに関するプレスリリースを打てば多くの媒体に掲載され、反響が非常に大きいことから、マーケティングの視点においても見逃せないテーマとなっています。そこで、製造業×AIをテーマに記事を書いていきたいと思います。
今回は、「AIの基礎」と「AIのよくある間違い」についてご紹介します。
AIの基礎
AIの基礎といっても、ビジネスマンとして知っておくべきことを中心に説明します。
AIは「Artificial Intelligence」の略称で、1960年ごろから研究が進み、2021年現在は第三次AIブームに位置します。2000年代初頭のディープラーニング(深層学習)の登場により、第三次AIブームに突入しました。
ただ、ディープラーニングはブームのキッカケに過ぎず、AIが実用的なものになったのは、データが容易に集められるようになったことと(IoTでビッグデータ収集など)、データの処理能力が向上したからです。
JCER(日本経済研究センター)が2019年3月に実施した「日本企業のAI・IoTの導入状況」調査より、製造業のAI導入率は11.2%となっております。2020年以降はコロナの影響もあり、AIの導入が進んで15~20%くらいになっているのではないかと予想しますが、まだ全体の1/5程度です。
AIと関連性の高いキーワードとしてIoT・データサイエンス・DXがあり、こちらについても簡単に説明します。
IoT
IoT(Internet of Things)は、モノのインターネットとも呼ばれています。インターネットに接続されていなかったモノが、サーバーやクラウドサービスに接続し、相互に情報を交換できるような仕組みのことです。この仕組みによってビックデータの取得が可能になり、集まったデータを活用するという流れで、第三次AIブームが起こりました。
DX
DX(デジタルトランスフォーメーション)は、コロナ以降よく目にするようになりましたが、媒体によって定義が少し異なっています。2018年に経済産業省がまとめた「DX推進ガイドライン」を定義としている媒体が多いので、そちらを紹介します。
「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」
引用:経済産業省 DX推進ガイドライン
データサイエンス
データサイエンス(DSと略すこともあります)とは、データを軸として統計などの手法を用いて、ビジネスにおける新たな価値を発見する学問および学術分野のことです。1970年ごろから使われていた言葉ですが、ビックデータやAIの登場によって注目されました。データサイエンスに携わる人をデータサイエンティストといい、AIのテーマではこちらの方がキーワードとしてよく登場します。
IoT・DX・DS・AIの関係
IoT、DX、データサイエンス、AIの関係がわかるように、図で表してみました。
DXの手段としてIoT・データサイエンス・AIがあり、IoTによって集めたビックデータの活用としてデータサイエンスやAIがあります。
AIをビジネスで利用する際によくある5つの間違い
私自身も遭遇した、AIをビジネスで利用する際のよくある5つの間違いを紹介します。
- 現在のAIは全てディープラーニングである
- AIは人より精度の高いことができる
- AIは人が出せない答えを出せる
- AIは人の仕事を奪う
- AIは自動で学習して精度が上がる
現在のAIは全てディープラーニングである
第三次AIブームのキッカケとなったのは、ディープラーニングです。しかし、ディープラーニングは画像や音声、テキストを認識することができる技術であり、これらのデータを対象としたケースにおいては、今までのAIシステム以上の精度を出すことができます。しかし、すべてのデータにおいて万能というわけではありません。
ディープラーニング以外のマシンラーニング(機械学習)には、決定木、ランダムフォレスト、回帰分析など様々な手法があるのですが、現在もこれらの手法は現役で採用されています。AI、マシンラーニング(機械学習)、ディープラーニング(深層学習)の関係を下図にまとめてみました。
ちなみに、AIでどうにかしたいと相談受けた内容が、AIがなくても実現できるケースもあります。2021年現在、AIで課題を解決する手法は、ディープラーニングが全てではないことを知っていただければと思います。
AIは人より精度の高いことができる
AIを魔法のようなものと勘違いされている方が結構います。
機械学習は、大量のデータから高次元・複雑な法則を読み取ることが可能であり、人が今までやっていたことを自動化できます。魔法のようだとも言えますが、人より精度が高い結果を出せることはほとんどありません。
AIには学習というフェーズがあるのですが、例えば100点の学習データを使っても、90点くらいの結果が出るといった感じです。結果を出すまでの時間(スピード)に関しては、AIの方が優れているケースはあります。
AIは人を超えた万能なシステムにはなれないことを、知っていただければと思います。
AIは人が出せない答えを出せる
AIの出せる結果は、学習に用いたデータのあくまで延長となります。つまりは、学習データにない結果を出すことはほとんどの場合できません。あくまでAIは人とセットで成立する仕組みであり、AIがわからないことは人がサポートしなければなりません。
AIは人の仕事を奪う
こちらはAIが注目された初期によくメディアなどで取り上げられた間違いです。AIのシステムを構築する上で、どのような結果を出すべきかを指示し、その結果を評価できるのは人です。つまり、AIシステムを構築し、そのシステムを維持・向上させるのに、必ず人が必要になるのです。
また、AIは完璧なものを作り出すことはできないので、AIと人が共同する仕組みをつくることが理想的といえます。AIによって人が全く不要になることはなく、AIができる範囲の仕事を自動化し、人がAIの結果をチェックするような体制になることを知っていただければと思います。
AIは自動で学習して精度が上がる
AIは勝手に学習して賢くなるものだと思われている方が多いのですが、技術的に自動学習は可能ではありますが、実用性は低いです。その理由は、インプットされたデータが全て学習すべき質の高いデータであるとは限らないため、人がデータを選別した上で学習させないと、精度が落ちる可能性があるからです。そのため、AIシステムの運用が始まったあとも、しっかりAIのアウトプットを人が確認し、何を学習させるべきか都度判断してアップデートする必要があります。
まとめ
- 反響の大きさから、AIはマーケティングにおいても重要なテーマである
- ディープラーニングはブームのキッカケに過ぎず、AIが実用可能なものになった理由は、データが容易に集められるようになり、データの処理能力が向上したから
- 2019年3月時点で、製造業のAI導入率は11.2%
- DXの手段としてIoT・データサイエンス・AIがある
- ディープラーニング以外の手法も現役で利用されている
- 多くの場合、AIは人より高い精度を出すことができず、万能ではない
- AIはあくまで学習したデータの延長上の答えしか出せない
- AIが人の仕事を奪うことはなく、AIと人が共同する仕組みをつくることが理想形である
- AIは自動で学習することが可能であるが、実用的なレベルには達成していない
食×スポーツ支援–味の素、アスリート向けに献立提案AIアプリ「勝ち飯 AI」
Arm、10年ぶりの新アーキテクチャー「Armv9」–セキュリティとAI能力を強化
シャオミ、同社初の折りたたみスマートフォン「Mi MIX FOLD」発表
「Googleマップ」、屋内のAR経路案内など複数の新機能
勘と経験だけではもう通用しない。スポーツ界のデータ分析最前線
富士通、ローカル5Gを自社工場で運用、スマートファクトリー目指し現場作業の自動化や遠隔支援に活用 | IT Leaders
企業化と動画配信活用でプロレス業界1位目指す–DDTやNOAHがサイバーに参画した理由
アップル、WWDCを6月7日からオンラインで開催へ
日立Sol、アジャイルやDevOpsを取り入れた内製化支援オンラインサービスを提供 | IT Leaders
シャープ戴会長、「正々堂々の経営」徹底へ–マスクは生産から1年で2億枚達成
JALとJR東日本、MaaS領域で連携–旅行の準備から移動、滞在までをシームレスに
SIE、PS3とPS VitaにおけるPS Storeコンテンツ新規購入が今夏終了へ
マンション内でモノ、スキルをシェアする「シェアコム」–リビオシティで運用開始
建設DXを推進するスパイダープラスがマザーズ上場–現場監督の困りごとアプリで解決
メルカリ、日本財団と寄付支援策で業務提携–売買が寄付になる仕組みの構築など
インターコム、クラウド版FAXサーバー「まいと~く Cloud」に新版、Web APIでシステム連携 | IT Leaders
NTTデータ、Salesforceの定着化を支援するサービスを開始、SFAからMA/BIまで段階的に利用拡大 | IT Leaders
Kubernetesのデータ管理「NetApp Astra」、アプリとデータのバックアップ/リストアを容易に | IT Leaders
CESA、2021年の東京ゲームショウもオンライン開催を決定–9月30日から4日間
NTT Com、ローカル5Gの導入・構築・運用をトータルで提供、機器は月額制で利用可能 | IT Leaders
NY州で米国初のワクチンパスポート、IBMの技術活用–導入進展へ期待
スペースリー、オンライン上で家具をコーディネート–「AI空間設計」ベータ版提供開始
SkyDrive福澤CEOが語る「空飛ぶクルマ」最前線 –2023年度に大阪でエアタクシー実現へ
PHPの公式Gitサーバーにハッキング被害–バックドアを仕掛けるコードが見つかる
Facebook、東南アジアと北米を結ぶ海底ケーブルを構築する計画
SolarWinds問題のハッカー、米国土安全保障省高官の電子メールアカウントにアクセスか
山梨中央銀行、決算書の勘定科目明細をAI-OCRで自動入力するシステムが稼働 | IT Leaders
Visa、仮想通貨決済に大きく前進–USD Coinでの決済に対応へ
サーバーラックの状況を映像で確認、IIJ白井データセンターキャンパスの「DCカメラ中継オプション」 | IT Leaders
Boston Dynamics、倉庫用ロボット「Stretch」を披露
ボストンダイナミクス、倉庫用ロボット「Stretch」を披露
NEC、ペット事業「waneco(ワネコ)」を展開–デバイス×AIで行動分析、LINEでペットと会話も
NEC、ペット事業「waneco(ワネコ)」を展開–デバイス×AIで行動分析、LINEでペットと会話も
コーエーテクモ、歴史シミュレーション最新作「信長の野望・新生」を発表
カプコン、Nintendo Switch「モンスターハンターライズ」が全世界で400万本出荷
富士通研究所、製品の外観異常を高精度に検出するAI技術、不良品データを生成しながら学習 | IT Leaders
JR東日本、なぜ新大久保駅上にフードラボなのか–「Kimchi, Durian, Cardamom,,,」開業
神奈川県予防医学協会、65万人の尿検査報告をOCR/RPAで効率化、年間500時間以上を削減 | IT Leaders
SCSK、AIモデル構築サービスを強化、正常データの学習だけで異常個所を検出可能に | IT Leaders
グーグル、デジタルキーやモバイルIDの導入促す「Android Ready SE Alliance」発表
グーグル、デジタルキーやモバイルIDの導入促す「Android Ready SE Aliance」発表
「折りたたみ式」と「巻き取り式」を1つのデバイスで–TCLが構想
触れる動画「TIG」が起こした導線のイノベーション–検索のいらない世界を作る
アドバネット、ExpEtherカードをNECと共同開発、PCI ExpressをEthernetで延伸 | IT Leaders
ホワイトペーパーをうまく掲載している製造業5選
製造業勤務、機械系エンジニアライターの藤田です。ホワイトペーパーは、技術情報を顧客に伝えることでマーケティングに活用できます。IT企業で多く使われていますが、BtoB製造業がホワイトペーパーを使うケースも増えてきました。今回は、ホワイトペーパーをうまく掲載している製造業を紹介します。
BtoB製造業がホワイトペーパーを活用すべき理由
ホワイトペーパーはWebサイトへの集客やリード情報の獲得に有効です。多くの場合、製造業のお客様は解決したい課題があってWebで解決方法を調べます。ホワイトペーパーは課題と解決方法を示してくれているので、お客様にとっては大変役に立つアイテムです。ホワイトペーパーはメールアドレスや名前、会社名などを入力しないとダウンロードや閲覧できないようになっています。そこからリード情報を獲得でき、メール訴求などのマーケティングにも活用できます。
参考にしたいホワイトペーパー5選
ホワイトペーパーをうまく掲載している製造業を5社紹介します。
1. 株式会社村田製作所
株式会社村田製作所は、コンデンサや圧電製品など、電子部品のメーカーです。自社ホームページに技術記事コーナーがあり、無料でさまざまな技術記事が読めます。ホワイトペーパーはダウンロードが必要です。例えば、ホワイトペーパーの「スマートシティ」は、概要部分は無料で読むことができて、続きはダウンロードする形になっています。概要で興味をひきつつ、ダウンロード時のリード情報獲得に繋がっています。
「スマートシティ」の構成は概要、世の中の動向、課題、解決方法、解決に貢献できる村田製作所の製品紹介となっています。課題解決型の分かりやすいホワイトペーパーといえるでしょう。
2. ローム株式会社
ローム株式会社は、半導体のメーカーです。各製品のページに技術情報があり、たくさんのホワイトペーパーをダウンロードできます。英語の記事もあり、海外のお客様もターゲットにしています。提供しているホワイトペーパーの一つである「SiCパワーデバイスと駆動ICを一括検証できる業界最先端のWebシミュレーションツール」は、タイトルだけで何ができるのかイメージできます。お客様は、ホワイトペーパーをダウンロードする前は中身を見ることができません。そのため、解決内容をイメージできるタイトルを設定するのはとても重要です。
本文の構成は概要、動向、課題、解決法と、製造業に適した内容になっていて、最後に自社製品の紹介をしています。
3. 株式会社キーエンス
株式会社キーエンスは、FA機器の総合メーカーです。コンテンツマーケティングに力をいれており、オウンドメディアの規模はとても大きく、ホワイトペーパーも豊富に提供されています。課題解決型の構成だけではなく、導入事例集やお客様の声などのホワイトペーパーもあります。
各製品カテゴリごとにいくつもホワイトペーパーがあり、多くのページビュー数が期待できそうです。資料は、図、表、グラフが多めで視覚的に分かりやすく作られています。
4. プロトラブズ合同会社
プロトラブズ合同会社は、射出成型や切削加工をする製造業です。オンデマンド対応を売りにしており、小ロットからの受注や短納期納品にも対応できます。自社ホームページにホワイトペーパーのページがあり、強みとしている技術を紹介しています。プロトラブズ合同会社のお客様は、小ロットの製品を調達したいと考えているメーカーの設計者や資材担当者です。ホワイトペーパーのタイトルもターゲットを意識しています。
例えば、「図解 樹脂部品設計 Vol 1」というタイトルは、設計者に役立つ内容が載っていることがタイトルから分かります。
5. オムロン株式会社
オムロン株式会社は、FA機器や電子機器、ヘルスケア製品などの総合メーカーです。ホワイトペーパーダウンロードコーナーでは、電子部品の基礎知識などをまとめた資料を掲載しています。「スイッチ」のホワイトペーパーは電子基板設計者をターゲットにしており、電子機器の基礎的な知識を分かりやすく載せています。
また、「センサ」のホワイトペーパーは、実際の活用事例を図とともに解説しています。ターゲットが自社のセンサを使ってどのようなソリューションを得られるかをイメージしやすい構成となっています。
まとめ
製造業のホワイトペーパーは、課題解決、最後に自社製品紹介という構成が多いです。ダウンロード形式なので、リード情報を獲得できるようになっています。また、ダウンロードをしてもらうためにタイトルや概要にも工夫を凝らし、ターゲットが誰で、どのような課題解決できるかを明確にしています。
テクノポートでは、ホワイトペーパーを含むデジタルマーケティングを支援しています。今後、デジタルマーケティングを始めたい方は、ぜひご相談ください。
デジタルマーケティングに関する記事はこちらにまとまっていますのでご参照ください。