マーケティングにおけるデータ革命

パーソナライゼーションは、ブランドが顧客に手を差し伸べて、より楽しいだけでなく、収益性も大幅に向上する関係を刺激し、確立し、進化させる方法です。次の点を考慮してください。

• 顧客の80%は、パーソナライズされたエクスペリエンスを提供するブランドから購入する可能性が高くなります。
• 77%の顧客は、パーソナライズされたエクスペリエンスを提供してくれるブランドにより多くのお金を払うと回答しています。
• 顧客の72%は、パーソナライズされたエクスペリエンスを提供するブランドとのみやり取りします

ブランドが快適で拡張可能な、費用対効果の高い方法で顧客に近づくための最良の、そして多くのシナリオで唯一の方法は、コンテンツ、コンテンツ、そしてさらに優れたコンテンツを提供することです。これは、平均的な見込み客(通常は複数の専門家で構成される)が最終的な購入決定を下す前に13個のコンテンツにアクセスするB2B分野ではさらに重要です。eブック、ウェビナー、ホワイトペーパーなど、情報を提供し、印象づけ、影響を与えない単一のコンテンツは、関係を失速または終了させる可能性があります。

ただし、ブランドが次のことを決定するのは非常に難しい場合があります。

• どのようなコンテンツを作成すべきか?
• 誰にコンテンツを届けるべきか?
• いつコンテンツを配信すべきか?
• どのようなチャネルやタッチポイントでコンテンツを配信すべきか?

これらは、ブランドが成功するかどうかに影響を与えるだけでなく、全体像と長期的には、ブランドが生き残るかどうかを判断できるため、無視できない極めて重要な質問です。幸いなことに、ブランドが必要な答えやインサイトを得るための実証済みの実用的な方法があり、それは予測型アナリティクスから始まります。

本質的に、予測型アナリティクスでは、履歴データを使用して洞察を生成し、将来の結果を予測するのに役立ちます。これは通常、顧客セグメントなどの特定のユニットまたはエンティティが、一連の詳細と変数を指定して特定の方法で動作する可能性に確率(予測型スコアとも呼ばれます)を割り当てることによって行われます。予測型モデルには、主に次の 3 つのタイプがあります。

• 回帰モデル: 大規模なデータセットのパターンを特定することで、変数間の関係を推定します。たとえば、ブランドはこのアプローチを使用して、購入決定に対する送料の影響を特定することができます。
• 決定木: これらは、データをブランチやツリーのようなセグメントに分割するさまざまな方法を収集するアルゴリズムによって駆動されます (名前の由来)。たとえば、ブランドはこのアプローチを使用して、名簿に追加する可能性のある 3 つの新製品のどれを特定することができます。
• ニューラルネットワーク(人工ニューラルネットワーク):高度で多面的なパターン認識の問い合わせを解決するために使用されます。たとえば、ブランドはこのアプローチを使用して、潜在的な顧客が広告をクリックする可能性を予測できます。

予測アナリティクスは、ヘルスケア、保険、金融サービス、電気通信、サイバーセキュリティなど、多くの分野で実用的なアプリケーションがあります。マーケティングでは、成功しているブランドは、さまざまなタイプ(およびサブタイプ)の予測型アナリティクスを使用して、次のような指標と重要業績評価指標(KPI)を取得します。

• 顧客生涯価値
• マーケティングアトリビューション
• 製品レコメンデーション
• マーケティングキャンペーンの効果とROI

幸いなことに、予測型アナリティクスは、イベントの予測や、変更が将来の結果に与える可能性の予測に非常に役立ちます。たとえば、回帰モデリングを使用して、配送料を 10% 削減すると、1 か月以内に全体の売上が 16% 増加し、追加コストが相殺され、顧客生涯価値が増加することがわかります。

ただし、悪いニュースは、履歴データが将来のイベントや結果を予測するための信頼できる基盤ではないため、重要な変化を特徴とするシナリオでは、予測型アナリティクスの洞察力が低下する可能性があることです。2020年に勃発したパンデミックは、パラダイムが非常に劇的に異なっていたため、従来の予測型アナリティクスでは予測に苦労した複雑で新しい問題を引き起こしました。

ありがたいことに、そこでAIとMLがストーリーに入ります。

AIの中核となるのは、外部データと内部アルゴリズムに依存して意思決定を行うコンピューターシステム(「スマートマシン」)を通じて人間の知能をシミュレートすることです。一般に、AI システムには 3 つのタイプがあります。

• 汎用人工知能(AGI)は、人間ができるあらゆるタスクを、はるかに優れた熟練度、速度、精度、持久力でシステムが実行できます。AGIは今のところ仮説です。
• 人工知能(ASI)は、システムが自己認識し、人間の知能や能力を凌駕するものです。AGIと並んで、ASIも仮説です。
• Artificial Narrow Intelligence(ANI)では、システムは単一の目的(Webの検索、音声アシスタントアプリの駆動など)を実行するように設計されています。

最も一般的なタイプの ANI の 1 つは ML です。MLは、予測型アナリティクスと同様に、データ内のパターンや動作を探すアルゴリズムを作成および調整することにより、分析モデル構築のプロセスを自動化するという点で、データ分析の手法です。

ただし、予測型アナリティクスとは異なり、MLは何を探すべきかを指示する必要はありません。言い換えれば、ML は履歴データによって固定または制限されません。文字通り「実践から学ぶ」ため、世界中のマーケターに受け入れられています。その理由については、次のセクションで説明します。

ここまで、次のことについて説明してきました。

• 予測アナリティクスとは、過去のデータに根ざしたモデルを使用して、将来のイベントを予測することです。
• AIは、人間の思考能力と行動をシミュレートするスマートマシンを作成することです。
• 機械学習とは、データ、エクスペリエンス、またはその両方からスマートマシンが学習することですが、明示的にプログラムする必要はありません。

これら3つすべてを統合することで、さまざまな業界の組織にとって重要な、そしてある意味では驚くべき可能性が解き放たれます。例えば：

• 金融サービス業界の組織は、AIを使用して不正行為を検出して阻止しています。
• サイバーセキュリティ業界の組織は、AIを使用して脅威を防ぎ、アクティブな攻撃にリアルタイムで対応しています。
• 小売業界の組織は、AIを使用して、トレンド、季節、およびその他の要因に基づいて在庫するアイテムを計画しています。

しかし、先に述べたように、パーソナライズの鍵であるコンテンツ配信についてはどうでしょうか。AIはここに適用されますか?そうですよ。ここでは、マーケターがAI (およびそのサブセットML)を活用して、ジャーニー全体のエンゲージメントとエクスペリエンスを促進する注目すべき方法をいくつか紹介します。

• 自動化された顧客セグメンテーション:AIは、Webサイト訪問者の閲覧行動(何をするか、いつ行うか、どのくらいの期間行うか、以前に行ったことがあるかどうかなど)を分析し、自動的に内蔵されたオーディエンスセグメントに配置できます。
• 新しいセグメントの自動作成:AIは、Webサイト訪問者の閲覧行動が内蔵されたオーディエンスセグメントと一致していないかどうかを検出し、新しいオーディエンスセグメントを作成できます(これはMLの価値を完璧に示しています)。
• 自動化されたパーソナライズ:AIは、各セグメントの顧客に、ジャーニーの最適なタイミングでコンテンツを選択的に配信できます。たとえば、選択肢をほとんどまたは完全に認識していない「認識段階」の顧客は、調査と評価プロセスを最適化する方法のチェックリストを提供する電子書籍をダウンロードするように促すことができます。あるいは、ジャーニーをさらに進め、最終的な購入決定を下す準備ができている顧客は、自信を持って取引を進めることができる証言、ケーススタディ、またはその他のソーシャル証拠のフォームを見たり読んだりするように促すことができます。
• 自動化されたA / Bテスト:AIは、電子書籍、ホワイトペーパー、チェックリスト、インフォグラフィック、バナー、画像など、さまざまなコンテンツ資産に対して分割A / Bテストを実行し、効果的に変換されているものと、アップグレードまたは廃止する必要があるものを特定
することができます。
• コンテンツの自動タグ付け:AI画像や動画が描写しているものを収集し、それに応じて自動的タグできます(例:「電車」、「ビーチ」など)。これにより、コンテンツのサイロ化が解消されるだけでなく、マーケターは面倒な手作業に費やす時間を減らし、価値の高い優先事項により多くの時間を費やすことができます。

ご覧のとおり、予測型アナリティクス、AI、MLは、ブランドがマーケティングの成果を劇的に向上させるのに役立つ可能性があり、最近の出来事を考えると、不確実で不安定な状況の中で、苦労して挫折に直面するのではなく、繁栄し、新しい機会をつかむことができます。

ただし、適切なアーキテクチャなしで予測型アナリティクス、AI、MLを確立して適用しようとすると、明確さではなく混乱にリードし、利益ではなく問題が発生する可能性があります。これは、パズルのもう一つの重要なピースである顧客データプラットフォーム(CDP)につながります。

CDPは、他のシステムからアクセスできる永続的で統合された顧客データベースを作成するパッケージソフトウェアソリューションです。Customer Data Platform Instituteは、この定義を分析しています。

• 「パッケージソフトウェア」:CDPは、各ユーザーのニーズを満たすように構成された事前構築済みシステムです。CDPの設定と保守にはいくつかの技術的リソースが必要になりますが、一般的なデータウェアハウスプロジェクトのレベルの技術的スキルは必要ありません。これにより、時間、コスト、リスクが削減され、ビジネスユーザーはシステムをより詳細に制御できます。
• 「永続的で統一された顧客データベースの構築」:CDPは、複数のシステムからデータを取得し、同じ顧客に関連する情報をリンクし、その情報を長期にわたって履歴行動に保存することで、各顧客の包括的なビューを作成します。CDPには、マーケティングメッセージのターゲット設定や個人レベルのマーケティング結果の履歴に使用される個人識別子が含まれています。
• 「他のシステムからアクセス可能」:CDPに保存されたデータは、分析や顧客とのやり取りの管理のために他のシステムで使用できます。

この定義は良い出発点です。しかし、CDPの本質的な機能は何か、CDPは何ができなければならないのかという非常に重要な疑問を引き起こすため、これは完全な話ではありません。この背景情報がなければ、マーケターは間違ったソリューションを選択するリスクがあります。

ありがたいことに、試行錯誤は必要ありません。優れたCDPソリューションは、セグメンテーション、ディシジョニング、最適化の3つのレイヤーで構築されています

• セグメンテーション:このレイヤーは、既知の顧客プロファイルと匿名の顧客プロファイルの両方からのすべてのクリック、検索、購入シグナルを追跡します。また、すべての顧客データを 1 か所に統合して接続し、リアルタイム データを使用して顧客プロファイルとセグメントを構築し、組織全体のデータをシームレスに統合します。堅牢で信頼性の高いセグメンテーションは、CDPソリューションの「エンジン」と見なすことができます。
• 意思決定: このレイヤーでは、予測型アナリティクス、AI、MLを使用して、ジャーニー全体でポジティブなインタラクションを促進します。また、顧客データやビジネスデータをリアルタイムコンテクストとともに活用し、ディシジョニングテクノロジーを使用して強力なデータドリブンな意思決定を行い、あらゆるテストデジタルチャネルでA/Bテストを可能にします。この強力で信頼性が高く、進化する(つまり、「実践による学習」)ディシジョニング機能が、CDPソリューションを「スマート」にするものです。
• 最適化:このレイヤーは、すべてのチャネルにわたるすべてのやり取りを調整し、チャネルからチャネルにジャンプするシームレスなエクスペリエンスを作成し、すべての顧客にハイパー関連するエクスペリエンスを提供し、パーソナライズされたメッセージをトリガーして顧客のアクションを支援します。最適化レイヤーは、CDPソリューションの「ハブ」と見なすことができます。

一部のCDPソリューション は非常に洗練されていますが(マーケティングの世界以外では、その強力さ、効果、有用性、正確さを考えると、SFのように感じる人もいるかもしれません)、適切なソリューションを選択するのに博士号は必要ありません。

上記の3つのレイヤー(セグメンテーション、ディシジョニング、最適化)で構築されたCDP ソリューションに焦点を当てたマーケティング担当者は、投資が後悔するのではなく、やりがいのあるものになることを保証できます。

ここ数十年、特にCOVID-19が発生して以来、マーケティングは大きな変化を遂げました。顧客は、自分が選んだブランドが、自分を個人として扱ってくれることを知りたがっています。また、ブランドは、安全性とプライバシーを維持しながら、ニーズに合わせた真の関係を構築し、保護し、進化させることにコミットしていることを顧客に知ってもらいたいと考えています。

優れたCDPソリューションであるaを基盤とするプレディクティブアナリティクス、AI、MLは、これらの期待と野心に応えると同時に、ブランドと顧客の両方に革新的な報酬をもたらします。

サイトコアのAIソリューションの詳細をご覧ください。