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とは、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、大幅に収益性の高い関係を活性化し、確立し、進化させる方法です。次の点を考慮してください。

• 80パーセントの顧客が、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パーセントの顧客が、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にもっとお金を払うでしょう。
• 72パーセントの顧客が、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かつ費用対効果の高い方法で顧客との距離を縮めるための最善の、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ています)がアクセスするB2Bスペースではさらに重要です13個のコンテンツ最終的な購入決定を下す前に。eブック、ウェビナー、ホワイトペーパーなど、情報提供、印象付け、影響力を発揮できない単一のコンテンツは、関係を失速させたり、終わらせたりする可能性があります。

しかし、ブランドが以下を判断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?
• 誰にコンテンツを配信すべきか?
• コンテンツはいつ配信すべきですか?
• 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?

これらは無視できない極めて重要な問題であり、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決定することができます。幸いなことに、ブランドが必要な答えと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。

基本的に、予測型アナリティクスでは、履歴データを使用してインサイトを生成し、それが将来の結果の予測に役立てられます。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、一連の詳細と変数が与えられた場合に特定の方法で行動する可能性に確率 (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:これらは、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、配送料が購入決定に与える影響を特定することができます。
• デシジョンツリー: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(これが名前の由来です)。たとえば、ブランドはこのアプローチを使用して、3つの新製品のうちどれを名簿に追加するかを特定することができます。
• ニューラルネットワーク(別名人工ニューラルネットワーク):これらは、高度に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、次のような指標と主要業績評価指標(KPI)をキャプチャします。

• 顧客生涯価値
• マーケティングアトリビューション
• 製品の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影響の可能性を予測するの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%増加すると説明できます。これにより、追加コストが相殺され、顧客の生涯価値が向上します。

しかし、予測型アナリティクスは、重要な変化を特徴とするシナリオでは、過去のデータは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、洞察力に欠ける可能性があるという悪いニュースがあります。もちろん、2020年に勃発したパンデミックは、パラダイムが劇的に異なるため、従来の予測型アナリティクスでは予測に苦労してい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が登場します。

AIの核となるのは、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システムには次の3つのタイプがあります。

• 汎用人工知能(AGI)これは、システムが人間が実行できるあらゆるタスクを実行できるだけでなく、はるかに優れた熟練度、速度、精度、および耐久性を備えています。AGIは現在仮説です。
• 人工知能(ASI)これは、システムが自己認識し、人間の知性と能力を凌駕しています。AGIと並んで、ASIも仮説です。
• 人工知能(ANI)これは、システムが単一の目的(Webの検索、音声アシスタントアプリの操作など)を実行するように設計されています。

ANIの最も一般的なタイプの1つはMLです。予測型アナリティクスと同様に、MLはデータ分析の方法であり、データ内のパターンと動作を探すためのアルゴリズムを作成および改良することにより、分析モデル構築のプロセスを自動化します。

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は履歴データに固定されたり、制限されたりすることはありません。文字通り「やってみることで学ぶ」ため、世界中のマーケターに受け入れられています。次のセクションでは、その理由を探ります。

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、履歴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とは、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学習するスマートな機械ですが、明示的にプログラムする必要はありません。

これら3つをすべて統合することで、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、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、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はここで適用されますか?そうですよ。ここでは、マーケターの注目すべき方法をいくつか紹介しますAIの活用 (およびそのサブセットML)を使用して、ジャーニー全体でエンゲージメントとエクスペリエンスを促進します。

• 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(彼らが何をするか、いつ行うか、どのくらいの時間行うか、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)。
• 自動パーソナライズ: AI は、各セグメントの顧客に選択的に、顧客の移動の最適なタイミングでコンテンツを配信できます。たとえば、自分の選択肢にほとんどまたはまったく気づいていない「認識段階」の顧客には、調査と評価の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、さらに進んでいて、最終的な購入決定を下す準備ができている顧客には、体験談、ケーススタディ、またはその他のソーシャルプルーフフォームを見たり読んだりするように促すことができ、自信を持って取引を進めることができます。
• 自動 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アセットに対して分割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が必要な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は、画像やビデオが何を描写しているかを収集し、それに応じて自動的タグを付けることができます(例:「電車」、「ビーチ」など)。これは分解を助けるだけではありませんコンテンツのサイロ化しかし、マーケターは面倒な手動タスク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。

このように、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結果を劇的に改善するのに役立つ可能性を秘めており、最近の出来事を考えると、不確実で不安定な状況下で苦労したり挫折に直面するのではなく、新たな機会をつかむことがさらに重要なことかもしれません。

しかし、適切なアーキテクチャなしに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を招き、利益ではなく問題をリードする可能性があります。これにより、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)にたどり着きます。

CDPは、他のシステムからアクセス可能な永続的で統一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。ザCustomer Data Platform Institute(英語)この定義を次のように分類します。

• "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のシステムです。CDP の設定と保守には、いくつかの技術リソースが必要ですが、一般的なデータ ウェアハウス プロジェクトのようなレベルの技術スキルは必要ありません。これにより、時間、コスト、リスクが削減されると同時に、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を作成「: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、その情報を時間の経過とともに履歴行動に保存することにより、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ティング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、他のシステムで分析や顧客とのやり取りの管理に使用できます。

この定義は、良い出発点です。しかし、それはCDPの本質的な機能は何か、そしてそれは何が可能でなければならないのかという非常に重要な質問を引き起こすため、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を冒します。

ありがたいことに、試行錯誤する必要はありません。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。
• ディシジョン: このレイヤーは、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、顧客データとビジネスデータをリアルタイムの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データ主導の強力な意思決定を行い、あらゆるデジタルチャネルでのA/Bテストを可能にします。これは、信頼性の高いデータと直感に基づくインテリジェントな最適化とテストに不可欠です。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」にする理由です。
• 最適化: このレイヤーは、すべてのチャネルの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、すべての顧客に非常に関連するエクスペリエンスを提供し、顧客の行動を支援するパーソナライズメッセージをトリガーします。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 非常に洗練されています(そして、それらがどれほど強力で、効果的で、有用で、正確であるかを考えると、マーケティングの世界以外の一部の人々をサイエンスフィクションとして攻撃するかもしれません)、適切なものを選択するのに博士号は必要ありません。

CDPを重視するマーケター 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)で構築されたソリューションは、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。

ここ数十年で、特にCOVID-19が勃発して以来、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えるかどうか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、保護、進化させることに取り組んでいることを顧客に知ってもらいたいと考えています。

予測アナリティクス、AI、ML —優れたCDPソリューションは、これらの期待と野心を満たすと同時に、ブランドと顧客の両方に革新的な報酬をもたらします。

について詳細SitecoreのAIソリューション.