AIが実現する「成果の出せるパーソナライズ・マーケティング」

企業の成功の目安には収益、ブランド力、人材、そしてマーケティングが挙げられる。なかでもマーケティングの進化のスピードは早く、人工知能(AI)を活用したマーケティング手法を導入する企業も増えている。AIが得意とするパターン認識、予測分析機能に加え、AIによるマーケティングは今や精度の高いパーソナライゼーションを可能にし、キャンペーンのレベルを向上させている。

マーケティングにとってパーソナライゼーションは不可欠

多くのブランド企業が、すでにマーケティング自動化ツールを活用したメッセージのパーソナライゼーションを始めている。オンラインマーケティングでは、ほぼ個人ベースの、非常に特化したターゲティングが可能だ。見込み客は、ソーシャルメディア、ショッピングサイト、検索エンジンを通じて、関心を表す足跡をインターネット全体に残していく。そのデータを使って企業は具体的な利益を伴う、より優れたマーケティングキャンペーンを考案することができるだろう。

今日のマーケティング自動化(MA)ツールの課題

コンサルティング会社のマッキンゼー・アンド・カンパニーは、小売、旅行、エンターテインメント、通信、金融サービスなどの企業が大規模にパーソナライズしたプロモーションキャンペーンを行うと、収益を5~15%増大させることができると試算している。調査に回答した小売業の90%以上はパーソナライゼーションを最優先事項と考えているという。しかし、パーソナライゼーションを実際に活用しているのは、そうした企業のうち15%にすぎない。

マーケティングの価値は、メッセージを適切な人々に確実に届け、購買を促し、収益に貢献すること。ターゲット・オーディエンスをより詳しく把握し、彼らの行動や嗜好に合わせた施策をしてこそキャンペーンに対する投資からリターンを得られる。ベジタリアンに新しいステーキハウスの話をしたり、バックパッカーに高級リゾートを宣伝したりするのでは意味がない。

今日の多くのマーケティング自動化ツールでパーソナライゼーションを実現するための最大の制約は、利用可能なデータが不足していることだ。参照するデータの量が少なかったり、収集しているデータに欠落している項目があれば、パーソナライゼーションの精度は低下し、効果も薄れる。

例えば、あるひとりのユーザーが、パソコン、スマートフォン、タブレットで企業のサイトにアクセスするとする。従来のパーソナライゼーションツールだと3人の異なるユーザーがサイトを閲覧していると報告する。この方法だと断片的な情報しか得られないため、このユーザーのカスタマージャーニー(顧客が購入にいたるプロセス)に関する貴重な情報を見逃してしまうことになる。

また、従来のマーケティング自動化ツールは、人間の行動や感情をつねに正確に理解することはできない。ツールは、「人は一度商品を購入したら同じ物はもう買いたくないだろう」といった誤った判断をすることがあり、それがユーザー行動に関するデータを十分に入手できない原因となっている。

企業が直面しているもう一つの課題は、マーケティングの取り組みを拡大した場合、複数のチャネルを通じて行われる顧客とのエンゲージメントを管理するのが難しいということだ。その原因の一つは、すべてのチャネルをカバーするのに必要なツールが多過ぎる上、それらのアップデートは多額のコストを要するか現実的ではないということだ。異なるツールを導入すると、マーケティング担当者が見ているものの間でのコミュニケーションが不足し、迅速で効果的な対応ができなくなる。

AIがもたらす真にパーソナライズされたマーケティング

AIを活用してブランド企業のマーケティングキャンペーンを強化させる方法は数多くある。中でもAIは特定の顧客に着目してキャンペーンを展開する際に有効だ。例えば、ある消費者は、EコマースのサイトAでファッション商品をよく購入しているが、サイトBでベビー用品を買っている。こうした購買行動情報をサイトAの運営企業が入手できるようにすれば、この消費者に関連性のある商品や情報を提供することで、この消費者とのエンゲージメントを強化することができるだろう。企業が自社サイトの訪問者について得られる情報はサイト内のアクションに限られる。一方でサイトAの訪問者がどんな人間で、どのような商品を探していたか、何に興味があるのかはAIを活用することで、明らかになる可能性が高い。

AIを活用すれば、ウェブサイトから立ち去った見込み客へのエンゲージメントが容易になる。例えば、現状のマーケティング自動化ツールでは、サイト上でショッピングカートに商品を入れたままにしている顧客に、カート内の商品についてのリマインドを送付することができる。新型のマーケティング自動化ツールであれば、顧客がその商品に多少なりとも不満を持っていることを予測し、他の商品を勧めるパーソナライズされた提案を添えることができる。

ニュースメールを的確な顧客に配信するケースでもパーソナライゼーションが重要だ。企業が特定の顧客を対象とした商品のセールやプロモーションを行う場合、キャンペーン告知のメールをニュースメール購読者全員に送るのは最善のアプローチとは言えないだろう。企業はこの商品に興味を持ち、買うであろう顧客の購買履歴や趣味嗜好を把握することで、パーソナライズしたメールを配信することができるのだ。

 

AI ✕ CRM を活用したECアプリ収益改善

Appierのデータインテリジェンスプラットフォーム「AIXON(以下アイソン)」は、AI搭載のオーディエンス予測・分析ツールで、フォーマットの異なる企業が保有するデータと、Appierが保有する、アジアの人々の約20億のデバイスを通じて収集した消費者の行動や嗜好に関するデータを含む独自のCrossXデータベースを統合できます。さらに、このデータを、AI技術を利用してオーディエンスの予測・分析に利用することが可能です。企業はアイソンを使って特定のオーディエンスデータを出力し、自社のCRMシステムと連携したり、Appier CrossX プログラマティックプラットフォームなどの広告配信プラットフォームを通じてマーケティング施策を展開することができます。

日本有数のハンドメイドマーケットを運営するGMOペパボ「minne (ミンネ) byGMOペパボ」様は、Appierの「アイソン」を導入しています。minne様が抱えていた課題とAIの活用による新たな取り組みの様子、そしてアイソンの使い心地など、コメントを交えて説明します。

minneとは

「minne」は、現在約45万名の作家による837万点以上の作品が販売・展示されている、国内最大のハンドメイドマーケットです(2018 年7月末時点)。「minne」では、多くの方がハンドメイドと出会い、その魅力に触れられるよう、全国各地の百貨店での販売イベントなどを実施しています。これまで同社のモバイルアプリは969万以上ダウンロードされており、ユーザーの年齢、興味も多様です。

マーケティング上の課題

minneのサイトで紹介される作品数、会員数ともに年々増加しています。同社ではCRMシステムを導入し、会員の購買活動やサイト利用に関するデータを収集していましたが、会員のエンゲージメントや購買促進などのマーケティング施策はマーケターのこれまでの経験値に依存する部分が多かったとのこと。

同社のマーケティング責任者は「新しい知見を得るためのデータ活用は十分進んでいませんでした。AI搭載のアイソンを使うことで、これまで収集したデータから会員の購買傾向や嗜好に関するインサイトが得ることができるのではと考えました。同時に会員様と作品を効果的に結びつけ、購買までナビゲートできればという気持ちで導入しました」と話しています。

minneのビジネスモデルは10%の販売手数料で成り立っています。サイトの設計や様々なオンライン、オフラインのイベントを通じて作品の販売促進を行うことで、売買金額と取引量を増加させる必要があります。minneは、これまで収集してきたCRMやアプリでの行動データを元にアクティブユーザーを予測、リーチすることで売買金額、取引量を増加させることを目指して、AIを活用することを決定しました。

Appierの提案

そこでAppierのエンタープライズ・ソリューションチームは、既存顧客向けのリエンゲージメント施策と新規顧客開拓の2つの提案を行いました。

  1. リエンゲージメントによるクロスセルの促進

未購入商品カテゴリーの購入を促すクロスセルキャンペーンを展開。アイソンの「コンバージョン予測ブレイン」を活用し、CRMデータを元に継続購入率の高いカテゴリー(今回は食品)を紹介するプッシュ通知を実施しました。結果、クロスセルへの誘導に有効性を確認出来ました。minneの担当者は「minneのサイトでのリピート購入が多いがクロスセルができていないカテゴリーを中心にAIを使って相関を見つけ出しました。それらのユーザーに対してプッシュ通知を行いました」と語ります。結果としてアイソンが予測したグループの反応が高く、クロスセルの誘導に有効であるという結果が出ました。

 

2. 新規ユーザー獲得

新規ユーザー獲得のアプリインストール広告キャンペーンを企画。アイソンの「コンバージョン予測ブレイン」を活用し、CRMから取得した購入意欲の高いユーザーを抽出しました。minneユーザーを教師データにしてminneのアプリを利用したことのない消費者層を広告媒体のシステムで抽出し、広告を展開しました。

今回はアイソンの効果を計測するため、いくつかのセグメントグループを設定し、比較を行いました。結果、アイソンで予測したユーザーデータを活用したセグメントでの新規インストールの数が他のセグメントよりも高くなりました。

マーケター主導でデータ抽出・分析ができるのがアイソンの強み

データサービスの大手であるGMOペパボのグループ会社には、データの専門家が社内にたくさんいます。しかし彼らは会社全体のリソースであるため、minneのマーケティングプロジェクトに迅速に対応できるわけではありませんでした。マーケティング担当者は、「アイソンを使うことで彼らの支援を借りることなく、自分たちだけで気軽にオーディエンスデータの抽出分析が出来ました。」とアイソンの操作性についてコメントしています。AI搭載のアイソンは、「コンバージョン予測ブレイン」の他、7種類の分析軸(ブレイン)を提供しています。マーケターは、自社の施策、データセットの状況に応じて、ブレインを選択するだけで、データから施策に適したオーディエンスを抽出します。「アイソン」は、分析、抽出における理由も提示します。アイソンがAIを使ってデータを学習するだけでなくマーケターはマーケティングにおける「勝ちパターン」を知ることができ、次の施策に活かすことが可能です。

企業が生涯価値(LTV)の高い顧客の囲い込みへ戦略を変更すべき理由

Appierは2017年6月に、CrossX プログラマティック・プラットフォームで提供している「CrossXターゲティング」の機能を強化し、LTV(顧客の生涯価値)最適化を実現しました。

AppierのCrossXプログラマティック・プラットフォームに搭載されている機械学習・深層学習エンジンを強化することで、顧客企業のデータおよびAppierが保有するデータベースから、LTV(顧客の生涯価値)が高いユーザーの抽出およびグルーピングを自動化させると同時に潜在顧客の分類・抽出や購買予測の精度を高めることができました。

Appierがプログラマティックの領域においてユーザーセグメント及びターゲティングの機能を強化した背景には、消費者のライフスタイルの多様化、デジタルメディアの普及、加えて個人情報の取り扱い規制強化により、消費者の行動パターン把握が困難になっていることがあげられます。さらに最近の傾向として、消費者1人あたりの利用デバイス数が増加し、一方でその利用の仕方がバラバラなため、広告主が個々のユーザーへリーチすることががより複雑になっていることもあげられます。

また、ブランドやEC業界では、マーケティングの指標がトライアル商品の提供やクーポンなどを通しての初回接触(新規顧客獲得)だけでなく、より長期的な関係性を重要視するLTVへシフトしています。広告主は、新規顧客の開拓を行いながら、長期にわたり継続的に商品購入してくれる顧客との関係も構築したいと考えており、プログラマティック施策に対しても、従来の画一的な「趣味嗜好」で区分したターゲティングではなく、「人」に対するマーケティングのニーズが高まっているといえます。

ディープファネルの最適化

そこでAppierは、LTVが高いユーザーの行動パターンをAIが精度高く分析・抽出することで「ディープファネルの最適化」を可能にする技術を開発し、この度提供することとなりました。

「ディープファネルの最適化」とは、消費者のインターネット上での振る舞いを分析すること。Appierは、AIによりこの「ディープファネルの最適化」を行い、抽出した「オーディエンス(人)」に対し、メディアやデバイスを横断して最適な広告配信(クロスデバイスターゲティング)を実施します。これは独自のAIに加えて、Appierが創業以来構築してきた消費者のデバイス所有および利用に関するデータによるCrossXデータベースおよびクロスデバイスキャンペーンの豊富な経験が可能にしています。

予測モデルを使った、高ライフタイムバリュー顧客の獲得

Appierでは、AIを駆使することでディープファネルの最適化を行い顧客の行動を分析し、「LTV予測モデル」を構築します。それをマーケティングキャンペーンに適用することで、膨大なルールからパターンを見つけ出し、このLTV予測モデルの精度を上げていきます。上記のキャンペーンから抽出した高LTVユーザーの分析を行うことで、獲得の勝ちパターン(LTVの要因のランク)を見つけ出し、そのパターンを予測モデルに反映し、繰り返し学習を進め、さらに精度を上げます。

つまり、キャンペーンの実施ー>キャンペーンデータにAIによる予測モデルを適用ー>ランクデータ(再学習データ)の抽出といったプロセスを繰り返すことで、目的に合致したユーザーを抽出することができます。

これはひとつの事例ですが、化粧品・健康食品の製造および販売を行う、日本有数の通信販売企業において、2017年10月から2018年3月の6ヶ月間、この機能を強化した「CrossX ターゲティング」をテスト導入しました。その結果、広告キャンペーンにおいて、主要なSNSベンダー数社の施策と比較して、月平均の1ユーザー当たりの平均購入金額が最大3倍となり、LTVスコアは約60-90%程度高くなりました。これは、ユーザーの動きや購買トレンドをAIを使って分析し、その結果をクロスデバイスを通じた季節限定のキャンペーン施策などに反映させることで、購入機会を的確に捉え、収益に貢献できることを示しています。

また、Appierが4月25日に発表した「日本版インターネット消費者動向調査」において、企業は単一のデバイスを通じてのマーケティングキャンペーンよりもクロスデバイスでのキャンペーンのほうが3倍以上高いコンバージョンを達成するという結果が出ています。

消費者のデバイス利用を理解した上で、ベストなタイミングで最適なメッセージや広告を配信したいブランド企業やEC事業企業にとってディープファネルの最適化による高LTV顧客の獲得は、取り組む価値のある施策です。

AIがメールマーケティングを変革する

企業のカスタマーエンゲージメントと製品プロモーションといったマーケティングにソーシャルメディアなどのデジタルチャネルを活用することはもはや当たり前になっている。一方で電子メールのような「旧式」のツールは見落とされがちだ。しかし、人工知能(AI)を活用することで、メールマーケティングが有望なマーケティングツールとして見直され始めている。

すぐに反応が得られるソーシャルチャネルに比べて、メールマーケティングは購読者の新規開拓と維持が難しく、メールの開封率とクリックスルー率(CTR)が低いと考えられている。

いまのところメールマーケティングのパフォーマンスを向上させるためには、割引クーポン、件名変更、あるいは送信頻度の調整といった改善が一般的な方法だと考えられている。しかし、これらは、読者がコンテンツに興味を示すかどうかを同じ人間として推測できるはずだという考えの上に成り立っており、マーケターが望む反応を引き出すまでには、数多くの試行錯誤が必要になるだろう。

一方、AIを利用すれば、膨大なデータの中から類似顧客を見つけ出したり、既存顧客に対する理解を深めたりすることができる。さらに、綿密にセグメンテーションを行うことで、顧客の関心や行動を予測することも可能になる。そうした取り組みを通じて、メールマーケティングにおける最も厄介な課題のいくつかを解決することができるのだ。

AIを活用したセグメンテーションによる開封率の改善

企業からのメールニュースに読者が興味を示さないのには理由がある。デジタルビジネスのコンサルティング会社であるEconsultancyによれば、2017年にアジア太平洋圏においてメールの宛先以外のコンテンツをパーソナライズしたマーケターはわずか21%で、そのうち76%がメールマーケティングのパーソナライゼーションの強化に意欲的だったという。さらに、受信者名と他のデータポイントを両方利用することで、開封率が2倍になる可能性があることも報告されている。現在、AIにはユーザーがサイト内で閲覧するコンテンツをはじめ、あらゆるユーザーデータの分析が可能であり、最も頻繁に使用されるキーワードを抽出してオーディエンスの最大の関心を特定し、セグメンテーション予測を作成できる。

これらの実用的な判断材料を得られれば、オーディエンスの好みやニーズにより近いコンテンツの開発や特典の提供が可能になる。AIはキーワードをいくらでも特定できるため、多くのタッチポイントでオーディエンスとエンゲージメントを図れるようになる。そのうえ、過去のキャンペーンデータを基に新キャンペーンに高い反応を示しそうなオーディエンスを予測し、それに応じてメール機能をカスタマイズすることもできる。

例えば、台湾の某大手オンライン出版社は、すべての読者に同じメールを発信していたが、高い開封率やCTRを得られなかった。コンテンツや件名に関連性や面白味がないために、受信者の関心を引けなかったためである。この出版社は、AIを使ったアプローチを導入し、 ディープラーニングを活用して読者のプロファイルとオンライン行動を結び付け、年齢や関心といった主要属性を基にプロファイルのセグメンテーションを実施した。このプロセスを通じて、正確な読者層別メールリストを作成し、適切なマーケティングコンテンツを適用できるようになると、開封率が42%、CTRが107%も増加した。

類似オーディエンスの獲得によるユーザーベースの拡大

目的に合致したAIモデルを使うことで、ユーザーのオンライン行動から収集したデータを分析して、既存顧客に「類似」する顧客を見つけ出し、ターゲットを絞った広告開発やリーチの取り組みにも役立てられる。このプロセスは、既存顧客のデモグラフィックデータの分析から着手する。使用するデータは、ウェブサイト、キャンペーン、アプリ、CRM、ソフトウェア、アプリケーション・プログラミング・インターフェースの統合などから収集できる。

AI搭載プラットフォームがそれらの情報と付加的な情報源を特定の規則に従った対応付けや割り当てを行い、見込み客を探し当てる。この貴重なデータセットを利用すれば、不特定多数を対象とするコンバージョンレートの低いメール配信が減り、メールを正確なターゲティングツールとして使用できるようになる。

AI予測による購読者の維持

AI搭載のプラットフォームは、行動パターンに基づいて、離脱する可能性がある購読者を特定する。購読者が離脱の兆しとなる行動を取った場合でも、クーポンなどのとどまる理由を与えれば、ユーザー離れを防ぐことができるだろう。こうした予兆を察知した際は、先ほど紹介した台湾の某大手オンライン出版社は次のようなリエンゲージメント戦略を計画し、実行に移した。

  • 「離脱する可能性がある購読者」を対象とするターゲットメールを作成し、共通点のある顧客層にセグメンテーションを行う。
  • 当該の購読者に限定したメッセー、割引、特典などを提供する。
  • 購読者が行動に移しやすいフォーマットやリンクを使用する。

AIはメールマーケティングを大幅に変革できる。企業はAIを使って顧客の行動傾向や関心を特定することでマーケティングキャンペーンの成果を得るには、コンテンツをどのようにカスタマイズする必要があるかを判断できるようになる。