[AD]

リピート客を増やしLTV(顧客生涯価値)を最大化するための“One to Oneマーケティング”はどう実現すればいいのか? その解決策の1つにあげられるのが蓄積した顧客データの活用だが、データを使ったパーソナライズを実現するにはツールの活用が欠かせない。マーケティング・オートメーション(MA)、レコメンドエンジン、DMPなどをワンパッケージにした「activecore marketing cloud」を提供するアクティブコアの山田賢治社長が、AI(人工知能)、DMP(Data Management Platform)、MAでLTVを向上させる“One to Oneマーケティング”実現の秘訣(ひけつ)、最新事例などを解説する。

MA、レコメンド、AI、DMP、メールやLINEの配信がワンパッケージの利点

アクティブコアの「activecore marketing cloud」は、MA機能、レコメンド機能、AI、DMP、メールやLINEの配信機能、分析機能などが1つのパッケージで提供されているのが大きな特徴。

分析ツール、レコメンド、MAツールなどを個別に契約・運用するよりも、システム投資や運用に関するコストを削減できるとされる。そして、精度の高い「One to Oneマーケティング」を実現できるとアクティブコアの山田賢治社長は言う。

「レコメンド」「DMP」「データ分析」「MA」が統合されているので、個別にさまざまなツールを運用するよりも精度の高い提案ができる。たとえばレコメンド。レコメンドメールとWebサイトで同じレコメンドコンテンツを表示するといったことも可能。それをLINEやアプリ内でも実現することができる。

アクティブコアの山田賢治社長
アクティブコアの山田賢治社長

この「MAやレコメンド、MA、メールやLINEの配信機能が1つになったオールインワンのソリューション」(山田社長)というマーケティング基盤を支えているのが、アクティブコアが開発したAI「ピタゴラス」だ。

「ピタゴラス」は、ノンプログラミングでマーケッターが画面上で学習モデルを作成することが可能。そして、MAへ自動連携する。また、ディープラーニングの技術を取り入れており、人の勘や経験に頼らず、ユーザー行動のスコア化実現をサポートする。

「activecore marketing cloud」の仕組み
「activecore marketing cloud」の仕組み

こうした機能性に支持が集まり、ミズノ、楽天西友ネットスーパー、アシックス、パルシステム、MTG、オイシックス・ラ・大地など名だたるEC実施企業が「activecore marketing cloud」を利用している。山田社長が「activecore marketing cloud」活用企業の事例などを元に、LTVを向上させるためのベストプラクティスを説明する。

MAで成果をあげるには統合された顧客データが重要

MAで成果をあげるには、ECサイトの閲覧履歴やWeb上での行動履歴など、顧客情報やEC事業に関するデータなどを統合した顧客データが必要になる。こうしたデータを管理するのがDMPで、顧客単位でのマーケティング施策実現を基盤面で支える。

MAで成果をあげたい企業に山田社長が提案するのは、顧客アプローチは顧客行動データから決定すること

多くのEC事業者が初回購入からの未購入期間が1年を過ぎたら休眠顧客と定義している。そのため、休眠顧客の掘り起こしは1年以上購入していない顧客が対象となる。だが、データを見ると未購入客への掘り起こし施策はもっと早い時期の方が良い。(山田社長)

山田社長によると、データ上は1年以上も購入しない顧客であっても、商品を購入せずにECサイトへ再訪問しているケースも多いという。こうしたことを踏まえ、山田社長はこう指摘する。「最終アクションは最も直近の顧客接点にすべき」。

たとえば最終購入日から180日を超えてもアクションがない顧客は休眠顧客として定義。その顧客層に対しては、MAを活用してECサイトへの再訪問を促すアプローチを採用すべきだと提案した。

加えて、自社の会員顧客を可視化し、優良顧客を明確化。その上で、シナリオを策定する重要性を山田社長は説く。

会員ファネルに基づいてシナリオを策定し、MAで施策を自動化していく。ステップメールは顧客データから好みを予測し、嗜好を機械学習して顧客1人ひとりにパーソナライズしたレコメンドメールを配信していきたい。(山田社長)

ECビジネスのMAを効率化&精度アップに役立つAI活用

MAの効率化と精度アップに役立つのがAIの活用である。

ビッグデータをAIが分析し、ユーザーの行動1つひとつについて、CVR(コンバージョン率)や売り上げへの貢献度を割り出し、その度合いに応じて点数を付けていく――こうしたディープニューラルネットワーク手法を使うと、ユーザーの行動をスコア化し、顧客行動を予測していくことができる。

次の画像は、顧客の行動1つひとつの売り上げへの貢献度を割り出し、スコア化したものである。スコアに応じて購入する可能性があるのか否かを予測していく。

これをECのマーケティングに活用するとどうなるのか。優良顧客と休眠顧客の特徴を分析したあるECサイトのケースでは、単一カテゴリー商品の購入の場合は休眠顧客になる確率が高く、複数カテゴリーの商品を併せ買いした顧客は休眠率が低くなることがわかった。つまり、優良顧客と休眠顧客の特徴を洗い出すことができたのだ。

単一カテゴリー、複数カテゴリーの購入履歴から優良見込み、休眠顧客を割り出し、ネット広告でさらなる購入と掘り起こしを図った。優良見込客の集客と休眠掘り起こしによって、広告経由の購入割合は7.1%にのぼったという。

AIが2ステップマーケティングの可能性を予測

女性向けの化粧品通販では、無料サンプルに応募した人が本購入するかどうかを予測した。AIに流入履歴のみを与えたところ、的中率は15.7%。流入履歴に広告の詳細データを加えると29.1%。そして、サイト内の閲覧データを加えると86.2%まで的中率が高まった。そこで、この予測を元に顧客の特徴をパターン化することとした。

本購入につながった顧客の行動パターンは次の通り。この分析結果からマーケティング施策を最適化した。

  • 50代はポイントサイト、Yahoo検索、クリテオの広告からクーポン
  • 40代は別のポイントサイト、Google検索で商品の効能に反応
  • 30代ではスマホ、アプリ広告に反応して、お悩みページを閲覧すると本購入する確率が高まる

AIがリピートユーザーを予測

AIでリピートユーザーを予測することもできる。このケースでは、レシート金額、商品単価、Web訪問回数、Web滞在時間、直帰率、性別・年代、都道府県といった会員登録ユーザーの顧客行動データなどを元に、AIがリピートユーザーの特徴を可視化。

その後は、対象顧客を自動抽出してMAでレコメンドすることになるのだが、このケースでは2回購入ユーザーかつ類似ユーザーのデータから顧客1人ひとりに合わせてメールの内容を変更。1回購入会員のみを対象に行ったこのレコメンドメールによって、従来の販促メールと比較して購入顧客数は4倍になった

AIが退会ユーザーの特徴を可視化

AIは退会ユーザーの特徴も可視化することができる。あらかじめ退会しそうな顧客の行動パターンがわかれば、あらかじめユーザーの行動に合わせた退会防止コンテンツの提供などを行うことができるようになるのだ。

退会ユーザーの特徴を可視化したこのケースでは、退会ユーザーの行動を機械学習し、閲覧パターンに合わせてチャットと連動したFAQをレコメンドするなど、退会防止につなげている。

◇◇◇

消費者との接点が多様化し、かつマーケティング人材の不足など環境の変化が著しい昨今、顧客を軸としたデータを一元的に管理することで、業務の効率化、顧客ごとに一貫した顧客体験を提供することが求められている

「activecore marketing cloud」はデータを顧客軸で統合し、プライベートDMPを構築。統合データの分析結果をもとに施策を立案し、顧客のステータスに対して最適化したマーケティングアクションを実行する。

AI・機械学習・ディープラーニングが搭載され、顧客軸のデータ分析、レコメンド、MAをワンパッケージとして提供。多くのEC事業者などが課題としてあげている、「顧客ごとに一貫した顧客体験の提供を実現することができるようになる」(山田社長)

【関連リンク】

[AD]
この記事が役に立ったらシェア!
記事カテゴリー: 
記事種別: 

ネットショップ担当者フォーラムを応援して支えてくださっている企業さま [各サービス/製品の紹介はこちらから]

[ゴールドスポンサー]
楽天株式会社 eBay(イーベイ) ecbeing. Qoo10 Nint
[スポンサー]
株式会社アイル Wowma! クリームチームマーケティング合同会社 ユーザグラム