Snip20190923_2

最近は機械学習だとかAI だとかが流行りになってきていますが、手動で顧客管理を行なっているマーケターがまだまだ多いかと思います。

僕は運用型広告をやっているとキーワードの入札調整や曜日別ごとの入札調整など、目標成果に合わせて手動調整をする手間が気にくわないのでどんどん導入できる部分は機械学習に任せた広告運用を進めているところです。

それでも機械学習の導入率は低い方だと実感しているところです。今回の記事ではマーケジンイベント2019に参加する中で、顧客管理の自動化で成果を出すための考え方をインプットしてきました。。

その中でDMP の成功事例を聞いてきました。

DMPのノウハウしか学べないんじゃないの?と思われるかもされませんが全然そんなことありません。運用型広告を含むすべてのウェブマーケターに共通で必要な知見であると感じたからです。

率直な感想は機械学習やっぱすげえという感じ。

曖昧な表現ですが、なぜすごいと思ったのかをこれから具体的にお話ししていきます。

アクティブコアのDMPツールの紹介

まず僕が参加したマーケジンイベントのセッションの中で登壇された方がアクティブコアというDMP「マーケティングクラウド」を提供している会社がありました。

セッション内容的には自社開発の「マーケティングクラウド」の製品紹介を兼ねた成功事例の紹介やウェブマーケティング成功のための考え方を聞けました。そういう話を聞いて今の自分の業務と照らし合わせて考えてみるといろいろ参考にすべきポイントあったので興味深かったですね。

自社開発でDMPをクラウド上で提供しているアクティブコアさん。

特徴としてはオンライン、オフラインの様々なデータを取り込めて、それらをAI/機械学習で分析してらレコメンド配信してくれるツールです。

そのレコメンドの内容についてちょっと変わってるなと感じたことがあって、それはレコメンドの定義を選べるらしい。

また、ステップメールも送れます。実際はステップメールならずステップラインなど、ステップアプリ配信みたいな配信ができるとのことです。

分析についてに推していたことがあって、それはマーケティングクラウドの自動システムがアプリ内の行動データも参考にしてレコメンド配信に活用されていくということ。



レコメンド配信の成功の秘訣

アクティブコアさんいわく、成果が出てないよくあるケースはパーソナライズされてないことが多いとのこと。

メール、ラインの内容が個別のユーザーに合わせた内容になってないなどです。ステップ配信がないというのもパーソナライズされていない例ですね。

また、失敗しやすい例としてはデータがバラバラで管理されていること。

じゃなくて広告やウェブ、メールやアプリ、売上データや店舗POS などのデータを全部つなげた施策を展開できていないというケースも失敗としてよくあるパターンだと言います。

これらの解決策として顧客との接点のデータを多く収集することから始めないといけませんね。

そしてそれらの膨大なデータをリーセンシー別(ユーザーとの接点を持ってからの時間間隔)で管理していくことで反応の良いリーセンシーをセグメントして、アプローチしていくのが有効とのことです。

たしかにこのリーセンシー別の施策はウェブ広告のリマーケティング でよく活用されていますね。

やはりリーセンシー別にユーザーへのアプローチを変えていくという手法が広告に限らず広く有効な戦略の一つなのだと思います。


カートに入れたユーザーへの有効な対応策

想像してみてください。


自分がECサイトで買い物をし、カートに商品を入れていたとしましょう。


欲しい商品がある程度カートに入ったところで購入手続きへと進んでいくとします。


その購入までの流れの中で画面にこんな表示が出たとしましょう。




「お買い忘れはありませんか?」




おそらく多くの人は「他になんか必要なものなかったっけな?」と他に購入すべき商品について想像を膨らませるはずです。


さらに想像してもらいましょう。


他になんか必要なものなかったっけな?」と考えている最中に、さらにプラスで自分がカートに入れた商品に関連した商品やコンテンツが同時に表示されたらどでしょう?

おそらく多くの人はクリックするはずです。クリックまではしなくとも、気にはなるはずですよね。

実際にこの方法は成果を上げることに貢献しました。

どう貢献したかというと、うまくクリック誘導に成功しクリック数が上がったといいます。

そしてそこからサイト内で回遊が始まり、CVにも貢献します。


リーセンシー対策については、購入経験があるユーザーに対し、かつ180日以内にサイト訪問経験がある場合はクーポン提供したことで購入につながったといいます。

ただこの場合ポイントがあって、それは積極性です。あともうひと押しが大事とのことです。

具体的な回数としては3回くらいアプローチすると良い結果が得られたとのこと。



またユーザーを独自に分類し、名前をつけつなどすることでその分類に対してどんなユーザーかにどう施策打つなどの管理をすることが重要。

マーケティングクラウドのアプローチまでの流れとしては「入れたデータを基に顧客の予測モデル作成」→「対象顧客リストを自動作成」→「レコメンド実行」の流れをたどった結果成果につながっているといいます。

どんな成果かというと、例えば退会ユーザーへの対策にも使えたというものです。

退会しそうなユーザーってどうやってわかんねん?!預言者かよ!て思うかもしれませんが、今の時代退会しそうな顧客を機械学習で事前に予測が出せます。

キモになってくる分析内容としては退会者の共通した行動パターンを分析することです。共通性を見出すとうことですね。

そして逆に継続しているユーザーをパターン分析して、その違いとも比較することによって退会しそうな人にFAQやチャットにて継続してもらえるように退会率の改善に活用できたといいます。


マイページの改善でCVRを上げた成功事例

次はマイページ最適化のお話です。

やったことは非常にシンプル。

ECサイトなど会員機能のあるサイトでマイページに会員ユーザーの閲覧履歴などから商品コンテンツのレコメンド配信を行いました。

元々のコンバージョン率についてはメモし忘れてしまい申し訳ないのですが、商品のレコメンドに関してはコンバージョン率は10%、そして商品ではなく、コンテンツ(季節商品の特集ページやコラムなど)をレコメンドした結果、CVRが30%になったそうです。

DMPの成功事例を聞いて感じたこと

今回、マーケジンのイベントに参加する中で自分自身が業界内で市場価値を高めていくために必要なウェブマーケターとしての能力や知見がわかった感じがします。

一つは機械学習の導入って大事だと感じたことです。

ユーザーとの各接点を成果の出るようにどう最適化していくかっていう思考は自分がウェブ広告運用者として目的は同じだし、広告で横展開できる思考だと思います。

機械学習については「なんとなく人のような思考を代わりにやってくれるもの」というふわっとした理解で終わってしまっている人が非常に多いのではないかと思うのです。

確かにそれはその通りだと思いますが、それよりも具体的にこの会社のDMPの機械学習がどこまでの範囲を人の代わりに支援してくれるのかを知るべくだと感じました。

なのでもっとマーケティングツールのできることや仕組みを理解るべきだし、そもそも世の中にどういったマーケティングツールがあるのかを知るべきだと思います。

ぼくは広告代理店の立場として、お客様の売上をウェブマーケティングで支援していくという仕事なのに、自分はあまりにもお客様の売上に貢献するためのマーケティング上の手段を知らなさすぎると痛感しています。

こういった業界最先端の話を聞くとウェブ広告領域に関しても、検索とかディスプレイとかのデータを繋げて可視化し、それらをユーザーに対して適切にレコメンドしていかないといけないなと感じました。

自分のやってることクソ古いなって思ったのです。

DMPとかMAなどでオフライン、オンラインのいろんなデータを統合して成果を自動化させて成果を出している話聞くと、手動で色々と調整してるのばかばかしか思えてきてる感じです。

どんだけ自分は時代遅れなことやってんだって思うところがありました。

手動でのんびりやってる場合じゃないなと。

もっと自動に任せられるところは任せていって、人が判断する方が好ましい状況は人で舵を切るということをしなくちゃいけないですね。

戦術は機械学習に任せて、自動化で得たデータをもとに戦略を自分が考えると言ったイメージ。