MAで顧客のニーズをつかめ--アクティブコアが解説する3つのシナリオ - (page 3)

目標を全ての部門で統一し、マーケティングのベクトルをひとつにする

 次に山田氏が挙げたのが、化粧品通販会社のマーケティングオートメーション事例だ。これまで、この通販会社は新規顧客の獲得に際してCPA(獲得コスト)を重視してコストパフォーマンスの良いマーケティング施策を中心に展開していたが、その結果、多くの顧客は獲得できるものの、それぞれの顧客のニーズを理解できず、本当に重要な顧客にリーチできなかったのだという。継続的な利用が少なく、解約も多かったのだそうだ。

 こうした課題に対して、この通販会社は顧客が生み出すトータルの利益を評価するLTV(Life Time Value)を新たなマーケティング指標として導入し、新規獲得、リテンション、継続、クロスセルといったマーケティングの様々なファンクションがLTVという統一の指標でアクションを考えるようになったのだという。

 「重要なことは、いかに顧客に満足してもらうか。そして、どれだけ長く関係を継続できるかということ。これまでの指標はそれぞれの部門で追う指標が異なっていたが、これを統一することであらゆるアクションがLTVを意識したものになり、部門間における数字のズレも生まれなくなる」と山田氏は解説。結果的に、どのような広告クリエイティブを選択するかという局面でもLTVの効果を拠り所にジャッジすることができるようになったのだそうだ。

 「こうしたマーケティングモデルは、LTV分析に必要な時間と労力が膨大で、高速PDCAを回せない。しかし、アクティブコアのマーケティングクラウドによってLTVや継続率をすぐに確認できる仕組みを構築してすべての部門で共有すると、顧客属性に合わせたメールやウェブのカスタマイズなどによる情報発信のパーソナライズ化を実現できた」(山田氏)。

パーソナライズ化
データの統合・共有と顧客接点のパーソナライズ化を実現した

 そして山田氏は、こうしたマーケティングオートメーションの裏側を支えるテクノロジとして、機械学習の仕組みにも言及した。具体的には、マーケティングオートメーションにおける機械学習は、プライベートDMPに蓄積された顧客の属性情報や行動履歴をもとに、行動パターンを解析。それを顧客に対する商品のレコメンドや情報配信の内容などに役立てるというものだ。

 「単純に商品を勧めるのではなく、『この商品を購入した人は次にこの商品を買うだろう』という予測に基づいて商品を勧めている」(山田氏)。こうしたレコメンドモデルは顧客に対するクロスセルに有効であり、商品購入時に顧客理解に基づいた特別なオファーを出す“ウェブ接客”を機械学習によって実現することで、さらに大きな効果を実現したとしている。

機械学習の仕組み
マーケティングオートメーションにおける機械学習の仕組み
Web接客のスキーム
機械学習によるWeb接客のスキーム

 山田氏は、今回の講演のまとめとして次のように語っている。「顧客体験・価値向上のためには、顧客を可視化(分析)して理解できる環境を用意すること、ライススタイルが多様化するなかで顧客ひとり一人の行動に対して適切なタイミングを意識すること、顧客の嗜好や思考に合わせることを徹底的に追求する、そしてマーケティングが生み出すデータを社内の経営層から現場部門まであらゆる担当者で共有することが重要だ」。

 そして、施策立案という担当者の叡智でしか実現できないことと顧客ひとり一人に最適化されたマーケティングを行うというテクノロジだからこそ実現できることを両輪としたマーケティングモデルの構築を提言した。

CNET Japanの記事を毎朝メールでまとめ読み(無料)

-PR-企画特集

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]