Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

ウェブサイトパーソナライゼーションに関する5つの誤解

初めて訪れるウェブサイトで探しているものがすぐに見つからず、操作に戸惑う消費者は少なくありませんでした。ウェブサイトパーソナライゼーション技術によってこうした課題は少しづつ解決されています。この技術を活用すれば、顧客のニーズや興味関心に基づいてサイト上のコンテンツやユーザー体験をカスタマイズすることができます。
セグメント社発行の「2017パーソナライゼーションレポート (英語資料)」によると、パーソナライズされたショッピングを体験した消費者の 44%は継続的に購入する顧客になる可能性が高く、39%は家族や友人に購買体験について共有しているそうです。しかしながら、多くのマーケターは依然としてウェブサイトパーソナライゼーションをうまく使いこなせていませんし、多くの誤解によって、マーケティング成果をあげられずにいます。本章では、ウェブサイトパーソナライゼーションに関してマーケターが誤解しがちな5つのポイントを説明します。

1. コンテンツ(商品)が成功の鍵を握る

企業は顧客に提供する商品を最高のものと信じています。しかしユーザーエンゲージメントは、提供する商品が素晴らしいだけでは実現することはできません。それよりもはるかに重要なことは、閲覧、検討から購入に渡る全体的なユーザーエクスペリエンスであり、その過程でパーソナライゼーションが重要な役割を果たします。

例えばAmazonのウェブサイトは ありとあらゆる商品を提供しているので、商品数という点では無敵といっても過言ではありません。同社がもし商品だけに頼ったマーケティングをしていたら、今の成功は実現できなかったことでしょう。Amazonは、顧客ごとにおすすめ商品の紹介、「ワンクリック購入」など合理化された決済オプション、 他の商品と組み合わることで購入可能な割引商品など、顧客に最適化したサービスを提供しています。サイト上で提供する商品だけの事業に満足していれば、今知られているeリーテルにおける大手企業になっていなかったかもしれません。

2. パーソナライゼーションの適用はリピート顧客に限られている

Amazonの事例は顧客エンゲージメントに既存のデータを活用したものでしたが、サイトを初めて利用するユーザーに対してもパーソナライゼーションは可能です。
人口知能(AI ) はアプリ、CRM、ウェブサイト、第三者ののデータを統合、分析することで、見込み客の興味関心、行動、属性、位置情報などを把握することができます。ここからオーディエンスのプロファイルを構築し、ウェブサイトのマーケティングに利用できれば、ユーザーにとって初めて利用するウェブサイトだとしても親しい友人に歓迎されているような体験を提供することができるのです。

3. きめ細かなオーディエンスセグメントの構成が必要である

パーソナライゼーションを実行する場合、オーディエンスに関する理解が深くなれければ、正確なセグメント化は無理だと考える方もいますが、必ずしもそうとは限りません。

ユーザーセグメンテーション予測は、ユーザーの将来の行動を予測するデータをもとに、価値の高いユーザーの特定とセグメント化を自動的に行います。つまりユーザー行動とユーザー興味関心に関するデータをAIが分析します。

単に顧客の行動履歴だけで予測したデータではありません。多種多様なデータを使って顧客の人物像を構成していくことで、特定のユーザーグループがどのような状況でどのような行動をとるかを予測することができます。

4. カスタマイゼーションとパーソナライゼーションは同じである

カスタマイゼーションとパーソナライゼーションはよく相互に使用されていますが、意味は全く違います。カスタマイゼーションは、利用者の経験を変えるために、事前設定オプションをユーザーに決定させることを意味します。パーソナライゼーションは、ウェブサイト運営者がユーザーの要望やニーズに基づいて訪問者のエクスペリエンスを調整するために実行することです。

カスタマイゼーションはサイト運営者が提供するチョイスに反応する仕組みのため、反応的なものです。(ウェブサイトのレイアウトデザイン、ニュースフィードの表示順、文字サイズ等)

パーソナライゼーションは、ウェブサイト運営者が、ウェブサイト訪問者について予測する必要があり、それに応じてユーザーエクスペリエンスを調整します。その方法はデータ駆動型であり、自社および第三者のデータに頼らなければなりません。

5. 多くの技術的およびエンジニア専門知識が必要とされる

パーソナライゼーションの実現に、自社独自データサイエンスプラットフォームを設置する必要はありません。AIをサービスとして( AI-as-a-Service (AIaaS) )提供している企業で精度の高いAIを活用したパーソナライゼーションソリューションを活用すればいいのです。

AIソリューションを提供できるパートナーを探す場合なにを考慮すべきでしょうか? Appierの委託により行われたフォレスター調査によると、マーケティングからサービスの提供まで全体のライフサイクルに渡ってAIソリューションを適用することは半分以上の企業にとって最も重要条件であることが分かりました。(フォレスター調査)現在では、自社のニーズに合ったソリューションの提供、実用的なデータエンジニアリングとデータ管理機能を備えたポテンシャルパートナーを検討することができます。

ウェブサイトのパーソナライゼーションは複雑ですが、 誤解されている部分がよくあります。 それでも、コンバージョン率やユーザーエクスペリアンスに大きな影響力があるため、 十分に理解する価値がある概念です。

AppierのカスタマーエンゲージメントプラットフォームAIQUA(アイコア)に関する詳しい情報や、パーソナライズされたマーケティングの事例はこちらに掲載しています。アイコアに関する情報はこちらからお気軽にお問い合わせください。

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

イメージ画像-AIとは何かその本質を理解する

AIとは何か、
その本質を理解する

現在、人工知能(AI)が大きな話題になっていますが、事実とは違った情報が飛び交っているのも事実です。高い処理性能に加え、巨大なストレージを利用できるようになったことで、自動運転車、音声アシスタント、チャットボットなど、AIを活用したデバイスやサービスが急増しています。 事実、世界的なIT企業の大手がAIに積極的に投資しており、寸暇を惜しんで自社のAIシステムを洗練させ、競合他社に対する競争優位性を確保しようと努めています。しかし、実際にAIとは何でしょう?企業に何をもたらすでしょうか? AIの現状 AIは、決して新しい技術ではなく、1940年代から開発が行われています。その結果として過去数十年間には、エキスパートシステムの開発につながり、特定の問題を解決する知識システムとして活用されてきました。 現代のAIシステムは、機械学習や豊富なデータを活用することで、人間の知能と似た方法で結論を導き出すといった飛躍を遂げています。強化学習法によってニューラルネットワークをトレーニングし、質の高いデータと組み合わせたモデルであれば、確実性の高い予測ができます。そして人間は、これらの予測をインサイトとして活用し、意思決定に利用することが可能になります。 機械学習の応用分野は、取り扱うデータのタイプによって区別されます。最も知られているものは、恐らく音声認識や画像認識でしょう。クラスター分析など、教師なし学習法による機械学習アルゴリズムは、膨大な量のデータを瞬時に処理し、潜在的なパターンやグループを見つけるために活用されています。 AIの誤解を解く ほとんどの技術と同様、AIにも誤解が存在します。恐らく最も一般的なものは、AIがすべての結果を完璧に予測できるというものです。洗練されたAIモデルは、非常に正確な予測ができますが、最終的には、神経回路モデルやデータに根付く、最も可能性の高い結果を「推測」する科学にすぎないのです。これは、AIが間違える可能性があるだけでなく、予測の正確性がソースデータの質に依存していることも意味しています。 また、AIがまるで自律的な技術のような話も聞かれます。しかしAIの運用は非常にインタラクティブなものであり、データサイエンティストによる定期的な調整が必要です。データの準備に補助的なシステムを使用することで、プロセスを容易にすることもできますが、AIを効果的に応用するためには、依然として人間からのインプットが必須です。実際のところ、一部の企業がAIを導入できない要因となっているのは、必要なデータを準備し、プロセスを管理できるテクニカルチームが不足しているためです。 さらに、コンピューティング処理能力が劇的に向上していることで、AIシステムが瞬間的に結果をもたらすという思い込みも生じています。しかし、人間が自転車に乗る方法やチェスを学ぶように、AIシステムも同様の学習経験を積む必要があります。AIシステムは、高速に、かつ24時間動作することが可能なだけで、フィードされたデータに応じて「学習」するための適切な時間が必要であることに変わりはありません。 AIにできること AIは、前述のように、ビジネスのあらゆる課題を解決するブラックボックスではありません。AIを効果的に応用するためには、必要なデータの取得、モデルのトレーニングと同時に、求められる結果を得るためにアウトプットを分析し、モデルを調整する反復プロセスなどといった体系的なステップを厳密に順守することが不可欠です。 それぞれの性能は別として、膨大なデータ量を処理できるAIに人間は太刀打ちできません。そのためAIは、データに関連した問題を解決するための有力な候補と言えます。たとえば、多くのマーケターが苦労している特有の問題として、複数のデバイスを交互に使用しているユーザーを追跡することの難しさがあります。AIシステムは、人間がためらっている間にも数十億のデバイスに関する情報を完璧に集約し、セールスファネル(潜在顧客が商品を購買し、さらには優良顧客になるまで絞り込まれていくプロセス)を通過するユーザーを正確に識別することができます。 またAIは、アドフラウド(広告詐欺)対策に利用する事ができます。アドフラウドを仕掛ける運用者は、ルールベースの従来システムを出し抜くような手段など、常に新しい戦略を練り、不正対策を綿密に調査、テストしています。たとえば、同一アプリのインストールがX回された場合、それを疑わしい行為としてフラグを立てると、悪意のある者は、その不正対策をすぐに察知し、クリックファームによるインストール回数をX-1と再設定するのです。 たとえデータを監視するために十分な人員を雇うことができても、数百、数千という異なるトラフィックソースからの膨大なデータを、しかもリアルタイムで監視することは、採算が合う対策とは言えません。しかし、AIを搭載したAppierのプラットフォームは、休むことなくデータを分析し、短期的および長期的な傾向を精査することで、疑わしい行為を特定することができます。 AIが約束するもの 結論として、AIから成果を引き出すには、企業が解決したい問題を明確にし、AIが具体的にどのような恩恵を企業にもたらすのか、その可能性を判断することから始まります。そして、その判断結果が「Yes」である場合、次のステップはAIモデルの構築に活用できる関連データを特定、照合することです。 AIは決して魔法ではありませんが、適切に導入・運用されれば、企業に計り知れない恩恵を約束します。AIは人間には処理の不可能なほどの膨大な量のデータの相関関係を理解し、分析することで、実行可能なインサイトを引き出します。これにより企業に最終的な収益に差をもたらすことが可能になるのです。 この記事に関するお問い合わせは、press@appier.comにお寄せください。

VIEW >

「投資対効果(ROI)を高めるAI」

チーフAIサイエンティストであるミン・スンは、「企業の投資対効果(ROI)を高める人工知能(AI)」について、以下の通り発表しました。   1. マシンラーニングを活用すれば工場の業務停止を回避できる   AIは、人間のように音声、画像、文章(テキスト)の認識が可能なだけではなく、人間にはできない膨大な量のデータを分析して、価値のある結論を導き出すことができます。これまでのAIは、作業時間の長さや一つ一つ指示を与えなくてはいけない点から実用的とは言えませんでした。しかし昨今のAIで着目されている点は、人間が与える証拠にもとづいて、機械が自律的にデータを学習する、いわゆる機械学習(マシンラーニング)です。より自然で直感的に知識を収集する方法で、人間の学習経験に非常に似ています。 その一例が、大量の画像を自律的に学習する画像認識です。これは、たとえば工場で機械故障の兆候が表れた段階で事前に対処できるようにするなど、製造業に大きく役立ちます。このような防止策によって、部品や部材の交換に無駄な時間を費やすことなく、ビジネス上の投資対効果を高め、事業停止時間も低減できるようになります。   2. 「犬」と「チワワ」の関連性をみつけられるディープラーニング   機械学習が進化したものとして、機械が自律的に複雑な学習を効率的に行う、いわゆる深層学習(ディープラーニング)があります。従来の機械学習では、あるところまで到達すると、学習が飽和状態となり、停止してしまいます。しかしディープラーニングは、意思決定プロセスの数を増やすほど学習の深さが増していくので、インプットするデータが多いほどAIは賢くなり、機械学習が導く結果はより精度が高くなります。 例えばウィキペディア全体をAIにインプットしディープラーニングを適用すれば、単語間の関係が自然に学習されます。たとえば、「犬」と「チワワ」が関連していることや、「東京」と「日本」が関連していることを学習できるのです。   3. 顔認識や顧客サービスへの適用   ディープラーニングを使用した画像認証技術が、コンピュータビジョンです。オブジェクトを数多く学習させることで、将来的に同様のオブジェクトを識別する方法を学習します。コンピューターがオブジェクトの特徴を自動的に識別できれば、人間が手動で設計する必要はなくなります。今日、このコンピュータビジョンの適用例として最も一般的なのが「顔認識」であり、海外では無人スーパーで導入されています。 ディープラーニングを使用して言語を分析し、自然言語理解を通してユーザーの興味や感情を認識するのが、自然言語処理です。これは、チャットボットによる顧客のニーズと期待に沿った応答生成といった顧客サービスなどで活用されています。   4. 長所短所と効果   ディープラーニングの主な強みは、インプットするデータが多いほどより良い結果を導ける点です。一方で、多くのデータを必要とすることは短所でもあります。ディープラーニングは処理速度が大幅に高いため、適切なAIツールを適用している企業は、生産性を10倍~100倍に改善できます。これにより余分な投資なしに事業を拡大し、収益向上に成功しています。

VIEW >

Appier設立5年を振返り、次の5年の課題に挑む

CEO兼共同創業者 チハン・ユー, Appier 僕が5年前にAppierを始めた頃、人工知能(AI)は今ほど盛り上がっていませんでした。今やAIが毎日いろいろなところで話題になっていることを考えると、Appierの最初のビジネスアイディアが、ハーバード大学の寄宿舎でのブレインストームから生まれてきたことが信じられません。そして最初の顧客が僕達を信頼して発注してくれた時の喜びを今でも鮮明に覚えています。 これまで僕達は多くの困難にぶち当たり、そこから多くのことを学びました。アントレプレナーとしての僕らの初めての学びは、「夢は大きく、失敗を恐れない」ということでした。僕達はこの起業家精神を会社が成長していく過程においても大切にしてきました。そして僕達は社員たちにも起業家精神を大切にしてほしいと考えています。リスクや失敗に真摯に対応しなければ、誰も考えたことのないような奇抜なアイディアが生まれてくることはないだろうと思うのです。 僕らがAppierを設立以来つねに考えていることは、僕らの製品を通してAIが社会と産業に実際的な影響を与えることができるかということです。そしてAI技術を活用したソーシャルゲームから企業向けのマーケティングおよびデータインテリジェンスプラットフォームで成功するまでに8つの転換点を経験しました。僕らはこれまで決して諦めず、8つの転換点を乗り越え、Appierを進化させてきました。 僕達4人で始めたスタートアップが、今ではFORTUNE誌からAIの革新を牽引する重要な企業の1社として認められる立場に成長しました。Appierはアジア地域でのビジネスネットワークを拡大し、現在1,000社の企業や代理店と取引しています。そして多様性に溢れた人材を採用しています。僕の人生で最高の出来事は、明晰で才能あふれる同僚達に囲まれて仕事ができる機会を得られたことです。 今後5年かけて僕達は「Cross X プログラマティック」および「アイソン」プラットフォームといったAIソリューションの製品ラインを拡大し機能を追加していきます。これにより、AI技術の進化を自社の優位性につなげたい企業のニーズに対応します。これらの取り組みには人材が必要です。アジア地域におけるエンジニアリングとAI研究開発力を強化するためにも今後も優秀な人材を採用し続けます。 僕達はAppierを支援し、励まし、信じてくれた皆さんに感謝の気持ちでいっぱいです。僕らにとってこれまでの5年間は準備段階のようなものです。Appierは新しい課題に挑み始めています、次の5年でどのように進化できるか期待していて下さい。 著者について: チハン・ユーは、Appierの共同創業者で最高経営責任者(CEO)です。チハンは、ハーバード大学とスタンフォード大学の研究室に在籍した経歴を持ち、AI(人工知能)、ロ ボティクス、機械学習の分野で多数の研究論文を執筆してきました。米国特許を2件取得しています。 2010年ハーバード大学でコンピューターサイエンスの博士号を取得しています。ハーバード大学在学時は、ワイス応用生物学エンジニアリング研究所と共同で、ポリオ患者の歩行を支援する自己適応型ロボ ティクスシステムを開発しました。彼の博士論文は、マルチエージェントAI分野の最優秀論文賞にも選 ばれています。ハーバード大学入学以前には、スタンフォード大学で修士号を取得しており、ここではDARPA Grand Challengeで優勝したプロトタイプ「Stanley」の開発チームに参加し、Googleロボットカープロジェクトの礎を築きました。 2016年3月に、世界経済フォーラムの「2016年度 ヤング・グローバル・リーダーズ」に選出されまし た。Appierは、選出リストの中で唯一のアジア地域のAI企業でした。.

VIEW >