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

予算内で質の高い見込み客をより多く獲得するためAIを活用

CPL(リード獲得単価)は、これまでマーケティング活動を評価するための中核指標とされてきた。Hubspotのレポートによれば、米国の企業の63%が自社のサイトへのトラフィックおよびリード獲得(英文)を最大目標と位置づけていることから、CPLを重要視するのは当然のことといえるだろう。

しかしながら、企業の多くが利用する指標、CPLにも大きな欠落がある。リードの質が考慮されていないという点だ。低CPLそれ自体は望ましいことであっても、質の高いリードの獲得が伴わなければ、コンバージョンレートや収益の低下をもたらすことになり、企業にとっては望ましい結果とはいえない。

幸いなことに、低CPLが必ずしも獲得リードの質の低下を意味しない。人工知能(AI)を活用することによって、マーケターはCPLの抑制と、高いコンバージョンレートをもたらす高品質リードの獲得を両立できるようになる。

ハイパフォーマーの抽出:オーディエンスセグメントの特定と、類似オーディエンスのターゲティング

AIが搭載されたプラットフォームは、顧客の利用デバイスを認識し、複数デバイスを横断した閲覧行動をもとに行動プロファイルを構築できる。さらにこうしたプラットフォームは、ウェブ閲覧と購入との相関性が高く、収益につながりやすいオーディエンスグループに共通した顧客属性や嗜好を特定し、同様の特性を示す他のユーザーをも特定できる。これをルックアライクオーディエンスと呼ぶ。

企業がこれを利用すれば、最良のオーディエンスを特定・購入し、広告キャンペーンを通して接触することにより、これまで想定していた領域以上の拡大が可能になる。

例えば、3日間に10の種類の製品情報を閲覧した消費者のほうが、1日に5つの製品を閲覧した消費者よりも企業にとって好ましいオーディエンスかもしれない。従来のマーケティングアプローチは、両方のオーディエンスを対象に施策を実施し、なにか良いことが起きることを祈るような、曖昧な想定に基づいたものだった。しかしながら、AIの活用は希望的観測を排除し、最大のリターンを得るために必要な、事実として最も収益に寄与する顧客をターゲットすることが可能だ。

購入までの時間を短縮するリマーケティング

AIはリマーケティング(プロダクトに興味を示しながらも購入にいたらない見込み顧客にリーチする)においても効力を発揮する。顧客が利用するデバイスすべてにおいて働きかけをすることにより、初回訪問から購入にいたるまでの時間を短縮できるのだ。

例えば、ユーザーがPCで製品情報を閲覧し、さらにスマートフォンでも同製品を閲覧したとする。先進的なシステムなら双方のプラットフォームでリマーケティングを実施することが可能だ。具体的にはPCに向けて電子メールで、スマートフォンではアプリの通知によってメッセージを送る。これは消費者にとっては利用デバイスを変えたり電子メールアプリからウェブブラウザに切り替えたりすることなく、数クリックで直接購入にいたる後押しとなるだろう。

対象はデバイスではなく人:シングルカスタマービューの重要性

AIが搭載されたプラットフォームであれば、ユーザーごとのデバイス横断の閲覧行動や行動履歴(シングルカスタマービュー)にあわせ最適化されたリコメンデーションや広告クリエイティブの提示が可能だ。こうした閲覧行動は、デバイスではなく個人に帰属するものとして認識されるため、特定の意図や行動ならびに習慣を持った「人」の実像を構築できる。このアプローチは、より高いコンバージョンレートをもたらすだけでなく、ルックアライク手法によるオーディエンス拡張も容易にする。なぜならば、マーケターが求めているオーディエンス特性の把握がより具体的なものとなるからだ。

例えば、Aという男性の消費者の保有する複数のデバイスを横断した閲覧履歴に着目する。従来のマーケティング技術で理解可能なのは、デバイスを横断して閲覧されたコンテンツのトピックがスポーツ、テクノロジー、経済、旅行と多岐にわたることだけだ。

複数のタッチポイント(閲覧履歴)の情報は入手できたとしても、それらデバイスが何名の消費者に共用されているのかの特定は困難であり、それらトピックも消費者個人の嗜好という人物像をはっきり結ぶのに充分なものではない。

消費者Aの複数デバイスを横断しての閲覧行動と、閲覧コンテンツに含まれるキーワードをAIで分析すれば、彼が所有する複数デバイスすべてをリンクさせ、旅行中にはバスケットボール、仮想現実、ビットコイン、格安ホテル、朝食といったキーワードを含むコンテンツを閲覧していることが特定できる。こうしてAという人物のより鮮明なプロファイルと彼の嗜好が浮かび上がり、最適化されたコンテンツを用いた個別のマーケティングが可能になる。ここで重要なのは、このことによって企業やブランドは消費者A、さらには彼と似た嗜好を持つその他大勢の消費者との対話を開始し、長期的な関係を構築できる可能性があるということだ。

制限の設定:フリークエンシーキャップあるいは実施しないという判断の重要性

これほど強力な手法がいつでも利用可能になると、消費者にマーケティングメッセージの雨を降らせたいという欲望に駆られるものだが、それは消費者の負荷が多くなり、結果として広告キャンペーンから距離を置かれてしまうリスクを伴う。同時により多くの広告費がかかることも考慮すべきだ。

高精度なAIアルゴリズムは、フリークエンシーキャプを適用し、消費者がメッセージの多さに戸惑うことのないように調整を行う。これは広告費用の適切な配分と、インプレッションの無駄打ち抑制につながる。ユーザーが所有するデバイスを横断して調整する必要があり、利用デバイスが変わっても同一ユーザーであると認識できる能力がなければ不可能だ。同一のユーザーに、デバイスごとに紛らわしいマーケティングメッセージが伝わることを回避できる。

「フリークエンシーキャップ」には、1日あたりの上限を設定することも、キャンペーン期間を通じた上限を設定することもできる。マーケターの意図にあわせた最適なルールをAIに適用させることも、インプレッションおよびクリック数の上限を手動で設定することも可能だ。

世界有数の化粧品ブランドEstée Lauder社のケースでは、この手法が同社のマーケティングの成功に繋がっている。同社はAppierのCrossXデータベースに蓄積された、過去に実施した3,000ものキャンペーンデータに含まれるプロファイルの中から「ルックアライク」機能を用いて新規の高価値かつ若年層のオーディエンスを獲得することができた。これにより、同社は獲得リード数を167%に拡大し、同時にCPLを63%に抑制することに成功した。さらに、CrossXの「リマーケティング」および「フリークエンシーキャップ」といった機能の利用により、ブランドに興味を持つ高価値ユーザーがコンバージョンにいたる時間の短縮も達成できた。

リードの質を高めたいマーケターにとって、AIは、獲得単価の抑制もあわせてそれを達成できる、非常に強力なツールだといえるだろう。マーケティングリードの獲得においては、ローコストと高品質はいまや両立可能となった。

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

2018年は、AIが喜びと驚きをもたらす年に

シュアン・テン・リン(Dr. Hsuan-Tien Lin)、Appierチーフデータサイエンティスト 現在、深層学習および機械学習技術を基盤とする人工知能(AI)システムは、企業の様々な場面で活用されています。活用事例として、営業活動の支援、業務の効率化、生産性を向上させる新しいインサイトの提供などが挙げられます。この技術は、多種多様なハードウェアとソフトウェアに搭載され、腕時計、通信機器、自動車などに活用されています。AIは、その高い有用性ゆえ、「AIおよび認知システムに関連する世界的な消費額が2017年には125億ドルに達し、2016年に比べて59.3%増加する」とIDCは予測しています。 主要業界アナリストは、AI技術の使用が2017年に変曲点に達したと述べており、Appierも同意するところです。Deepmind社は、2017年10月、同社のAlphaGo Zero AIが過去の対局をまったく参照せずに囲碁の打ち方を学習し、先代システムを打ち負かした(英語資料)と発表しました。また、ベルギーのルーヴェン市に本部を置く国際研究機関Imecは、2017年、オリジナルの音楽を作曲するだけでなく、新しいタイプの音楽を参照させるだけで、いろいろなジャンルの音楽を作曲できるように学習する、自己学習型チップ(英語)を発表しました。こうした飛躍的な進展以前は、求めている結果を得るために既存のデータセットをトレーニングする必要があり、自己学習は不可能と考えられていたのです。 2017年において数多くのAIを取り巻くニュースや進展がありましたが、Appierでは、2018年も引き続きAIの世界がサイエンスフィクションそのままの、驚くような能力をもたらすであろうと考えています: AIは、より速く、正確に、万能になる 私たちは現在、AI技術が主流になるであろう2020年に向かって進んでいます。Gartnerは、AIが多くのアプリケーションやサービスで活用(英語資料)され、企業におけるデジタル化への取り組みが2025年まで実質的な利益につながると分析しています。また、IDCは、「AIおよび認知システムに関連する消費額においてアジア太平洋地域が2020年までに世界第二位の地域になる」と予測しています。 今後もAI研究で多くの偉業が達成されることが予想されます。AIがより大規模で高性能のハードウェアとソフトウェアの発展を牽引することで、企業は、今までより正確な予測や推奨を実現させるようになります。また、AIは、アプリケーションの開発や導入を自動化できるため、革新的な製品やサービスの市場投入までの時間を短縮できるようになります。一方、企業にとっては、特定の市場セグメントにターゲットを絞り、少数のカスタマイズしたブランドを顧客の嗜好に合わせて順次アップデートすることで、大量生産が不要になる可能性もあります。 AIは、実用的なビジネスコンサルタントになる AIは現在、すでにビジネスに関連するデータの意味を理解しており、マーケティングの強化や業務の質の改善に役立てることができる情報の獲得や予測に貢献しています。Appierの、AIをベースにしたアイソン(Aixon)プラットフォームは、消費者動向の予測に貢献しており、アイソンの導入企業は増加しています。ベンダー各社は、AI技術がもたらす量的および質的メリットを紹介できるようになります。そしてより多くの企業がAIによる成果を実感することで、AIシステムを積極的に採用し、その推奨への信頼性が高まることのなると予想されます。 AIは、核心的な技術になる Appierでは、AIがより核心的な技術として活用されると考えています。 AIは、2011年から2015年まで、その将来性を発揮し、2016年から2020年までには、ますます商用化が進みます。 2020年からは、私たちの生活や、問題を解決するために効果的に使われる技術として不可欠なものになることでしょう。 私たちは現在、2016年から2020年というサイクルの真っ只中です。AIを搭載したシステムは、2018年には、さまざまな商用トライアルで性能が試され、より多くの都市の限定的な環境に導入されることになるでしょう。また、より多くのベンダーは、市場の需要に応え、AIによるデータ分析を可能にするビジネス関連ソフトウェアやサービスを提供することになります。アプリケーションに関しては、ブランドに興味を失う可能性がある(離脱する)顧客を予測したり、よりパーソナライズされた接客方法を推奨したりすることで、顧客の獲得や維持を容易にするソフトウェアが一般的になります。 AIは、ユーザーインターフェイスとして信頼を得る AppleのSiriやAmazonのAlexaなど、チャットボットや音声作動式のデジタルアシスタントは、2018年には、よりスマートで万能になるため、より多くの人が物事をこなすために使うようになり、より多くの企業が一次レベルの顧客サービスに採用するようになります。これらのアプリケーションは、音声やタイピングによる会話をAIによって理解し、従来のソフトウェアよりも知的に人と交流することが可能になります。 Beige Market Intelligenceは、チャットボットの有用性に関する認識が広まるにつれ、2016年から2022年の間にチャットボットの世界市場が28%以上の年平均成長率(CAGR)を記録する(英語資料)と予測しています。Forresterは、『2018年予測:デジタルディスラプションがB2Bマーケティングの新たな常識になる』と題されたレポートで、より多くのベンダーがこの市場に参入すると報告しています。また、Forresterは、この技術が潜在顧客を発掘するのに十分強力になり、それに応じてフォローアップすることも可能になると予測しています。チャットボットやバーチャルアシスタントは通常、短い対話を処理しますが、近い将来には、長い会話を認識するようになる可能性もあります。 AIが私たちの生活に果たす役割 AIを導入することで私たちの暮らしや仕事は変化するでしょう。AIは、同じことを繰り返す、時間のかかるような仕事や、危険な場所での仕事など、人間よりも多くの作業をこなすことができます。しかし、AIが人間に置き換わり、すべての仕事を刷るようにはなりません。新しいAIを基盤とするアプリケーションは、私たちの生活水準を向上させ、私たちがしたいことにより多くの時間を費やせるようにしてくれます。

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 >

金融機関にとって
顧客エンゲージメントが重要な理由

アジア太平洋地域(APAC)における金融機関の顧客エンゲージメントは、今後さらなる改善が可能であり、それらの多くは、顧客のニーズを先取りしたアプローチが重要になります。事後対応では顧客体験は乏しくなりがちで停滞してしまい、他での顧客体験を求めて顧客の流出が懸念されます。 しかし、適切な人工知能(AI)ツールを使用することで、金融サービスでの顧客エンゲージメント戦略を事後対応型からプ顧客のニーズ先取り型にシフトし、その過程でさまざまな戦略を実践することができます。   1. 金融機関における顧客エンゲージメントの現状   APACの金融機関で十分な顧客エンゲージメントがなされていないことは事実です。IDC Financial Insights によると、この地域の銀行の80%は依然として一貫性のない顧客体験を提供しています。報告書によると、ほぼ半数の銀行(46.4%)がオムニチャネル戦略に対して単発的なアプローチしか取っていなかったため、顧客体験が浅くなっています(英語資料)。 さらに、銀行がリアルタイムで、臨機応変な顧客体験を提供することが重要であると述べています。これは、APACの金融機関にとって大きなチャンスを意味します。 顧客の期待に応える、またはそれを超えることができれば、顧客はロイヤルカスタマーとなり、従業員やビジネスパートナーのロイヤリティーも獲得することができます。   2. 金融機関の課題   金融機関が保有するデータを顧客エンゲージメントのために有効に使用できていないのが現状です。データが導くことができる可能性を十分理解していないがために、データの有効活用ができていないともいえます。 次に、レガシーの問題があります。 多くの金融機関は昔ながらの働き方をしているため、面倒なデータ保有とその分析が負担になっています。 時代遅れのデータポリシーと相まって、顧客のニーズを先取りした顧客エンゲージメントを妨げてしまっています。 積極的に自社のサービスを提供するためには、顧客の断片的な分析ではなく、自社サイト以外での顧客の関心や意図を把握する必要があります。データサイエンスとAIを活用して、パーソナライズされた顧客エンゲージメント手法を作成すれば、これらが可能となります。   3. 顧客を知る  

VIEW >