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

オーディエンスのセグメントに重要な「精度の高い予測」を実現するために

執筆者:ジュンデー・ユー / チーフ・ビジネス・オフィサー

企業がこれまで実施してきた不特定多数を対象にした広告やマーケティング・キャンペーンは、過去のものになりつつあります。企業は、対象となる消費者のことを知らなければ銀行ローンや衣料品などをオンラインで販売することは困難です。企業の多くは、最適なオーディエンスを特定することがマーケティング施策のROI(費用対効果)を最大限に高めるために大切なことか、実感していることでしょう。

オンラインの閲覧状況の分析や顧客のセグメンテーションは、とても面倒で手間のかかるプロセスです。企業では経験に基づく推測や単純なデータ分析ツールの活用など、さまざまな取り組みが行われています。これらは、少数の次元を分析する場合には有効ですが、複雑なデータや相当数の次元を分析する場合、真の難題に直面することになります。

ターゲット・オーディエンスを特定する強力なAIツールとは

現在、マーケターが利用できる最もエキサイティングなツールの一つに、人工知能(AI)によるオーディエンス・セグメンテーション予測があります。企業は、予測分析の大分類としてオーディエンス・セグメンテーション予測を活用することで、KPI(重要業績評価指標)にかかわらず、販売量、クリック数、インストール率などにコンバージョンする可能性が最も高いターゲット・オーディエンスを特定できるようになります。

台湾で最も影響力のある雑誌の一つ、コモンウェルスマガジンは、Appierのアイソンプラットフォームが備える強力なオーディエンス・セグメンテーション予測機能を活用し、劇的な成果を挙げました。過去にリーチできなかった貴重な読者を獲得しただけでなく、300%以上のROAS(広告費用対効果)を達成し、同雑誌の購読および購入は、KPI比で404%増加しました。

最先端のオーディエンス・セグメンテーション予測ツールは、行動パターンに着目し、デモグラフィックデータと組み合わせて傾向を特定することで、最も有望なリードを抽出します。その効力は、顧客セグメンテーションでさらに発揮されます。データを分析し、ターゲット・オーディエンスを見つけ、拡大できるようにレコメンデーションを提示することも可能です。

AIを搭載したアイソンプラットフォームには、以下のようなことが可能です。

  1. 正確なオーディエンス像を把握する

多くの人が複数のプラットフォームでコンテンツを利用しており、企業がウェブサイトやモバイルアプリといった異なるデータソースの統合に苦労しているように、顧客の行動を統一的に把握することは困難です。また、データが断片的、非連続的なこともあります。

アイソンは、異なるプラットフォームおよび情報源からのデータを一元化させることができます。ユーザー特性に関するデータは、Appierが独自に蓄積してきたアジア地域の20億を超える匿名デバイスプロファイルと重ね合わされ、各顧客セグメントのより詳しい状況を把握することができます。高精度なデータ分析により、より正確な予測とセグメンテーションが可能になり、サービスを乗り換える可能性の高い顧客、他人に紹介する可能性の高い顧客、購入する可能性の高い顧客などを判別することができます。さらに、最も収益をもたらす顧客を明らかにすることも可能です。

  1. よりタイムリーな販売やコンバージョンを促進する

購入サイクルの中で、より効果的に顧客にリーチできるのは、顧客に購入意欲がある時です。オーディエンス・セグメンテーション予測は、最も受容的なタイミングにある顧客を抽出することができ、販売やコンバージョンを促進することが可能です。

  1. 新しい市場を開拓する

オーディエンス・セグメンテーション予測技術は、企業の目的に基づいてデータを分析することで、新しい市場を開拓し、その中でも絶好の機会を特定することができます。分析した行動データならびにデモグラフィック・データから導き出されるインサイトは、新しいターゲット・セグメントの特定にもつながります。新しいカテゴリーの潜在顧客をターゲットにしたい場合、AIがプロファイルを学習し、市場セグメントをさらに細分化することができます。

一例として、不動産情報サービス事業を展開している日本のLIFULLがあります。同社は、豊富なCRMデータを保有していますが、Appierと協力することで、現在、膨大なオンラインおよびオフラインの不動産データベースを統合、分析しています。LIFULLは、アイソンを利用して大量のデータを有効活用し、より効果的なオンライン・マーケティング・プログラムの実践や新しい革新的なビジネスの開拓に役立てています。

4 離脱する可能性のあるユーザーを特定し、オンラインでリエンゲージメントする

アイソンの離脱予測機能により、過去にサービスを乗り換えた顧客、または離脱した顧客のパターンや傾向を特定できます。そのデータに基づき、既存顧客がサービスを乗り換える、または離脱する可能性を予測することができます。また、得られたインサイトは、同じセグメントの顧客に対するフォローアップやリエンゲージメントに活用できるため、マーケティングチームや販売チームにとって有用です。

  1. 広告主にとって最適なオーディエンスを見つけ、収益を高める

行動やデモグラフィックに基づいて顧客をセグメンテーションすることで、広告主にとって最適なオーディエンスを見つけることができます。つまり、異なる顧客セグメントに合わせてマーケティング、レコメンデーション、プロモーションを調整することが可能になります。

最後に:

Appierのオーディエンス・セグメンテーション予測ツールは、マーケティング活動を強化するために容易に利用することができ、既存の技術を補完することにもなります。予測マーケティングやパーソナライゼーションに取り組んでいる、または一般的なマーケティング活動を強化したい企業には、アイソンのオーディエンス・セグメンテーション予測技術は、ターゲット・オーディエンスの特定とマーケティングの実践にあるギャップを埋めることができます。

アイソンはオーディエンスのデモグラフィック・データ、行動データ、興味、キーワーなどのインサイトを提供します。細分化されたデータを活用することで、有望な見込み客グループを抽出し、マーケティング施策を実施することでコンバージョン率を高め、さらには販売量の増加に導くことが可能になります。

執筆者:ジュンデー・ユー、チーフ・ビジネス・オフィサー

AppierのAI搭載のデータ・インテリジェンス・プラットフォーム「アイソン(AIXON)」を含む事業を統括しています。Appier入社以前は、アプリに関する市場データと分析ツールを提供するApp Annie社のアジア太平洋最高業務責任者を務めました。インターネット分野のスタートアップ企業で10年以上の経験を持ち、App Annieの同地域におけるセールスの第一人者として事業展開を大いに貢献しました。

 

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

「日本におけるAI人材育成」
Appier ミン・スンと理化学研究所 兼 東京大学 杉山教授が対談

Appier は、日本の AI 研究分野で活躍する第一人者のインタビュー動画シリーズ、「AIタレントインタビュー」を開始しました。 チーフ AI サイエンティストのミン・スンがナビゲーターを務める第一弾は、理化学研究所革新知能総合研究センター長 兼 東京大学大学院新領域創成科学研究科教授である杉山 将氏との対談です。 インタビューの前半は、杉山教授が現在取り組んでいる弱教師つき学習や、正例とラベル無しデータからの学習(PU学習)といった機械学習の現状と将来性について議論しました。さらに昨今日本で課題となっている「AI人材の育成」についての展望を語り合いました。 日本のAI人材の現状および提案 杉山:日本にはコンピュータサイエンスや機械学習を学ぶ大学院生が多くいますが、大半は修士課程を経て企業へ就職します。博士課程で学ぶ学生やポスドク(博士号取得後)研究員になる人はほとんどいません。私がセンター長を務める革新知能総合研究センターでも、日本人のポスドク研究員の候補者がおらず、採用はほぼ不可能です。博士課程でAIを学ぶ学生そのものが、一定数必要だと感じています。しかしながら、今の日本では、博士号の取得が重要であると考えられていません。この現状を、まず変えなければいけないと思っています。 ミン・スン:似たことが台湾でも起きています。AI技術を身につけることは、就職の際に役立ちます。しかしそのためには、AI研究の神髄にチャレンジする必要があります。そこで、AIの世界で役立つものを身につけることができる博士課程で3~5年ほど学ぶことが、大きなプラスになります。私自身が博士号をとったアメリカでは、ITを含むさまざまな業界の企業が、博士課程の学生のスポンサーになり、博士号を取得すればインターンシップの機会を提供します。日本ではどうでしょうか。 杉山:日本でも、アメリカ企業が博士課程の学生をインターン採用することがあります。しかしそれ以前に、博士課程の学生がインターンになれるとしても、そもそも日本の学生は博士課程に進学しません。だからこそ、修士学生が博士課程に進めるように、奨学制度が整うべきだと思います。修士学生が博士課程に進んだら奨学制度を利用できると、保証することが有効でしょう。修士課程の間に奨学制度に申し込むことができれば、就職活動をする必要もありませんし、博士課程へ進む決断がしやすくなります。 Appierの最先端技術の開発、製品強化に寄与 ミン・スンは、2018年7月の入社後、過去1年で、Appierにおける先端的の機械学習技術の発展に寄与してきました。スンのディープラーニングの知見を活かし、Appierのエンタープライズ・ソリューションチームは、データサイエンスプラットフォーム 「AIXON(アイソン)」のソリューションを拡充し、非構造化データを活用して、ユーザー行動についてより深い洞察を得ることができるようになりました。Appierはまた、スンの機械学習の経験ならび人的ネットワークにより、最先端のディープラーニングを製品に反映しています。こうして、最高レベル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)」を提供できるようになりました。ミン・スンの主導によりAppierは今後、既存の研究開発のみならず、より高次なAIシステムの開発にも注力します。 ミン・スン プロフィール 2005年からGoogle Brainの共同設立者の一人であるAndrew Ng(アンドリュー・エン)氏、元Google CloudのチーフサイエンティストであるFei-fei Li(フェイフェイ・リー)氏などのプロジェクトに携わり、AAAI(アメリカ人工知能学会)をはじめ世界トップの人工知能学会で研究論文を発表。

VIEW >

マーケティングに第三者データを最大限に活用する方法

欧州の一般データ保護規則(GDPR)が成立したとおり、企業にとって個人データの保護は重要な課題となっています。調査会社イーマーケター(英語資料)によると、世界中のマーケター5人のうち4人が、採用したテクノロジーベンダーが問題なくこの欧州のGDPR規則に従っているのか不安を抱いていることが分かりました。 ユーザーとのエンゲージメントに焦点を当てたマーケティングで成功するにはデータが欠かせません。カスタマージャーニーがより複雑になるにつれ、自社の保有するデータだけで効果的なキャンペーンを達成するの困難です。ユーザーごとにパーソナライズしたオファーを提示することで精度の高いターゲティングとターゲットと類似のオーディエンス層を発掘するため、第三者データは必須の要素と言えます。 実際に第三者データを効果的に活用できれば、キャンペーン成果に多大な影響をもたらすことができ、一足先に商機を掴むことが出来ます。 このブログでは、第三者データの価値を最大化する4つの方法をご紹介します 1. 顧客の他の興味関心を発掘しシェアを拡大  自社のウェブサイト、アプリ、他のオウンドチャネルでのユーザー行動は、自社で収集した1次データで把握できます。性別、年齢やユーザーが保有するデバイスの位置などの基本的なユーザーの属性データ以外、個人の購入パターンや興味関心を把握できます。これら全て、キャンペーンのターゲティングを決める際に役立つ情報です。 さて、自社のチャネルの範囲外のユーザー行動はどのように収集すればいいでしょうか?ユーザーの他の興味関心は把握していますか?他社のサイトで興味を示した情報や商品の中に、自社が提供できるサービスや新商品はありませんか?こうした状況のときに第三者データが役立ちます。 自社の1次データと第三者データを整理し、人口知能 (AI) 搭載のツールを活用することで、自社以外のサイトでの顧客の関心についてさらに学び、理想的なオーディエンスをより厳密に特定することができます。 2. クロスデバイスのジャーニーを単一の画面でマッピング 顧客の興味関心を特定は課題の一つであり、マーケティングファネルのどの段階でユーザーにエンゲージメントキャンペーンを実施するかについても吟味が必要です。消費者の多くが複数デバイスを保有し、ウェブサイトを閲覧しているため、カスタマジャーニーがより複雑になっていることは事実です。ユーザーは様々なサイトやアプリ、複数のデバイスに渡って商品を探します。 第三者データおよび1次データを統一することで、包括的なカスタマジャーニーを構成することができ、単一のカスタマビューで自社のチャネル外のユーザー行動を把握することができます。この情報によりユーザーの購買意欲、購入する時間やサイトを予測することができます。 マーケターは、ユーザーが 購入する可能性が高いタイミングで関連性のあるエンゲージメントキャンペーンを実施することでマーケティングの効率性を改善できます。 3. 初めてサイトを訪問する新規ユーザーにパーソナライズされたお勧め商品を紹介 ユーザーが初めて自社のサイトを訪問した場合、どの商品を推奨するべきでしょうか? 一般的なウェブサイトコンテンツや関連性がない商品を勧めてしまうとユーザーは興味を失ってしまいます。この場合、第三者データを活用すれば、AIにより検出された外部サイトのユーザー行動を把握することで、ユーザーの将来の購入行動を予測できます。 例えば、新規ユーザーが自社のアパレル小売のサイトに訪れる前に、このユーザが過去数週間他社のサイトでフォーマルなドレスやバックを閲覧したことが分かれば、この会社はユーザーにとって初めて自社サイトを訪問した場合でも、似た商品をユーザーに勧めることができます。または、ユーザーが既に閲覧していた服装に合いそうなアクセサリーやハイヒールを薦めることができます。 4. ルックアライクに基づいて顧客ベースを拡大 新規顧客の獲得は、マーケターにとって重要な課題の1つです。第三者データをもとに、既存の顧客に似た、新規の見込みのあるユーザーを発掘することができます。

VIEW >

「コンピュータビジョンを活用した行動予測の応用と実装」Appier ミン・スンとグレッグ・モリ氏が対談

Appier(エイピア、共同創業者/CEO: チハン・ユー)は、AI 研究分野で活躍する日本人人工知能研究者を紹介する「AI タレントインタビュー」を開始し、この度第2弾を配信いたしました。 この対談動画では、Appier チーフ AI サイエンティストのミン・スンが、カナダ、ボリアリス AI ラボのリサーチディレクターであり、サイモンフレージャー大学 コンピュータサイエンス学部の教授であるグレッグ・モリ氏に、現在取り組んでいるコンピュータビジョンを活用した行動予測の応用と実装について聞きました。さらにモリ氏の日本の研究機関での就業体験や、カナダの企業と大学の要職を兼務する中で感じた日本の AI 人材育成に理想的な環境と大学の在り方、優れた AI 研究者となるための心がけを聞きました。   企業での実務経験をもつ方を教育者に   ミン・スン:大学生のときに、日本でインターンを経験されていますね。日本の AI 研究者や学生が育つ理想の環境とはどのようなものだと考えていますか? グレッグ・モリ:現在は最先端の AI を開発するための研究者や、特定のソフトウェア開発の技術者が不足しているため、世界中の大学、政府、企業が AI

VIEW >