効果的なマーケティングに必須

機械学習でパーソナライゼーションを強化する5つのコツ

パーソナライゼーションエンジンは機械学習を利用してコンテンツを個々の顧客向けに最適化する。企業がパーソナライゼーションを強化するコツを紹介する。

　パーソナライゼーションは、効果的なマーケティングに必須の機能だ。パーソナライゼーションの継続的な取り組みが顧客エンゲージメントや長期的なロイヤリティー（忠誠心）の向上につながることが、調査で分かっている。動画配信サービスのNetflixによる映画のレコメンデーションや、音楽配信サービスのSpotifyによる音楽の提案、ＥコマースのAmazon.comによる特別なプロモーションは、パーソナライズされたコンテンツが一般化しているだけでなく、消費者から期待されるようになっていることを示している。

　企業は機械学習を利用して、パーソナライゼーションを実現している。機械学習はコンテンツをパーソナライズするツールの切り札となっている。Evergage、Monetate、Certona、Dynamic Yieldなど、多くのパーソナライゼーションエンジンベンダーがこの機能を提供しており、こうしたベンダーの製品の需要は拡大している。米調査会社のGartnerが最近発行したパーソナライゼーションエンジンに関するベンダー評価レポート「Magic Quadrant」の2019年版によると、パーソナライゼーションエンジンの普及率は2016年から28ポイント上昇している。

　機械学習でパーソナライゼーションを強化するには、パーソナライゼーションがどのような顧客行動に影響を与えるかを明確に見据え、コンテンツの関連性を確立するための最も効果的な手段を選択する必要がある。顧客とのやりとりの過程では、パーソナルな趣向を加えるのに最適なポイントがある。

　パーソナライゼーションとカスタマイズを区別することも重要だ。マーケティングシステムは、顧客の利益のために前者を実行する。これに対して後者は、顧客が自分の求めるコンテンツにこだわって実行する意図的な選択の結果だ。パーソナライゼーションは予測に基づいており、機械学習が不可欠となっている。

　以下では、パーソナライゼーションを機械学習で強化する5つのコツを紹介する。

1．人口統計データを使用する

　人口統計データが、顧客の行動や好みの違いを説明する場合がある。例えば郵便番号は一般的に、顧客の全体的な社会経済的プロファイルを示す。郵便番号から分かる居住地域の情報には、小売店舗からの距離や平均年収、平均年齢、民族構成、生徒・学生数などがあり、既婚者率まで分かる場合もある。企業は人口統計データを手に入れて適用することで、予測モデルを改良でき、これによってパーソナライゼーションのための最終的なデータ処理を簡素化できる。

2．自社のソーシャルメディアオーディエンスを知る

この記事の著者

関連記事

• 

  やっと浸透し始めた「小売×AI」、次に待つ課題は？

• 

  ゲーム業界のデジタルマーケティングに「AI」はどう活用されているか

新着ホワイトペーパー PR

• 製品資料
  実際に悪用される脆弱性は4％前後　優先的に対処すべき脆弱性を把握するには？
• 事例
  三菱ケミカルが脆弱性への迅速な対応フローを実現した方法とは？
• 技術文書・技術解説
  MDMだけでは防げない？　Appleデバイスに潜む5つのセキュリティギャップ
• 事例
  大阪市の未来を創る「行政DX」の本質と、その取り組みを支える統合基盤の実力
• 事例
  【行政DX先進事例】横浜市が「市民に大切な時間を返す」を実現できた理由とは？