デジタルとリアルの融合がもたらすマーケティングのパーソナライゼーションの進化
ユーザーのデジタル接点の増加に伴い、マーケティングに活用できる情報の爆発的な増加が進んでいる。また、それらの膨大な情報を分析するテクノロジーもAIの活用により大きく進歩し、パーソナライゼーションにも大きな変革が訪れている。今回は、パーソナライゼーションに焦点を当て、従来の方法から新たな方法まで、どのような背景に伴い、どのように変化しているのかを考えていく。
パーソナライゼーションとは
一度は聞いたことがあるワードであるが、パーソナライゼーションとは具体的に何を指すのだろうか。パーソナライゼーションの考え方は、その線引きの難しさから、一つに絞られるモノでは無い。この記事では、パーソナライゼーションを「レコメンデーション機能の中の一つであり、インプットした情報を元に各個人向けの情報やサービスを提供すること」と定義し、解説していく。
パーソナライゼーションの変遷
近年、情報収集はテレビや新聞にとどまらず、スマートフォンのネットニュースやSNSなどでも行われるようになり、個々人が情報を発信・収集する能力が向上している。この情報過多の社会において、人々の価値観は多様化し、それに伴いパーソナライゼーションの手法も変化している。
従来のパーソナライゼーションは、ECサイト上での検索履歴や購入履歴に基づく協調フィルタリングによるレコメンドが主流であり、これは1990年代後半にAmazonが初めて導入したものだ。しかし、情報社会の発展に伴い、パーソナライゼーションの手法も進化している。
現在では、ECサイトだけでなくオフラインでのその他の活動データも含め、様々なデータをインプットし、最新のデータ解析ツールや機械学習を用いてレコメンドを行い、オンラインやオフラインで発信されている。
この記事では、実際パーソナライゼーションのフローに基づき、元のデータを獲得する「1. インプットデータ」、そのデータを元に分析を行う「2. データ分析」、分析したデータを元に行う「3. アウトプット」の3つの切り口で掘り下げていく。
インプットデータ
データの獲得は、直接的に仕入れるリアルな方法と、ECサイト上などのオンライン上で収集を行うデジタルな方法の2つがある。さらにこの獲得したデータは、その入手経路によってパーティーデータと呼ばれるものにカテゴライズすることができる。ここではまず、リアルとデジタルの2面性について触れた後、パーティーデータのカテゴライズに焦点を当てて見ていく。
リアルとデジタル
インプットデータを入手する方法として、常日頃から店頭などで顧客とコミュニケーションが交わされ、そのように直接的に仕入れた情報で、個人個人へのパーソナライゼーションを作り上げることができる。
このような直接的な顧客とのタッチポイントに対して、ECサイト上でのcookieを使用した閲覧履歴や購入履歴などのデータを手に入れるというデジタル上での顧客とのタッチポイントが存在する。この手法では、より多くの人数の情報を収集、活用することができ、それをもとに協調フィルタリングを用いてパーソナライズを行うことになる。
また近年では、携帯電話のアプリを用いることで位置情報などの人流データを入手しパーソナライズに活用しているケースも見られる。
このように、企業はリアルとデジタルという二面での顧客とのタッチポイントを経て、データをインプットしている。
パーティーデータとは
インプットするデータについて、詳しく見ていく。企業が保有しているパーティーデータのうち、企業が自社サイトなどで収集したデータを1st（ファースト）パーティーデータと呼び、主に年齢や性別、地域や職業といったパーソナルなデータが含まれている。また、パートナー企業などの他社が収集したデータを2nd（セカンド）パーティーデータ、パートナー企業ではなく全く関わりのない企業が集めたデータを3rd（サード）パーティーデータと呼ぶ。
個人情報保護の観点から、サードパーティーデータから収集したサードパーティーCookieの廃止が進んでいる。これにより、サードパーティーデータだけでなくセカンドパーティーデータも規制されるようになり、ファーストパーティーデータを収集することの重要性が増してきているのが近年のトレンドだ。
2024年7月、Google ChromeはサードパーティーCookieの廃止を取りやめることを発表したが、ユーザーがオプトイン・オプトアウトを選択できる可能性が高く、他企業では世界的に廃止が進んでいるため、今後ファーストパーティーデータが重要になっていくことは変わりないだろう。
また、顧客自らが企業にデータを提供するゼロパーティーデータにも注目が集まっている。
データ分析
データをインプットした後には、そのデータを分析する必要がある。データ分析ではツールを用いて行うことが一般的であり、データ化が加速する現在では様々なツールが出現している。ここでは、初めにレコメンドツールについて解説していき、データ分析におけるリアルチャネルとデジタルチャネルの融合という現代のレコメンデーション概念、特にOMOについて少し触れていく。
レコメンドツールの進化
まず、分析ツールについて見ていこう。従来のレコメンド作成は、主にECサイト上の検索履歴や購入履歴といったデータを解析して類似した人の購入商品をレコメンドする、協調フィルタリングというという手法が一般的であった。
近年では次の行動を予測する行動解析ツールなど、多くの解析ツールが開発されている。また、インプットしたデータをAIやディープラーニング、ビッグデータを活用して分析し、ユーザーの次の興味を推測する手法が主流になりつつある。
例えば、AWSの機械学習ツールAmazon Personalizeでは、多くのチャネルからリアルタイムで情報をインプットし、生成AI機能を駆使してレコメンドを行なっている。この機械学習によって、ターゲティング・レコメンド機能の最適化、プロモーションの作成などが可能だ。
このツールを使用した興味深い事例として、ドイツサッカーリーグ機構（DFL）とAWSの協業によるアプローチがある。ブンデスリーガ公式アプリのパーソナライズ機能でAmazon Personalizeがレコメンデーションエンジンとして使用されており、各ファンの趣味嗜好に合わせてコンテンツを動的に配置することができる。これにより動画の視聴回数やリテンション率が向上し、アプリのセッション時間が17%長くなったという。
画像出典：ドイツサッカーリーグ機構（DFL）とAWS、パートナーシップを拡大し、ブンデスリーガおよびブンデスリーガ2部においてさらなるイノベーションを推進
＜参考＞
また、AIを活用したパーソナライゼーションツールDynamic Yieldは、CRMの統合および機械学習ツールでの分析により、カスタマーエクスペリエンスを高い水準で維持したままパーソナライゼーションを行なうことができる。あらゆるデジタルチャネルに対してアプローチできるため、導入後の収益を促進しやすいというメリットがある。
金融会社であるSynchronyは、デジタルバンキングの成長で選択肢が増えた消費者に対し、より良いサービスの提供と適切なアプローチを模索していた。Dynamic Yieldの様々な追加機能とデジタル戦略を活用することで、新規顧客のカード申し込みのコンバージョン率が7%増加。2023年にはパーソナライゼーションプログラムの拡大が評価され、Personalization Thought Leadership Awardを受賞し、金融業界を牽引する企業の1つとなった。
＜参考＞
Synchrony increases credit card applications with personalization
分析のデータ融合
「リアルとデジタルの融合レコメンド」は、現代のパーソナライゼーションの新たな展開を象徴する概念である。このアプローチでは、ECサイトなどのデジタルプラットフォーム上だけでなく、オフラインの世界でも個々人の行動や嗜好をデータとして取り入れ分析する。例えば、あるユーザーがオフラインで特定の商品を購入した場合、それをデジタルのデータに統合し、そのユーザーに対して関連商品のレコメンドを行うことができる。
特に、「OMO（Online Merges with Offline）」では、オンラインとオフラインの両方のチャネルからデータを分析し、レコメンドを打ち出すことができる。その結果、レコメンドの精度やパーソナライズ性能が高まる。このため、多くの企業がOMO分析を導入し、顧客に対してよりターゲットされたサービスを提供することで顧客満足度の向上や売上増加を目指している。
OMO分析の普及により、リアルとデジタルの融合がさらに進み、レコメンド性能が向上したことにより、一層個々人に適した体験が実現されることが期待されている。これは、現代のパーソナライゼーションの新たな展開を象徴する概念であり、その可能性は無限大である。
アウトプット
アウトプットの段階では、分析したデータを元に具体的な行動を起こしていく。アウトプットには、顧客に対するコミュニケーションやサービスの提供、商品のレコメンドなど、様々な手法がある。ここでは、アウトプットを行う際のチャネルがどのような変遷をたどっているかを見ていこう。
アウトプットの変遷
従来のアウトプットチャネルは、店舗であれば顧客への直接的なレコメンド、オンライン上であれば特にメールやECサイトでのレコメンドといったものがほとんどであった。しかし現在では、デジタル技術が発達しOMOの概念が普及したことで、様々なチャネルが出現している。その代表的なものが、スマートフォンのアプリケーションである。アプリを通すことで、オンラインとオフラインの垣根を取り払うことに成功し、店舗とオンライン上でほとんど同価値のサービスやレコメンドを受け取ることができる。
さらに興味深いことに、スマートフォン上での位置情報といった人流データや天気予報のデータと連携し、レコメンドを打ち出すことが可能になったという事例もある。現在はスマートフォンだけにとどまらず、身の回りにある電化製品にレコメンド機能を追加し、あらゆる場所でサービスを受け取ることが可能になってきているのだ。
このように、従来では考えられなかったアウトプットチャネルでのパーソナライゼーションが起こっている。将来的には、自身がいつどこにいても、自身だけに最適化されたレコメンドやサービスを受け取ることができる環境が整うのではないだろうか。
現代のパーソナライゼーションのレコメンド事例
最後に、現代のパーソナライゼーションを象徴する事例をいくつかピックアップする。それぞれリアルとデジタルという概念の垣根を越えたモノとなっており、現代におけるパーソナライゼーションのレコメンド事例を、「1. インプットデータ」「2. データ分析ツール」「3. アウトプットチャネル」の3つの観点で紹介していこう。
Intersports（中国）：店頭ディスプレイによるレコメンド
画像出典：Tmall, Intersport Open New Retail Megastore in Beijing
インプットデータ
スポーツ用品を販売しているIntersports店頭では、顧客が取り出した靴の情報をスマートシェルフとスマートシューズミラーが収集し、通行人の性別や年齢をインタラクティブウィンドウディスプレイがモーションセンサーで識別する。さらに、商品のデータをQRコードスキャンで収集している。
データ分析ツール
顧客の購買行動や市場動向をパートナー企業であるTmallのニューリテール技術が分析するほか、試着中の衣服に合うアイテムを推奨するため、AIショッピングアシスタントがリアルタイムで消費者の選好データを分析する。
アウトプットチャネル
スマートシェルフとスマートシューズミラーが製品情報を提供し、AIショッピングアシスタントが試着中の衣服に合うアイテムを提案する。クラウドシェルフテクノロジーが多様な商品選択肢を提供し、インタラクティブウィンドウディスプレイが最適な靴を推奨する。
バーガーキング（台湾）：天気予報アプリを用いたレコメンド
画像出典：Appierソリューションを導入し、パーソナライズされた双方向型マーケティングキャンペーンを構築し、ウェブサイトのコンバージョン促進に成功
インプットデータ
台湾のバーガーキングでは、AIQUA AIパーソナライゼーションクラウドを使用して、顧客の閲覧ページやカート追加といったオンライン行動データの収集・追跡・分析を行う。さらに、OpenWeather APIを利用して顧客の所在地の天気予報データも取得する。
データ分析ツール
AIQUAのAIデータ分析機能を用いて、収集した顧客行動データや天気予報データを分析する。これにより、顧客の行動や好みを深く理解し、セグメント化してパーソナライズされたマーケティング戦略を構築する。
アウトプットチャネル
分析結果を基に、AIQUAは顧客の行動に合わせてパーソナライズされたメッセージの自動配信を行う。例えば、ページからの離脱が検出された際に割引特典のポップアップを表示したり、天気に合わせて冷たい飲み物やデリバリーのクーポンを表示するなどだ。これにより顧客のエンゲージメントを高め、コンバージョンを促進することができる。
三菱地所×ウネリー：位置情報＋行動・購買データでレコメンド
インプットデータ
「みなとみらいスタンプラリーアプリ」とリアル行動データプラットフォーム「Beacon Bank®」を活用し、商業施設に来訪する顧客の行動データを収集する。382個のビーコンを設置し、スマートフォンアプリとの反応で顧客の施設内回遊行動を把握することができる。
データ分析ツール
収集した行動データを統計情報化し、マーケティング目的で分析を行う。来店者の購買データから、店舗間の購買相関性を分析し、特定の店舗で買い物をした顧客が他の店舗でどのように行動するかを可視化できる。
アウトプットチャネル
分析結果に基づき、顧客にパーソナライズされたクーポンやリアルタイムレコメンドをプッシュ通知で提供する。例えば、アパレルショップや飲食店の顧客に対してジェラート店のクーポンを配信し、回遊と購買を促進できる。ホワイトデーキャンペーンでは、ソーシャル広告を配信して再来店を促し、購買に結びつけた。
＜参考＞
行動データ×購買データの活用で平均購買頻度10%UP。みなとみらいエリアの商業施設で集客・買回りを促進
デンソー×NTTデータ：人流データ＋車の運転データでレコメンド
画像出典：デンソーとNTTデータ、車流×人流データを活用した移動体験変革の実証を完了
インプットデータ
車載器から運転特性や運転状況などの車流データを収集する。このデータには、運転中の速度やブレーキの使い方などが含まれる。また、スマホのGPSデータやビーコン反応ログを用いて人流データを収集する。これにより、個人の位置情報や移動経路を把握することができる。
データ分析ツール
収集した車流データと人流データを統合し、個々の運転特性や行動特性について詳細な分析を行う。具体的には、運転時のパターンや日常的な移動の傾向、頻繁に訪れる場所などを解析する。この分析を通じて、ユーザーの興味関心や行動パターンを理解し、それに基づく行動予測が可能になる。
アウトプットチャネル
分析結果に基づいて、個々のユーザーの興味関心に応じた店舗情報をレコメンドする。例えば、ドライバーが特定のエリアを通過する際に、そのエリア内で好みに合いそうな店舗の情報提供を行う。このレコメンドは、ユーザーが受け入れやすいと予測される最適なタイミングで、車内のディスプレイやスマートフォンアプリを通じて行われる。
Medulla ：髪質診断データでレコメンド
画像出典：「MEDULLA(メデュラ)」 がブランドリニューアル！日本初(※1) のパーソナライズヘアケアが約50万回分の髪質診断データを基に、商品・処方・WEBサイトを変更！
インプットデータ
オーダーメイドのシャンプーを製造している美容メーカーのMedullaでは、累計50万回分の髪質診断実績を基に、個々の顧客の髪質や悩みの把握を行っている。このデータは、クイズ診断や顧客のフィードバックを通じて収集する。
データ分析ツール
独自の髪質診断ツールを使用し、専門チームによって分析される。処方は約7万通りの組み合わせにアップデートされており、個々の顧客の髪の状態や悩みに基づき、最適な製品が提案される。
アウトプットチャネル
レコメンドは、パーソナライズされた処方に基づいて行われる。製品は顧客の名前が入った特別なボトルで届き、専門ビューティアドバイザーやオンラインカウンセリングを通じて、顧客に最適なヘアケアプログラムが提供される。
＜参考＞
MEDULLA(メデュラ)が「WEB髪質診断」を大幅アップデート！診断リニューアルした新しいMEDULLAが3月13日より先行販売開始。
資生堂：DNA検査でレコメンド
インプットデータ
資生堂のメンバーシップサービスBeauty Keyでは、顧客の美容体験に関するデータを収集するために、メイクアップARシミュレーターやクラウド肌分析アプリ「肌パシャ」、美容部員のライブ配信などのデジタルツールを活用している。
データ分析ツール
収集した顧客データを機械学習やデータマイニング技術で分析し、顧客一人ひとりにパーソナライズされた美容体験を提供するための情報を抽出する。この分析には、アクセンチュアとの共同作業によるデジタル・IT専門家のノウハウも活用される。
アウトプットチャネル
顧客データの分析結果を基に、特定の製品やサービスの推奨を含むパーソナライズされた美容体験の提案を行う。個々の顧客に対しては、肌タイプや悩みに応じた製品の推奨、季節や地域に合わせた美容情報の提供、お気に入りブランドの情報や動画コンテンツの提供などが含まれる。これらのレコメンドは、顧客がアプリを通じて受け取ることができ、個々のニーズに合ったサービス体験を実現する。
＜参考＞
資生堂の新会員サービス「Beauty Key」担当者が語る、リテールとともに目指す顧客のLTV向上
NIKE Fit ：AR搭載アプリでレコメンド
画像出典：Nike app
インプットデータ
ユーザーはNIKEの公式アプリ「Nike app」を使用して、自身の足のサイズを測定する。これはスマートフォンのカメラでユーザーの足を撮影することで行われる。アプリは足のサイズを正確に測定し、そのデータをユーザーのプロフィールに保存できる。
データ分析ツール
ユーザーの足のサイズデータを分析して、適切な靴のサイズを推測する。この分析には、NIKEが蓄積してきた多くのデータやアルゴリズムが活用されてお、ユーザーの足の形状やサイズ、過去の購買履歴などが考慮され、最適なサイズの靴が提案される。
アウトプットチャネル
アプリ上で分析されたデータを元に、ユーザーに最適な靴の種類やサイズを推奨する。これにより、ユーザーはNIKEのECサイトで靴を購入する際に迷うことなく、自分にぴったりの靴を選ぶことができる。
＜参考＞
アメリカでスタート！NIKE Fitの使い方を徹底解説！適正なサイズの靴を見つけることが出来る！
Samsung ：AI×家電でレコメンド (予定)
画像出典：【サムスン電子】 CES 2024で発表されたSamsungの「AI for All」ビジョン
インプットデータ
Samsungが発表したAI搭載スマート冷蔵庫「Bespoke 4-Door Flex™ Refrigerator」にはカメラが内蔵されており、最大33種類の食材を選ぶことができる。ユーザーはAI Family Hubのタッチスクリーンを使って食材の賞味期限を手動で入力することも可能で、写真から食事や食材を取得する「Image to Recipe」機能も備えている。
データ分析ツール
内蔵カメラで認識した食材をAI Vision Insideが解析し、レシピの提案を行う。AI Family Hubは食品の使用期限を管理することができる。また、グルテンフリーやビーガンなどの食事の好みに基づいてレシピをカスタマイズし、ヘルスプロファイルと連携して食事ニーズに合ったレシピのカスタマイズを行う。
アウトプットチャネル
冷蔵庫のタッチスクリーンで食材の賞味期限やレシピを表示し、通知を行う。Anyplace Induction Cooktopの7インチディスプレイにSamsung Foodアプリのレシピを表示でき、食品の使用期限が近づいた場合には通知が送られる。
＜参考＞
サムスン、AI搭載スマート冷蔵庫で未来のキッチンを革新－食材認識からレシピ提案まで
パーソナライゼーションの未来
情報社会の急速な進展に伴い、デジタルとリアルを融合させたパーソナライゼーションはこのように新たな進化をみせている。従来のデジタルデータだけでなく、オフラインの行動や嗜好を組み合わせることで、個々人にとってより適切なレコメンドの提供が可能になった。AIや位置情報、モーションセンサーなどの最新技術が積極的に活用され、多くの企業が新たなパーソナライゼーションに取り組み始めている。これらの手法は顧客のニーズを深く理解し、よりパーソナライズされたサービスの実現に大きく寄与しているといえるだろう。個人情報の適切な取り扱いが求められる中、技術のさらなる進歩とパーソナライゼーションの新たな展開に注目していきたい。
