パーソナライズでの成功事例~パーソナライズ活用の方法~

昨今、AmazonやNetflixなどの影響を受けパーソナライズが世間に浸透してきました。
では、成功している企業はどのようにデータを活用してパーソナライズコミュニケーションで成果を生み出しているのでしょうか。
ブレインパッドの上村篤嗣氏が「プライベートDMPを用いたパーソナライズコミュニケーション事例」と題して講演した内容をご紹介します。

Amazonプライムビデオの例

まず、上村氏はコンテンツレコメンデーションがどのようなユーザー体験を生み出すのかをAmazonプライムビデオを例に挙げ説明しました。

消費者にもメリットを

上村氏「もしパーソナライズがなかったら、プライムビデオのトップページに並ぶのは新作作品だけ。
しかし、もし(我が子のための商品をよく探している)自分のアカウントに応じてアニメ作品などをレコメンドされれば、我が子がプライムビデオを使った場合に検索することができなくても、観たい作品をトップページでおすすめしてもらえる。」

Amazon、Yahoo! Japan、ZOZOTOWNなど高収益を生み出す企業は、高度なパーソナライズに取り組んでいます。
取り組みは、ユーザー属性や顧客の行動履歴を基にした施策はもちろん、ネットとリアルの垣根を超えた「オムニチャネル」のパーソナライズ、AIを駆使した予測に基づくより高度なパーソナライズまで及んでいます。
特にAIを使った機械学習、ディープラーニングの活用は技術的に高度で、トップ企業はこのようなより高度なパーソナライズを実践しているといいます。

愛されるサイト、愛されるメディアづくり

企業がパーソナライズに取り組む意義について、上村氏は「顧客から愛されるサイト、愛されるメディアになっていくこと」と説明しています。
サイト来訪者の興味関心を理解する。次にサイトを訪れたとき、”探さなくても”「あなたへのお勧め」としてその人の興味関心に応じた商品やコンテンツを提案する。
顧客が「コンテンツを探す」という1ステップ先回りしてを省くことによって、安心感や満足感が高まっていくことにつながります。

ふるさと納税ポータルサイト「さとふる」の例

最近世の中に定着しつつある故郷納税の制度。CMでもよく目にすることが多いですね。認知度が高くサイトへの来訪者数は好調だったものの、コンバージョン率は期待するほどではなくそこが課題だったようです。

そこで、サイト来訪者を「初回来訪者」「非会員来訪者」「寄付実績のない会員」「寄付実績のある会員」と4つのステータスに分類し、トップページに表示するコンテンツをパーソナライズしました。
「初めて来訪する人には人気のある返礼品」「何度もサイトを訪れる人、寄付実績のある会員には新着の返礼品」をおすすめします。 実は、対面の接客の時には当たり前のように行われていたことです。
それをウェブで自動的に実現することによって、施策実施から2週間でコンバージョン率は2.07倍に増加しました。

旅行代理店大手の日本旅行の例

皆さんが旅行の計画を立てるとき、WEBでサービスを探すとしたらどうするでしょうか。
一般的には、旅行商品ははじめて行ったサイトですぐに決めてしまうようなことは少ないのではないかと思います。
私もいくつかのサイトを回遊しながら、様々な旅行商品を高い・安い、サービスはどうか、どのような食事が提供されるのかなど、比較検討しながらじっくり候補を絞っていく事が多いです。
ですから同じサイトを何度も訪問したりすることもしばしばです。

日本旅行はそういった顧客の“タイミング”をパーソナライズしたのです。
私のように何度も同じサイトを訪問して考えるような顧客へ、来訪頻度が高まったときに限定してクーポンを配布する施策を行いました。
来訪者がある程度のPVに達した瞬間にポップアップでクーポンを表示させることで、再訪時にバナーに表示したりメールで送信したりする手間をかけず、“いま”おすすめできるのです。
その結果、バナーに対して約3倍、メールに対して約1.7倍コンバージョン率が上がりました。

ゴルフ用品サイトの「ゴルフダイジェスト・オンライン」の例

「ゴルフダイジェスト・オンライン」は広告施策にパーソナライズを用いています。
同社が展開しているリターゲティング広告(一度「ゴルフダイジェスト・オンライン」を訪問したことがある人がGoogleやYahoo!などのサーチエンジンや他のサイトを訪れた際、広告欄に「ゴルフダイジェスト・オンライン」の広告を表示する方法)について、来訪者の属性などのデータに応じて表示する広告や、リンク先のランディングページのパーソナライズを行いました。
顧客に合った広告を表示することによって、リターゲティング広告経由のコンバージョン率は8倍に改善しました。

パーソナライズが価値を生み出すための”方程式”

こうした事例を紹介した上で、上村氏は米国の大手コンサルティング会社マッキンゼーが提唱した定義を紹介しました。
この定義によると、パーソナライズは「Relevance(自分に関係がある内容であること」と「Timeliness(自分のほしいタイミングに適していること)」という条件に加えて、「Loss of privacy(顧客の行動データから得られた情報)」を活用して顧客に先回りしてレコメンドができたときに価値を生み出すといいます。

確かに表示されている広告に今自分が興味のある内容が表示されていればクリックしたくなります。これが「Relevance」ですね。
そして、「今」欲しいものの類似商品や関連商品が表示されているとそちらもチェックします。これが「Timeliness」。
それに加えて、「Loss of privacy」を活用した先回り、つまりNetflixやAmazonプライムビデオなどの「あなたにお勧めのコンテンツ」があると自ら探さずとも希望に合ったものが見つかるのでとても便利です。

この定義を実現するためには、多くのデータを必要とし、パーソナライズを実現するためには様々なデータを管理してパーソナライズ施策へのアウトプットに活用できる環境が必要だと上村氏はまとめました。

(via 少しの工夫が、大きな成果を生む – パーソナライズでの成功事例)

その他のレポートOTHER REPORT

お問い合わせ

042-505-5280
〒186-0004 東京都国立市中2-4-3
ご相談・会社概要・事業内容についてお気軽にお問合せください。