セグメンテーション
読み: セグメンテーション
セグメンテーションとは顧客分類の要
セグメンテーションは、市場や顧客を共通の属性や行動パターンで分類する手法である。年齢や業種といった静的な属性だけでなく、購買行動やWebサイトの閲覧履歴など動的なデータも分類軸になる。機械学習の進化により、従来は人間が定義していたセグメントをAIが自動的に発見するアプローチが広がっている。
かんたんに言うと
全員に同じメッセージを送るのではなく、「似た人」をグループに分けて、グループごとに最適な打ち手を変える。その「分け方」の技術がセグメンテーションである。
属性ベースと行動ベースで使い分ける静的動的セグメントの違い
従来のセグメンテーションは属性ベースが主流だった。業種、企業規模、役職、地域。こうした情報は変化が少ないため「静的セグメント」と呼ばれる。BtoBのマーケティングでは今でもこの分類が基本になっている。
一方、ECサイトやSaaSでは行動データに基づく「動的セグメント」が主流になりつつある。過去30日間にログインしていないユーザー、カートに商品を入れたまま離脱したユーザー、特定の機能を週3回以上使っているユーザー。行動は日々変わるため、セグメントの所属も動的に入れ替わる。
どちらが優れているという話ではない。商材と購買サイクルに応じて使い分ける。検討期間が長いBtoBでは静的属性が有効であり、即時性が求められるBtoCでは行動データの鮮度が勝負を分ける。
AIによるセグメント自動発見
従来は「30代女性」「年商10億円以上の製造業」のようにマーケターが仮説を立ててセグメントを定義していた。この方法は人間の経験と直感に依存するため、見落としが生まれやすい。
クラスタリングと呼ばれる教師なし学習の手法を使えば、AIがデータの中から自然なグループを発見してくれる。人間が思いもしなかった属性の組み合わせがセグメントとして浮かび上がることがある。
ただし、AIが見つけたクラスターが必ずしもビジネス上の意味を持つとは限らない。統計的にはきれいに分かれているが「で、このグループにどんな施策を打てばいいのか」が分からないセグメントも出てくる。AIの出力を鵜呑みにせず、施策との接続を人間が判断する工程は省けない。
CDPとの連携による実装
セグメンテーションの設計だけでは何も起きない。分類した結果を施策に反映して初めて意味がある。
CDPは、散在する顧客データを統合してセグメントを定義し、メール配信やWeb接客ツールに連携する基盤として機能する。TreasureData、Segment、Tealiumなどが主要なプレイヤーである。
連携の実装で躓くのは、たいていデータの名寄せの段階である。同じ顧客がWebではcookie ID、メールではメールアドレス、営業管理では会社名で識別されている。これを1人の顧客として統合できなければ、セグメンテーションの精度は上がらない。
パーソナライゼーションへの発展
セグメンテーションの究極の形は、セグメントサイズが「1人」になること。つまりパーソナライゼーションである。
Netflixのレコメンドエンジンは、ユーザー一人ひとりの視聴履歴に基づいてトップ画面の並び順を変えている。Amazonの「あなたへのおすすめ」も同じ発想。数百万人をセグメントに分けるのではなく、個人単位で最適化する。
とはいえ、全ての企業がここまで到達する必要はない。データ量が少ない段階で無理にパーソナライゼーションを目指すと、サンプル数不足で精度が落ち、かえって的外れな体験を提供してしまう。
まずは3つか5つの大きなセグメントに分けて施策を回し、効果が見えてきたら細分化する。その順番を間違えないことが、セグメンテーションで成果を出す最短経路になる。
当社の見解
AIプロダクトの導入で最も時間を食うのは技術の実装ではない。自社の業務プロセスを言語化する作業だ。ここを省略すると、どんなに優秀なツールを入れても使い物にならない。当社は企画から開発・運用まで全工程を自社で完結させることで、仕様伝達のロスをゼロにしている。理想は阿吽の呼吸で仕事ができるAIパートナーだ。間違った判断をしようとしたときは、忖度なく意見をくれる。それが信頼できる仕事の相棒だ。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。