読者です 読者をやめる 読者になる 読者になる

ZONE OF MARKETING AUTOMATION

スプリームシステムコンサルティングが運営するMA専門BLOG

マーケティングオートメーション導入時のニーズ-販促した顧客リストが管理されておらず効果を測定できない

販促した顧客リストが管理されておらず、誰に何を通知したのか判明しない。

f:id:supreme-system:20170116164732p:plain 様々な販促施策により顧客に対してアプローチを行っていると思いますが、そのリストは一元化され全社的に管理ができているでしょうか。

施策を実施する部署や担当者が分かれていたり、その顧客を抽出するための方法が異なっていたり、また、施策を実施するための手段(メールやDM、アプリなど)ごとに分かれてしまっていたり、はたまた販促企画ごとなど、顧客リストもその種類ごとに蓄積されているのではないでしょうか。

販促施策ごとに分析するのではあれば、それでも何とか時間をかければできないことはないのかもしれませんが、もっと大きな単位で企業としての販促戦略を分析する場合には、その作業が非常に難航することが予想できます。

また、売上を拡大するためには、データを活用した上でキャンペーン数を拡大することが重要です。但し、適切に拡大せずただやみくもにキャンペーンを拡大してしまうと、潜在的なニーズのある顧客へキャンペーンできず同じ顧客ばかりに実施してしまうといったことが発生してしまいます。これは特定の顧客に同じ内容のメールやDMが過剰に届いてしまう危険性があり、案内の内容を読んでいただけないばかりか、顧客のクレームにつながりかねません。顧客リストが管理されていれば、一定期間内で1人の顧客に送信可能な配信数の制御が可能となります。

販促の成果を分析できていない。できれば販促のシナリオごとの効果を測定したい。

f:id:supreme-system:20170116163208p:plain 先ほど記載したとおり、顧客リストが一元的に管理されていないということは、販促の成果を分析する上でも大きな障壁となります。バラバラになっている顧客リストを集めることだけでも一苦労ですし、下手をしたら別システム上で管理されていないため、顧客リストを取得するにも容易ではないケースもあります。

顧客リストが販促施策ごとに管理されるようになれば、施策ごとの売上や反応率の比較、A/Bテストなど、 施策の効果測定が可能となり、PDCAサイクルを回しながら販促施策を改善し、最も効果の良い施策に注力できるようになります。

例えば、商品の割引キャンペーンを実施する場合に、値引きをどこまで設定したらよいか検討する必要があります。単純に値引き額が大きい方が反応は高いと予測されるため、まずテストとして例えば10%OFFと5%OFFなどでキャンペーンを実施してみて、それぞれの反応率を比較してみます。その上で利益を考慮して最終的な値引き率を決定することができます。 また、顧客ごとにメールでの販促が有効な場合やDMでの販促が有効な場合など、効率的なアプローチ方法がどれであるかといった観点でも分析できるようになります。

さらに言えば、その効果が一つの施策という単位ではなく、キャンペーンシナリオごと、顧客セグメントごとに分析できれば、詳細に販促施策の設計・改善が可能となり、顧客ごとに、適切なタイミング、適切な回数、適切な内容での販促ができるようになっていきます。

これにより、きめ細かくお客様に寄り添ったOne to Oneのキャンペーンを実現できるはずです。

解決策はこちら

www.supreme-system.com

マーケティングオートメーション導入時のニーズ-属人的なデータ抽出をシステム化し自動化したい

販促のための顧客抽出においてSQLやAccessなどを利用するため、属人的で他の人にはそれが正しいのかどうかが分からない。

f:id:supreme-system:20170116164433p:plain 販促業務では、販促対象顧客のデータを分析・抽出するチームと、販促のための施策を実行するチームが分かれていることが多いのではないでしょうか。

なぜなら、顧客データの分析や抽出には、SQLやAccessなどのツールが使われるため、データベースや統計解析に関する特定のスキルが必要とされ、専門的に扱うことのできるチームを形成することが多いからです。

しかし、そういったスキルを持った人材の確保は難しく、まして今ある社内のリソースから人材を育成するのは、時間的にもコスト的にも現実的ではないと言わざるを得ません。

また、データの抽出に関する観点においても、その条件が単純であることは少なく、そのロジックも複雑になってしまい、第三者が容易に読み解くことができないほどブラックボックス化してしまっている場合もあります。

したがって、本当に求めている適切な条件での抽出ができているかどうかといった検証や、別施策への既存抽出ロジックの利用が非常に困難となっていると言えます。 SQLやAccessなどに代わり、抽出プロセスが可視化され、誰でも使いやすいツールが求められることになります。

抽出の作業負担が大きく、抽出ミスも出やすい。

f:id:supreme-system:20170116164454p:plain 前述の通り、データ分析/抽出担当者は人員が限られているため、1人当たりの受け持つ業務が多くなりがちです。

また、顧客データの抽出も1度きりで終わることは少なく、事前に対象顧客数がどの程度存在するか調査したり、施策実施担当者とコミュニケーションを取りながら実施したい施策の対象顧客数が確保できるよう、抽出条件を微調整しながら顧客データを抽出していったりと、煩雑な作業が続くこともあります。

しかも複数の施策を受け持ち同時並行で進めていく状況では、データ分析/抽出担当者の作業負荷が高くなり、当然ながら集中力も続くはずもなく、抽出ミスが起こりやすくなります。 そして、そのミスを発見・改善できるようなチェック体制も取られていないことで、ミスが重なり更なる大きなミスへと発展してしまうリスクを秘めています。

このような状況を改善することが、喫緊の課題となるでしょう。

抽出のルールを決めても守られないことがあり、トラブルにつながる。

f:id:supreme-system:20170116164508p:plain f:id:supreme-system:20170116164524p:plain このような状況を改善するために、チェックリストなど作成し、抽出条件のルール化などを行うことでプロセスの明確化を図っている企業の担当者の方も多いと思います。

但し、担当者1人に作業が依存しているような状況には、時間と共にそのルールも形骸化し機能しなくなったり、ルールの考慮漏れや失念、ルールの拡大解釈・例外化が行われたりするといったことも珍しくないのではないかと思います。

また、今まで担当していた社員が退職してしまう等、担当者変更を余儀なくされた場合、十分な引継ぎができないため、引継いだ担当者からすれば、そもそもそのルールがあることを知らない、何故そのルールがあるかがわからない、ルールの変更などをしてもよいかどうかわからないなど、混乱をきたすことになります。

その結果、誤った認識で顧客抽出を行い、それがトラブルを生むことにもなります。

トラブルには様々考えられますが、最も影響が大きいのは顧客に誤ったメールなどが送付され、クレームが発生することです。その場合、費用面の損失だけではなく、社内は顧客のクレーム対応にも追われることになり、延いては信用を落とし顧客が離れていく最悪の結果ともなり得ます。

ここまで考えると、データ抽出に関して単なる業務プロセスの改善に留まらず、新たなツールを検討する必要があるのではないでしょうか。

解決策はこちら

www.supreme-system.com

データベースマーケティング導入支援

プロジェクトの標準化

弊社では数多くのAimstarの導入、システムインテグレーションを手掛けており、その実績から各種雛形を用意し、下記プロジェクトの標準化を実現しています。

  • プロジェクト遂行実績による、導入プロセスとPMによる管理体制の標準化
  • 成果物実績による各ドキュメントの標準化(プロジェクトプラン、WBS雛形、各工程ごとの成果物のドキュメントテンプレート)
  • データの蓄積による品質指標の適正化
  • トラブル発生時の強力なR&Dのサポート・支援
  • 上記プロジェクト標準に則り、常に安全、安定した品質、かつ迅速なプロジェクト推進を実践します。その為、計画通りにプロジェクトを進めることができる確率が非常に高くなっております。

徹底した品質管理

各プロジェクトのマイルストーンに於いて、レビューを実施しています。各レビューでは、業務コンサルタント、ITコンサルタント、R/Dメンバーがレビュアーとして参加し、成果物だけでなく、プロセスをチェックして、早期の問題検出、及び対応に努め、品質を担保しています。また、静的コード解析による、コード品質や非機能要件の検証を実施し、検証結果を共有管理しています。この共有情報の効率的な利用により、常に最新且つ高品質のシステムをご提供します。

導入後のご支援 -分析サービスやキャンペーン支援サービス-

弊社の目標はお客様の売上や利益を大幅に向上させることであり、また導入後の分析サービスやキャンペーン支援サービスなどのリクエストも多いため、分析サービスやキャンペーン支援サービス やコンサルティングサービスを実施しております。弊社も経験やノウハウがたまってきておりますので、大きな成果をあげられるのではないかと考えております。

Moptar導入支援

プロジェクトの標準化

Moptarの導入はセンサー設置の設計、システム設計、導入、テストとありますが、これらの導入プロセスが標準化され、納期も1-2week程度と短くなっております。 また、動線計測エリアのマップ作成やセンサーの傾き等の調整(キャリブレーション)も自動化され、導入コストだけでなくメンテナンス負荷も大幅に低下させております。

徹底した品質管理

各プロジェクトのマイルストーンに於いて、レビューを実施しています。各レビューでは、業務コンサルタント、ITコンサルタント、R/Dメンバーがレビュアーとして参加し、成果物だけでなく、プロセスをチェックして、早期の問題検出、及び対応に努め、品質を担保しています。また、静的コード解析による、コード品質や非機能要件の検証を実施し、検証結果を共有管理しています。この共有情報の効率的な利用により、常に最新且つ高品質のシステムをご提供します。

導入後のご支援 -分析サービスやキャンペーン支援サービス-

Moptarの分析はSQLや統計解析の知識なくできるようになっておりますが、弊社でも支援サービスを提供しております。防犯・不審者判定などを行う場合、動線・動作・場所・時間・時刻などから人間の行動を判定するフローを定義する必要があり、それらの行動パターンは企業により異なりますので、それらのサービスも提供しております。

動線分析プラットフォーム - Mopar(モプター)開発の歩み

Moptar開発の歩み

  1. 開発初期(RFID/無線LAN/UWB/カメラのサポートと撤退)

  2. 距離が得られるレーザーセンサーでの開発と店舗での導入

  3. ジェスチャー判定と不審者検知、防犯用途などの特定行動検知

  4. さらなるコストとの闘い

開発初期(RFID/無線LAN/UWB/カメラのサポートと撤退)

① リアル店舗の顧客や店員の物理的な位置を測定・追跡し、これらのデータを元に店舗・通路・売場・商品棚のレイアウト改善、POPの効果検証・改善を行うという考え方(動線分析)は元々、米国から伝わったと言われており、スーパーなどでは人手により細々と行われてきました。

② 2000年頃からRFID、無線LAN、UWBによる動線取得なども注目され、弊社もデバイスとしてサポートしましたが、その位置測位精度の低さと、店舗などの来店顧客にデバイス(タグ)を保持してもらうことのコスト高から、位置計測デバイスの変更を余儀なくされました。

③ さらに挑んだのは、カメラ画像を解析した動線追跡です。位置測定の精度が高いこと、来店顧客がタグを保持しなくても良いことは大きなメリットだったのですが、結局、カメラでは動体までの距離が得られず、そのため複数人のすれ違い等で人間の区別ができずにロストするという不具合を解消できず、デバイスの変更を余儀なくされました。

距離が得られるレーザーセンサーでの開発と店舗での導入

① メーカーによる販促費の支援を考慮し、高精度な位置計測をメーカーが求めやすいという判断から高精度な動線分析を進めてきたこともあり、位置計測精度が高いレーザーセンサーによる開発へと開発の方向を変更しました。さらに、来店顧客がタグを保持しなくても良いこと、個人情報保護法に抵触する可能性のあるカメラ画像を利用しないということもメリットでした。物体までの距離が測れるため、複数人間の中で取り違えが少なくできるということが最大のメリットでした。

② 動線を取るためには店舗全体にセンサーを設置しなければならないこと、そのため高価格なセンサーではコスト高になること、などの壁がありましたが、店舗に導入し、約4年にわたる改良を実施し、その結果、高精度な動線を長時間追跡できるようになりました。店舗側の評価は今まで取れなかったデータを取れるようになり売り上げ拡大や不審者検知でも成果を上げたと評価され、14店舗への導入へとつながりました。

③ この4年間ほどの期間のうちに、導入コストを下げるための導入プロセスの標準化が進み、さらに導入後のセンサーの傾き等の調整(キャリブレーション)もソフトウェアで自動化され、導入コストだけでなくメンテナンス負荷も大幅に低下させるようになりました。さらに、2Dセンサー以外に3Dセンサーが出てきたことで動線精度はさらに向上し、低コスト化を進めました。

ジェスチャー判定と不審者検知、防犯用途などの特定行動検知

① 2Dセンサーを利用した動作判定機能の開発をVer.2.1でリリースいたしました。商品棚で商品を手に取る動作、戻す動作を判定します。

② 現在は、3Dセンサーを利用したジェスチャー判定機能の開発をVer.2.2でリリースすべく開発を行っています。センサーから近くの人間の動作を判定する開発は比較的容易なのですが、店舗全体で人間の動作を判定する(センサーから遠くの人間の動作を判定する)機能の開発は難易度が高く、そのためには、動線・動作・場所、時刻、時間など多くの情報を利用する必要があります。Ver.2.2では動作を判定するためのソフトウェア基本部品を開発し、実際のプロジェクトでは店舗のニーズに合わせて以下の動作判定機能をカスタマイズできるようにします。

  • 個人(座る、横になる、寝る、倒れる、起き上がる、など)
  • 集団(団欒、立話、集会、逃亡、追跡、暴行、暴動、など)

③ 動線によるマーケティング分析だけでなく、従業員の作業内容をチェックする、介護施設での従業員の行動・動作判定と通知などの用途が広がっており、Ver.2.2以降でも動作を判定するためのソフトウェア基本部品の開発を継続していきます。

さらなるコストとの闘い

① 広い店舗では店舗全体にレーザーセンサーを設置せざるを得ないため、コストを低下させたといっても高コストとなってしまいます。そのため、店舗全体をビーコンでカバーし、高精度に動線計測をしたい店舗の一区画だけビーコンの大まかな動線とつなぎ合わせ、店舗全体の動線を取得できるようにします。

② さらに、Ver.2.2では、店舗の一区画だけ(複数箇所可)センサーを設置し、それぞれの区画でカメラで取得した人間(洋服等を含む)の特徴量等を利用してそれぞれの区画の動線をつなぎ合わせ、店舗全体の動線を取得できるようにするカメラ連携オプションをリリースする予定です。

③ これらのビーコン連携、カメラ連携により、店舗全体でなく、高精度に動線計測をしたい店舗の一区画だけ動線計測することが可能となり、センサーのコストを大幅に下げることが可能となります。

B2B-MAとB2C-MAの相違について

inbound系CRMの発展とoutbound系CRMの失速

① 2000年頃にはSiebelに代表される顧客管理やSFA(セールスフォースオートメ―ション)、コールセンタなどのinbound系CRMがECやコールセンタの伸長もあり成長しました。inbound系CRMツールの利用のされ方は、人が顧客のアクションなどに対する販売方法を考え、作業効率を上げるために顧客管理として利用していました。営業マンに求められる経験や勘、営業センス、戦略的なアプローチなどはツールでは実現不可能であったので、ツールは顧客管理中心の補助的な役割であり、売上を上げる機能が求められるわけではなかったのです。

② 同時期に米国で大きく期待されながら失速したoutbound系CRM。E.piphanyに代表されるoutbound系CRMは発展できず失速してしまいました。その理由は、プロアクティブに販売する方法なので営業・マーケティング人員や販売員と同等に考え工夫して販売するという機能が必要であり、ソフトウェアで実現することが難しかったからと考えています。outboundでは、販促で反応する可能性が高い見込み顧客を精度高く抽出(ターゲティング)することが必要であり、そのためには分析が必要です。これを人が実施することは困難であり、ツールには分析と精度高いターゲティングが求められました。

f:id:supreme-system:20161114150342p:plain

③ さて、B2Bの営業について考えてみると、いくらスマホ等が普及したとはいえ、顧客の営業に対する反応などの情報が十分にシステム化されているわけではなく、やはり人の方が多く情報を持っています。このようなことから、人が考えるツールは顧客管理中心であることがわかります。つまり、B2B MAはinbound系CRMツールと同様に人が考えることが必要であり、ツールはやはり顧客管理中心なのです。これで、B2B MAとB2C MAが本質的に異なることがご理解いただけたのではないかと思います。

outbound系CRMからキャンペーン管理、プライベートDMP、CCCMへ

① その後、outbound系CRMはキャンペーン管理、プライベートDMP、CCCMなどと名称を変えながら徐々に発展してきました。衰退せずに再び発展した理由は、通販などのダイレクトマーケティング会社が成長し、何百万人という顧客へ販売するには販売員でなくツールが必要であり、また、B2Cの比較的安価な商品を通信販売するプロセスは、B2Bの営業ほど複雑ではなかったことによりツールで機能を実現できたからであると考えています。

② Aimstarはoutbound系CRMが低迷した2001年から開発が始まり、長い期間研究開発を継続し現在で15年ほどの時間が経過しました。このような時代の流れの中で生きてきたAimstarは、人に代わり販売方法を自ら考えるために科学的な分析機能や高い精度のターゲティング機能、シナリオキャンペーン、そしてそれらの自動化機能を開発してきました。5~6年ほど前から販売が増加し、現在ではVer.7がリリースされ、機能は初期バージョンの頃とは比べようもないほどに高度化・洗練化・拡大されております。現在では、お客様の売上を大幅に拡大するという実績を多く持つようになっております。データベースマーケティング→キャンペーン管理→プライベートDMP→CCCM(クロスチャネルキャンペーンマネジメント)→B2C系マーケティングオートメーションと名称こそ変化しておりますが、Aimstarの開発方針は全く変わらず、outboundで売上を上げるための手法をユーザに提供し、それらマーケティング作業を自動化するツールなのです。

B2B MAとB2C MAはニーズが大きく異なる

① outboundで売上を上げるための手法を提供するAimstarは、人が考え顧客管理が中心であるB2B MAツールとは機能と系統が全く異なります。特に分析・高い精度のターゲティング機能が大きく異なります。

B2B MA B2C MA
分析の主体(販売方法を考える) 営業マン、販売 マーケティング、ツール
分析の重要性(販売方法を考える)
ターゲティング精度(抽出精度)
キャンペーン対象顧客数 少ない 数百万人など多い
リードナーチャリング(見込み顧客獲得)の重要性
シナリオキャンペーンの重要性
自動化の範囲 少ない 多い

② また、キャンペーン対象顧客数がB2BとB2Cでは大幅に異なりますので、B2Cがいかに多くの顧客へアプローチする必要があるか、コンピュータによる自動化の範囲と効果が異なることがご理解いただけると思います。

③ 機械学習による発展性については、B2Bでは営業マンに求められる経験や勘、営業センス、戦略的なアプローチを学習することは比較的困難であり、学習するための顧客やイベントなどのデータ数が少ないことから、かなり難易度が高いテーマであると考えています。

④ MAにはB2BとB2Cがあり、大きく異なっているにも関わらずその違いが分かりにくく、MAという言葉で同じものとして見えてしまうことがあるようです。分析・高い精度のターゲティング機能に違いがありますが、B2Cで分析などの経験が浅い企業様ではB2B MAでも構わないという考えておられる場合もあると思いますので、AimstarはB2B MAでも十分な程度の分析機能だけをサポートする廉価版をリリースすることにしました。