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

機械学習をマーケティングオートメーションに取り入れるポイント

f:id:supreme-system:20180626131453p:plain 近年、AI(人工知能)や機械学習をマーケティングオートメーション(MA)に取り入れる動きが活発になっています。

AIの中核を支える機械学習には、重回帰分析、ロジスティック回帰、決定木、k-means等のクラスタリング、ランダムフォレスト、サポートベクターマシン(SVM)、ディープニューラルネットワーク(DNN)、ディープQネットワーク(DQN)など様々な手法がありますが、必ずしもマーケター自身が手法の詳細を把握する必要はありません。

ここでは、それ以上にマーケターが理解しておくべき

  1. 機械学習が必要とされる背景
  2. 機械学習の活用例
  3. 機械学習導入における注意点

をご説明し、機械学習をマーケティングオートメーションに取り入れるポイントをご紹介します。

1. 機械学習が必要とされる背景

そもそも機械学習とは、ある現象を説明する数理的な「モデル」を、過去のデータを「学習」させることにより構築し、新しいデータに対して「予測」または「分類」を行う、という解析手法です。需要予測、異常検知、画像認識や音声認識など、幅広く社会で活用されるようになっています。

f:id:supreme-system:20180626131458p:plain

マーケティングオートメーションキャンペーンにおいて、多数の多様な顧客に対して効果的な施策を行うためにはデータ分析を行うことが重要です。データ活用環境の発展に伴い大量のデータを効率よく扱えるようになりましたが、分析は同様にはいきません。

例えば、顧客のターゲティングによく用いられるRFM分析では、R(最終購買日)、F(購入回数)、M(購入金額)の3つの変数をもとに顧客のセグメントテーション絞込を行います。これは「3変数にのみ着目してその他の変数は無視している」ことを意味します。RFMは効果的な分析ではありますが、実際には初回購買金額や直近1週間のサイト閲覧回数などを用いたほうがより適切な顧客層を抽出できることもあります。他の変数も有効かもしれません。このようにいろいろな変数を考慮しようとすると、その組合せは爆発的に増えるため、人力では分析しきれなくなります。

機械学習では、アルゴリズムがコンピュータの計算リソースを用いて変数を評価していくため大量の変数にも容易に対応でき、予測精度や信頼性、分析効率の向上を図ることができます。

2. 機械学習の活用例

MAにおける機械学習活用の代表的なものとしては、以下があります。

DM/Eメール送付効果の最大化

各顧客に対して購買や成約の見込みを表す予測スコアを算出し、スコアの高い顧客に対してDMやEメールを送ることで売上向上やコスト削減が図れます。 Eメールの場合は、コストがかからないことから送付先顧客をあまり絞らずにキャンペーンが行われているケースも多いですが、顧客にとって興味のないメールが多数届くことでそもそもメールを見なくなる、というリスクを抑えることができます。

離脱(休眠)の防止

各顧客に対して離脱や休眠の見込みを表すスコアを算出し、スコアの高い顧客に対して防止施策を実施することで離脱/休眠を低減させることができます。 機械学習では、各変数がどの程度予測結果に影響しているかの度合いも算出することができます。これにより、例えば『顧客との接触回数の減少は離脱しやすさに大きく影響する』といった客観的な知見が得られ、『定期的に接触を保つ』など施策の立案に活かすことも可能です。

クロスセル/レコメンド

どの顧客にどの商品を提示したら購買されやすいかを表すスコアを算出します。これをもとにクロスセルやレコメンドを行うことにより、顧客の購買を促進し売上を高めることができます。

施策実施時間のOne to One化

各顧客が例えば午前、午後、夜のいずれの時間帯に最も施策に反応しやすいかを予測し、施策実施時間を顧客ごとに変えてキャンペーン効果を高めます。

3. 機械学習導入における注意点

機械学習をの導入してマーケティングオートメーションに活用していくにあたっては、いくつか注意すべき点があります。

データ活用の意思共有

機械学習では多種・大量のデータの抽出・結合や加工が不可欠なため、システム部門へ通常業務とは別の環境や作業を依頼する必要が生じます。また、施策実施を調整したり、ときには新たな仕組みを作りデータを集めるところから始めるなど、さまざまな部署を巻き込まなければなりません。 「データを活用して業務を改善する」という意思を組織として共有することで、これらをスムーズに進めることができます。

現場の感覚も重要

機会機械学習は科学的な手法として現場担当者の経験や勘とは対立するものとして語られがちです。しかしながら、現場の感覚が有用な情報を含んでいることも多く、最初から排除せず観点として考慮に含めることが有用です。機械学習によりあるものは客観的な知見として、またあるものは一般性のない事例としてデータに基づく定量化や評価を行えるため、現場にとっても結果は有益です。

専門家とともに

最近は機械学習のさまざまな手法を実装したツールが数多く出回り、手法の詳細を知らなくても形としてモデルを構築できる環境は整備されてきました。しかしながら、良いモデルを作るためにはデータの加工や評価の工程が非常に重要であり、統計や機械学習の専門的な知識が欠かせません。モデルの構築は機械学習エンジニアとともに進めていくことを推奨します。また、結果を施策に反映させるためにマーケティングオートメーションに組み込むことも必要です。

自社リソースでの検討・導入が難しい場合は、専門のコンサルティングサービスを活用しても良いでしょう。

www.supreme-system.com

動線を取得する4つの方法

f:id:supreme-system:20170926191121p:plain 屋外での位置情報は、GoogleMapなどの地図情報アプリやカーナビなどで利用されていますが、ここでは屋内(店内、施設内、工場内など)での動線取得の方法をご紹介します。 店内や施設内の動線を取得するには次のような取得方法があり、目的や取得制度によって使い分けることができます。

調査会社などの専門スタッフが、来店客一人ひとりの行動調査票を作成する方法です。実際に店内などで来店客のエリア移動などをチェックして作成していきます。

設備投資が必要ないので、自社スタッフでも手軽に始められるメリットがある一方、店内の滞留時間にもよりますが、1動線当たり数千円程度かかりコストが高いことや、調査員に依存してしまい細かな分析を行うだけの情報をデータ化することができないこと、動線の取得数が限られてしまうことなどがデメリットです。

タグ

ビーコンなどのタグを来店客が所持し、店内に受信機を設置して位置情報を取得します。カートなどに設置するほか、スマホを利用するケースもあります。2015年にはパルコが動線分析を行い、リニューアル前後で回遊が起きたかどうかを検証する記事が取り上げられました。他にも、実証実験として、展示会場、スーパー、ジムなどでも取り組まれています。

ビーコンは軽く安価で導入しやすいのがメリットです。ただし動線としての取得制度は低く、数mのずれが発生することがあります。例えばショッピングモールで、建物間やフロア間の移動を取得してリニューアル前後後の回遊を比較したり、大きいテナント間の移動を取得して関連性の高いテナントを見つけたりすることは可能ですが、細かい売場内の遷移などの情報を取得することは難しく、「動線」としては利用ができません。また、タグを所持している来店客のみが対象となるので、来店者全体の動線を取得することはできません。

カメラ

既に店舗に設置してある監視カメラや、新しいカメラを利用して動線を取得します。 気になる点は画像で確認したり、顔認証カメラなどを利用すれば、性別やリピーターであることを判断したりすることもできます。ただし、カメラでは距離を取得することができないため、混雑している場合など人の重なりが発生するなど複数人いる場合には取り違えが多くなり、個々の動線を「追跡」することができません。

人数カウントして利用することはできますが、大人数の動線分析には向いていません。 カメラに映る範囲であればすべて計測対象とできるので、人による動線分析や、ビーコンによる動線分析よりは対象者数は増えます。

また、カメラでも、3Dステレオカメラであれば距離を取得することが可能なので、動線追跡に利用することが可能です。

センサー

センサーはキネクトなどのゲームに使われているように、ものの動きを検知することができます。誤差数cm程度まで細かい動きを取得することができ、非常に細かい間隔で位置をつなぐことで動線を追跡し続け、動線情報として活用することができます。混雑しているような店舗でも利用することができます。

店内の売場内での立寄りや、素通り・立寄り・滞留といった情報をデータ化し、分析していきます。 カメラと同じくセンサー照射範囲であればすべて計測対象とできるので、人による動線分析や、ビーコンによる動線分析よりは対象者数は増え、店内をカバーするように設置すればスタッフも含めた全来店者を計測できます。

タグや既存のカメラを利用する場合に比べるとセンサーは高くコストがかかりやすいですが、自動運転技術などセンサー自体の技術の進歩がめざましい中、今後コストは下がってくると想定されます。

ハイブリッド型

今までご紹介してきた複数のデバイスを用いて動線を取得する方法もあります。例えば、動線取得精度の高いレーザーセンサのほかに、個人を特定できるタグをスタッフに所持させるとスタッフ動線を特定することができます。また、同様にセンサーのほかに、顔認証カメラを利用すると、リピーターの動線を判定したり、センサーを設置できない(例えばトイレの出入り口など)場所での複数動線を同一人物としてつなぎ合わせたりすることもできます。

まとめ

f:id:supreme-system:20170926191129p:plain 現在の技術では、精度高い動線を大量に取得するためには、センサーによる動線取得が有力です。

一部来店者を対象とするのか、全来店者を対象とするのか、エリア間の移動などざっくりした動線を取得したいのか、売場移動レベルでの動線を取得したいのか、など動線取得の目的によって利用できるデバイスの選択肢は異なってきます。

動線分析Moptar

動線分析Moptarは、特定のデバイスに依存しない動線分析ソリューションです。 顧客の目的に合わせたデバイスをご提案し、動線取得を行います。動線を取得するだけではなく、店内レイアウト改善などの店舗分析や、デジタルサイネージと連携した動線に応じた店内One to Oneプロモーション、MAと連携した動線に応じた帰宅後のOne to Oneプロモーション、工場などでの無駄工程の改善・ヒヤリハット発見、施設内での防犯など様々な用途にご活用いただけます。

www.supreme-system.com

顧客ごとに商品をおすすめするだけではない。One to Oneの実現方法

One to Oneとは?

f:id:supreme-system:20170926185337p:plain One to Oneは顧客の属性や行動に応じたアプローチを行うことで、量・内容ともに適切なメッセージを顧客に届ける手法です。 代表的な例だと、「あなたにおすすめの商品はこちら」「この商品を見ている人はこれも見ています」「カートに商品が入ったままです」といった商品のレコメンドがあります。 顧客ごとに異なる商品をレコメンドするのはOne to Oneの代表的な一つですが、他にも「前回購入した商品のレビューを書きませんか?」「前回購入してから1か月経過していますがご利用状況はいかがでしょうか?」といった行動に基づいたアプローチもOne to Oneの一つです。

IT技術の進歩とともに、商品(Offer)をOne to Oneにするだけではなく、誰に(Target)、どの商品を(Offer)、いつ(Timing)、どのチャネルで(Channel)、どのコンテンツで(Contents)アプローチするのかまでを、One to Oneにする企業も増えてきました。

・Target:顧客ランク、特定商品購入者、閲覧者など ・Offer:商品相関性の高い商品、閲覧相関性の高い商品 ・Timing:購入●日後、閲覧後●時間後など ・Channel:メール、アプリ、LINE、電話、カタログなど ・Contents:訴求テーマ、レイアウトなど

One to Oneに成功している事例

例えば、ある総合通販ECでは、毎週実施しているメルマガで商品のランキングを実施していますが、全員固定のランキングコンテンツではなく、過去の購買傾向に応じて興味の高いジャンル・カテゴリのランキングを目立つ位置に掲載しています。

他にも、メールの開封やクリック時間帯に応じて、「この人には朝の通勤時間帯に送付する」「この人は就寝前の一息ついている時間帯に送付する」といったように送付のタイミングを分けたり、反応しやすいチャネル(テキストメール、HTMLメール、LINE、アプリ、電話、カタログなど)で出し分けたりするなど、Target×Offer×Timing×Channel×ContentsをOne to One化して効果をあげている企業もいます。

ターゲットが明確になるために通常の一斉配信のメルマガと比べるとCVが非常に高く、One to Oneの取り組みに積極的な企業はどんどんほかの商品・テーマで拡大していき、さらに売り上げを伸ばしていく傾向があります。 このような企業は、数十~100近くのOne to Oneキャンペーンシナリオを持ち運用しています。

One to Oneを行う上での問題点

One to Oneは、一律のキャンペーンよりも効果があると昔から言われており、顧客満足度向上、カスタマーエクスペリエンス、LTV向上などのキーワードを掲げて取り組んできた企業も多いですが、その中には一部のOne to Oneの取り組みのみで終わっている企業もまた多くいます。 その原因は「1.作業量が膨大になる」「2.キャンペーンが増えて管理しきれなくなる」という点があげられます。

1.作業量が膨大になる

例えば特定の商品を閲覧した(けどまだコンバージョンしていない)顧客に対してのみ翌日キャンペーンを実施する場合を考えてみると、「1日前に特定の商品を閲覧した」顧客セグメントを抽出してメールを送付します。他にお薦めの商品をOne to Oneで差し込もうとすれば、「商品相関性をもとに購入関連性の高い商品を3つずつ」抽出する必要もあります。もしキャンペーンがうまくいって別の商品でも実施しようとなれば、それだけ作業量が増えていきます。

この問題には、セグメント条件や商品名などを簡単に変更して増やしていく仕組みを持ち、自動化していくことで対応していきます。

2.キャンペーンが増えて管理しきれなくなる

行動に応じてキャンペーンを実施すると、顧客に1日に何通もメールが届いてしまい開封率が下がっていくリスクも出てきます。「1日に●通まで」といった制御や、さらに「この人には●通まで」「こちらの人は○通まで」といった通数制御に関してもOne to One化していくことが可能です。

複数チャネル(メール、DM、コールセンターなど)でキャンペーンを実施している場合、チャネルごとでしか管理出来ておらず、全体として管理できていないケースもあります。

また、「Aキャンペーンをカタログで実施後、反応のなかった顧客はメールでキャンペーンをする」といったようなシナリオキャンペーンの場合、単発のキャンペーンとしてしか効果を把握していないケースも出てきます。 この問題には、チャネルごとや単発キャンペーンとしてではなく、キャンペーン全体・シナリオ全体を管理していくことが必要です。

このような問題を解決してOne to Oneを実施していくためには「キャンペーン管理」を行うツールが必要になってきます。

One to Oneを実現するキャンペーン管理

キャンペーン管理ツールでは、条件に合致した顧客に対して自動でキャンペーンを実施していきます。

事前に条件を定義(「3日前に商品Aを購入して、別のキャンペーンに該当していない顧客に商品3個をレコメンドするメールを送付する」など)しておけば、あとはスケジュールに応じて自動で対象の顧客と商品を抽出して、コンテンツに当てはめて、メールを送信します。もちろん実施後はキャンペーン単体や、シナリオごと、セグメントごとの効果を検証したり、うまくいったキャンペーンは別の商品Bでも実施したりなど、効果の高いキャンペーンを簡単に拡大していく仕組みを持っているのが特徴です。

最近では、マーケティングオートメーションというキーワードでくくられることも多く、One to Oneが進んでいる通販・EC企業では多くの企業が何らかのマーケティングオートメーション、キャンペーン管理ツールを導入して取り組んでいます。

まとめ

One to Oneは、Target×Offer×Timing×Channel×Contentsの組み合わせで顧客に最適なメッセージを届け、効果の高いキャンペーンを実施していく仕組みです。 人力で行うには限界があるので、キャンペーン管理・マーケティングオートメーションツールを用いて高度なOne to Oneを実施していくことができます。 One to Oneに取り組む際は、このような組み合わせを考えて取り組んでいきましょう。

www.supreme-system.com

WEBマーケティング担当者が最近取り組む課題【顧客アプローチ編】

f:id:supreme-system:20170926185720p:plain WEBマーケターが取り組む課題は、実務レベルで見てみると、SEOやリスティングなどの広告、サイト作成、SNS運営、メルマガなどたくさんあります。ここでは、顧客アプローチに関して、複数のEC企業のWEBマーケティング担当者の声を元に、売上拡大・顧客満足度向上のために取り組んでいこうとしている最近の課題についてまとめました。

1.購買や行動履歴を活用したアプローチを実施したい

一斉メルマガや顧客属性(性別や年代など)に応じたアプローチを実施するだけではなく、「6か月以内にAカテゴリ商品の購入をした」「TOTAL3万円以上購入した」「1週間以内にWebサイトを閲覧した」といった顧客の行動に応じてアプローチを実施したいという課題です。データ活用のEC業界でも、まだ一斉メールしか行っていない企業や、最初に想定していた特定の切り口でしか行動に応じたアプローチができず追加したい切り口を増やせていないという企業も少なくありません。

2.閲覧やカート落ちなどのイベントをトリガーに自動でアプローチを実施したい

 1の内容と被る点も多いですが、顧客の行動に応じて「自動で」アプローチを行いたいという課題です。代表的な例は、「カート落ちアプローチ」で、カートに商品を投入したままの顧客に、翌日その商品と関連商品をプッシュするアプローチです。一斉メールよりも対象者数は非常に少なくなりますが効果が高く、現在顧客行動に応じたアプローチを成功させている企業は、このトリガーの種類を増やしていく傾向があります。どんどん種類が増えること、そして毎日実行されることが多いので、自動化は必須となり、また発生した大量のキャンペーンシナリオの制御も必要になってきます。

3.新規顧客を効率的に獲得、リードナーチャリングで見込み顧客を育成したい

 リードナーチャリングは、まだ初回購入(または会員登録など)をする前の顧客を育成して、購入(または会員登録など)につなげていく考えです。顧客の興味や検討状況に合わせてコンテンツやアプローチタイミングを変えていきます。 また、新規顧客獲得に関してはCPOやCPAのみに着目すると、初回の購入までのコストしか検討されていません。その後の購入状況まで考慮されておらず、CPOが低く一見優秀な媒体のように見えても、実は初期離脱を起こしやすく顧客LTVが低い媒体であったということも発生します。その媒体で流入したケースでの育成ステップを変えたり、媒体選定を行ったりすることが必要です。

4.メール、DM、カタログ、電話、LINEなどマルチチャネルでキャンペーンを実施したい

 EC企業の場合はメールが主な手段となりやすいですが、カタログやDMなどの紙媒体を送付していたり、コールセンターでの注文や相談を受け付けていたり、アプリやLINEアカウントを利用していることも多く、さまざまなチャネルで顧客とのアプローチ接点を持つようになりました。カタログを送付後、2日後にメールでもプッシュするなど、チャネルを横断したアプローチを実施・管理する必要があります。また、同じコンテンツをアプローチする場合でも、顧客ごとに反応しやすいチャネルで出し分けるいった方法を実施する企業もいます。

5.キャンペーンが集中しないように制御したい

顧客のアプローチを細分化していけばいくほど、キャンペーンの種類は増えていきます。すると、1人の顧客に対して、同じ日に複数のキャンペーンが該当するなど、届くキャンペーン数に偏りが生じてきます。送りすぎるとメルマガの解約率が高まってしまうため、適切な数でコントロールをする必要が出てきます。しかし「メールは1日1通まで」などの条件を付けるだけでは、キャンペーンの早い者勝ちになってしまいます。キャンペーン種類の優先度をつけて、「行動トリガー>リピート促進系>クロスセル系の優先順で実施する」「チャネルごとに優先度や最大数を制限する」などの制限を実施して自動でキャンペーンを選択するような仕組みも必要とされています。 また、顧客の行動からそれぞれ最大配信数を変えていき、「Aさんは1通まで」「Bさんは3通まで」というように顧客に応じたコントロールをしていくこともキャンペーン制御の一つです。

顧客アプローチの課題に取り組む方法

ここまでご紹介してきた課題の一部・全部を実現するためには複数のステップが必要です。 1.購買やWeb、コールセンターなどのデータを統合する 2.最適な顧客アプローチを行うための分析を行う 3.抽出したい条件で簡単に抽出する 4.キャンペーン(アプローチ)として登録・一元管理して、複数チャネルで実行する 5.キャンペーン(アプローチ)の効果を検証してシナリオを改善していく 6.上記のステップを自動化する

このようなステップを実施して、顧客アプローチを行うのが「キャンペーン管理」です。 同じような課題をお持ちの場合には、「キャンペーン管理」を用いて顧客アプローチの改善を検討してみてはいかがでしょうか。

www.supreme-system.com

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:20171221104501p: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。