顧客理解を深める“フロー情報”を大切に
実際のメール施策として、「スタディサプリ」トライアル会員後のユーザーの行動を分析し、有料会員化の比率を上げるためのメールアプローチを行った事例が紹介された。
トライアル会員登録初日には、「サービスの特長の訴求」「使い方の提案」「ユーザーの課題解決」が書かれたメールを配信。
3日目ぐらいから「期間限定特典の訴求」を付け加えたり、トライアル最終日には、「現状の利用状態の確認」「当日限定特典」を含んだ内容を送る。これが配信システムにより、自動的に配信されるようになっている。
「データをしっかりとると、ユーザーの行動サイクルがわかるので、レコメンド・パーソナライズが容易に実現できます。今までユーザーの会員情報は『氏名』『年齢』『住所』などストックなもので、それをマーケティング活動に使っていたと思うのですが、我々は『訪問回数』『前回訪問日』などのフローな情報こそ重要だと考えている。
それに加えて、『流入集客』『PV・クリック数』などの“行動ログ”を掛け合わせ、運用に手間はかかるが、『タグ情報』や『構造データ』などの“コンテンツ情報”をつければ、よりフロー側の情報がリッチになっていく。
そうすることで、その人に付与できる情報量、文脈などが圧倒的に増え、非常にパーソナライズしやすくなり、コミュニケーションがどんどん進化していく。それを自動化して磨いていくと、メールが有り難い存在になると考えている」(萩原氏)。
![](https://mz-cdn.shoeisha.jp/static/images/article/27139/27139_03.jpg)
分析データを活用した3つの取り組み
メールマーケティング以外でも、解析したデータを活用した色々な取り組みにチャレンジしている。その一つが東京大学の松尾研究室との共同研究だ。
東大松尾研究室との共同研究
高校の数学学習カリキュラムは積み上げ型で、教科書の順番通りに授業が行われるが、その順番でつまずいてしまう生徒も出てくる。
そこで、教科書の単語をデータ化したものと、「スタディサプリ」のユーザー行動データを掛け合わせてカリキュラムをネットワーク化することで、最適な学ぶ順序を作り出し、つまずかないで勉強ができるようになる仕組みを研究開発している。
さらにこのデータ解析をより細かく行い、最近ではディープラーニングを使って次に解く問題の正誤予測ができ始めている。昨年度にはそれを使った実証実験を実施。小・中・高校約50校を対象に「苦手克服レコメンド」を提供して、それを先生から生徒に配布して生徒ごとに克服すべき講義を伝えた。
「その結果、生徒は自分がわかっていないポイント、どこを勉強すればいいのかがわかるようになって、学習の量が増えてくる。『苦手克服レコメンド』を着実に学習した生徒は、学習しなかった生徒に比べて半年間で数学2.8ポイント、英語0.6ポイント偏差値が上昇したという結果も出た」(萩原氏)
JINS MEMEを活用した“集中マネジメント”
今年4月に、リアルな学習の場として開校した「スタディサプリラボ」では、メガネブランド「JINS」との共同研究も開始。ラボの中で生徒に学習時にメガネ型ウェアラブルデバイス「JINS MEME」を着用してもらい、アプリ「JINS MEME OFFICE」で瞬きや黒目の動きなど、フィジカルなデータを取って集中度の変化を計測。集中の度合いが「成績・合格」にどう影響を及ぼすのかを調査している。
受験用言語データベースの構築
テキストマイニングやディープラーニングを使った動画データ解析技術で、「スタディサプリ」講義動画内の音声データ(先生の声)や文字データ(黒板の文字) をテキスト化することで、動画内にある「ユーザーが見たいシーン」を簡単に検索できるように取り組んでいる。
「こうして分析データを活用することで、効率的な学習の実現、ひいては学習の進化にも貢献すると考えている」と萩原氏は話す。
MarkeZineとチーターデジタルが考えるメールマーケティング最前線
広告、LINE、アプリ、SNSなどデジタルチャネルは大体出そろった今こそメールについて考えよう
![](https://mz-cdn.shoeisha.jp/static/images/article/27139/27139_zu.jpg)