応用的な3要素も解説

　続いて、応用的な要素は3つある。まず「予測型のマーケティング（Predictive Marketing）」は、統計モデル、機械学習のモデルにより過去のデータや以前のキャンペーンから次に取るべきマーケティング活動を予測する。具体的には、アップセル、クロスセルなどの機会を見定め、製品開発に顧客の需要やトレンドを取り込む。ブランドマネジメントにおいては、どのマーケティングキャンペーンがいつ成功するかを予測し、そこに最適なコンテンツを作り込む。

　予測型マーケティングの基本的な手法には重回帰分析がある。またAmazon、Netflix、Spotifyなどは協調フィルタリングを適用することで、人の好みを同じような属性のユーザーデータから予測し、満足度の高いレコメンデーションを実施している。さらに、ニューラルネットワークを使えば、経験、機械学習モデル、ディスカバリーのパターンなどにより独自のアルゴリズムを作り、特定のキャンペーンの成果を事前に予測することができる。

　3つ目は、「文脈に応じたマーケティング（Predictive Marketing）」だ。物理的世界では、デジタルのように完全なカスタム化、ユーザーのプロフィールに沿ったレコメンデーションを行うのは容易ではなかった。しかしIoTセンサーを使えば、顧客が小売店舗に近づいたら感知し、デモグラフィーデータを基にAIで年齢、性別、需要などを予測し、必要な製品やサービスを勧めるインターフェイスを提供できる。

　文脈に応じたマーケティングは、誘引となるトリガーと、結果を導くレスポンスとの関係で機能する。トリガーには個人のプロフィール、場所、瞬間、感情などが含まれる。企業はレスポンスとして、パーソナライズしたサービス、体験、メディア、プロモーション、製品、メッセージを生成しておく。そして、AIが顧客と特定の製品、サービスのマッチングをするのである。

　4つ目に紹介されたのは、「拡張技術によるマーケティング（Augmented Marketing）」だ。これはマーケティングの各ファネルにおいて、人間とマシンがどのように役割分担を行うか考えるのに役立つ。

　まず、ファネル最下部の購買部分には、人間ならではのおもてなしを行う専門領域を担う営業を置くべきである。一方マシンの強みは同じパターンを何度でも繰り返せることであり、それを活かせば最適なカスタマーインターフェイスを作り出せる。つまり、マシンによるこれまでの購買履歴や購買力、購買パターンなどのビッグデータ処理をファネルの最初、認知部分に置き、リードのナーチャリングを通して下に移行させる。これにより、購入の少ない顧客にはチャットボットなどで対応、購入の多いプレミアムな顧客には専門の営業が手厚く対応するといった体制を作れる。

　最後にこれらの要素を合わせて「アジャイルマーケティング」を実行する。リアルタイムのデータ分析、5～8名程度の少人数からなる分散したチームの並行的協業を支えるプラットフォーム、組織を超えた迅速で柔軟な実験体制、外部のリソースと刺激を活用するオープンイノベーションを実現する。

　最後にセティアワン氏は、「マーケティング5.0への進化は、マーケターがパーパスに適した形でAIなどの最先端テクノロジーを用いることで可能になります。書籍は来年の1、2月をめどに刊行予定で、既にAmazonで予約受付中です。お役に立てれば嬉しいです」と述べ、セッションを締めくくった。