機械学習はマーケティングオートメーションにとって何を意味しますか？

公開: 2017-06-09

過去数年間で、マーケティングの自動化は「便利な」テクノロジーからマーテックの兵器庫の不可欠なコンポーネントへと進化してきました。 しかし、データ駆動型の戦略がなければ、それはどういう意味ですか？機械学習がその答えですか？

数週間前、私は人工知能に関する会議に出席し、パネルが職場でのAIの影響について話し合いました。講演者の1人であるAnthonyPainterは、AIが私たち全員を失業させるかどうかという質問に対して興味深い回答をしました。

「うまくいけば、そうです」と彼は言った。

彼のポイントは、AIが私たちのために仕事をしているという概念を恐れてはならないということでした。それが、AIが行うように設計されていることです。 AIが私たちに必要なすべてを実行する段階に到達することは、黙示録ではなく、ユートピアになります。

哲学的な間奏はさておき、多くの人は自動化がその旅の主要なステップであると主張するでしょう。マーケティングの文脈では、それは開業医がより多くの時間を高レベルの戦略的思考に集中させ、実行について心配することを少なくすることを可能にします。今日、自動化ソフトウェアは、販売とマーケティング全体で無数の能力で適用でき、一流のプラットフォームは、リードのスコアリングとセグメンテーションからソーシャルメディアのスケジューリングと自動SEOまですべてを提供します。

人口統計、好み、ウェブサイトの操作からユーザーのクリックストリームやソーシャルメディアアクティビティまで、マーケターが利用できる豊富な顧客データにより、マーケティングの自動化により、マーケターはデータを新しく興味深い方法で機能させることができます。

ルールが破られるように作られている

しかし、ルールベースのマーケティングオートメーションには固有のハンディキャップがあります。それは、それを操作する人間と同じくらい賢いだけです。

マーケティングオートメーションの重要な用途であるオーディエンスセグメンテーションを利用してください。マーケティングオートメーションシステムをCRMデータに適用して、オンサイトの行動、人口統計データ、または表明された好みなどに基づいて顧客をセグメントに分割できます。

ただし、セグメンテーションを決定するルールはマーケティング担当者が選択します。つまり、どのデータポイントを確認する価値があるかについての人間の仮定に依存します。これは誤った仮定の余地を残し、マーケターがデータセット全体を考慮に入れることを許可しません。

さらに、データが収集される構造化された方法は、微妙な分析の可能性を制限します。事前定義されたフィールドの1つに対応しない要因（たとえば、事業規模、収入、教育レベルなど）に基づいて正確にセグメント化することは難しい場合がありますが、それは重要な場合があります。 Software Adviceのある著者は、これを顧客の「2次元」ビューとして説明しました。

入力：機械学習

機械学習が解決策になる可能性があります。機械学習は、「クラスタリング」と呼ばれる分析プロセスを通じて、顧客データの完全なセットを調べ、パターンを識別して、類似したデータの「クラスター」に編成できます。これの利点は、どのデータが重要であるかについてのマーケティング担当者の仮定を考慮に入れていないことです。その情報は、代わりに分析によって決定されます。これにより、データの個々の部分を一度に1つずつ分析することで見逃された可能性のある、トレンドや接続への扉が開かれたままになります。

もう1つの利点は、予測をリアルタイムで行えることです。たとえば、機械学習システムでは、特定の人口統計内で3つ以上の商品ページにアクセスした顧客が購入する可能性が2倍高いことがわかります。この洞察をマーケティングの自動化と組み合わせると、顧客の旅の最適な時点で非常に関連性の高い取引やオファーを送信することで、見込み客を変えることができます。

さらなる例は、電子メールの送信時間を最適化することです。マーケティングオートメーションシステムは、テストメールの送信を1日のさまざまな時間に分割できます。次に、機械学習アルゴリズムは、オープンとクリックスルーで結果のデータを取得し、それを履歴データと組み合わせて、結果に基づいて次の電子メール送信を変更することができます。時間が経つにつれて、キャンペーンは、マーケティング担当者がデータから洞察を引き出し、それらを手動で実行することに依存することなく、成功のために自己最適化するでしょう。まだユートピアに聞こえますか？

その他のアプリケーション

機械学習には、解約予測など、マーケティング内の他の興味深いアプリケーションもあります。これは、アルゴリズムを使用して、新しい顧客をデータベース内の既存の顧客と比較します。理論的根拠は次のとおりです。同様の顧客が過去に「解約」したことがある場合、新しい顧客も解約する可能性があります。システムは、比較を行うときに完全なデータユニバースを考慮に入れます。つまり、関連性があると認識されなかった（したがって、マーケティング担当者によって無視された）要因が重要であると明らかになる可能性があります。

セールスイネーブルメントは別のユースケースです。また、CRMデータを利用して、このテクノロジーは、各販売機会に最も関連性の高いコンテンツを販売チームに提供するように設計されており、購入プロセスを可能な限り摩擦のないものにするのに役立ちます。

トップエンドのソフトウェアは、どの販売コンテンツが最も頻繁に、誰によって、どのような目的で使用されているかを教えてくれます。また、データを分析して、どのコンテンツが最も収益を上げているかを明らかにし、販売ドキュメントがどれほど効果的で、どこに最適化する機会があるかを把握します。

未来

機械学習は、マーケティングの世界にとって非常にエキサイティングな展望であり、チームやキャンペーンの効率と効果を向上させる大きな可能性を秘めています。つまり、マーケターが自動化ベンダーと協力してテクノロジーを最大限に活用することが重要です。

一般的なマーケティングオートメーションベンダーが提供する機能について知りたい場合は、マーケティングオートメーションベンダーの選択方法に関する最近の投稿を確認してください。