顧客獲得の時代3.0

新しいアルゴリズム、より高速な処理、大規模なクラウドベースのデータセットの出現により、広告を販売するすべての主要なデジタルメディアプロバイダーは、人工知能（AI）を実験して、広告主のパフォーマンスを向上させることができます。 マーケティングのすべての分野は特に変革の機が熟していますが、新しい顧客の獲得と収益の成長の分野に焦点を当てる絶好の機会です。

これは、ほとんどの企業が通常最も裁量的なお金を使う場所です。 これらの領域（まとめてCustomer Acquisition 3.0と呼びます）は、ビジネスの拡大に最大の影響を及ぼします。

まず、Customer Acquisition 1.0を、さまざまな物理サーバーに存在するサイロ化された顧客データのフェーズとして簡単に定義しましょう。 その結果、有料ユーザー獲得の取り組みを行っている企業は、不十分なデータに悩まされ、キャンペーンのパフォーマンスに完全な自信を持っていませんでした。

Customer Acquisition 2.0は、クラウドベースのデータ処理機能を活用して、複数のソースからのすべての顧客データを1つの統合された顧客データプラットフォームに統合する機能です。

Customer Acquisition 2.0インフラストラクチャが整っているので、FacebookやGoogleなどのサイロで実行されている主要な広告パートナーの個々のAI機能と自動化を活用して、パフォーマンス目標を達成するために予算をより適切に最適化できます。

規模と学習のための新しい次元

これにより、私がカスタマーアクイジション3.0と呼んでいる世界にたどり着きます。ここでは、もはや拡張性はなく、コストリーダーシップを達成し、安定したサービスの提供を最適化するという従来の価値のみを表しています。

代わりに、スケールは複数の次元にわたって新しい方法で価値を生み出します。企業が生成してアクセスできる関連データの量のスケール、このデータから抽出できる学習の量のスケール、実験のリスクを減らすためのスケール、スケールイン協調的エコシステムのサイズと価値、これらの要因の結果として生成できる新しいアイデアの量のスケール、および予期しないショックのリスクの緩衝のスケール。

学習はビジネスにおいて常に重要でした。 ブルースヘンダーソンが50年以上前に観察したように、企業は一般に、累積的な経験が増えるにつれて、予測可能な速度で限界生産コストを削減できます。

しかし、従来の学習モデルでは、重要な知識、つまり1つの製品を作成する方法や1つのプロセスをより効率的に実行する方法を学ぶことは、静的で永続的です。

将来的には、代わりに動的学習のための組織的能力を構築する必要があります。つまり、新しいことを行う方法を学び、新しいテクノロジーと膨大なデータセットを活用して「学ぶ方法を学ぶ」必要があります。

今日、AI、センサー、デジタルプラットフォームは、より効果的に学習する機会をすでに増やしていますが、BCGによると、2020年代までに学習率を競うことが必要になるとのことです。

ダイナミックで不確実なビジネス環境では、企業は予測と計画だけでなく、発見と適応に重点を置く必要があります。

したがって、企業はAIの使用をますます採用および拡大し、学習の競争力を高めます。 そして、そのメリットは「データフライホイール」効果を生み出します。より速く学習する企業は、より良いサービスを提供し、より多くの顧客とより多くのデータを引き付け、学習能力をさらに高めます。

ただし、静的プロセスを改善するための学習という従来の課題と、組織全体で新しいことを継続的に学習するという新しい必須事項との間には、大きなギャップがあります。

したがって、学習での競争に成功するには、AIを今日のプロセスと構造に単に接続するだけでは不十分です。 代わりに、企業は次のことを行う必要があります。

• センサー、プラットフォーム、アルゴリズム、データ、自動化された意思決定など、学習に関連するすべてのテクノロジーモードを取り入れたデジタルアジェンダを追求します。
• 遅い階層的意思決定によってゲートされるのではなく、データの速度で学習できる統合学習アーキテクチャでそれらを相互に接続します。
• 動的でパーソナライズされた顧客インサイトを作成して実行できるビジネスモデルを開発します。

マーケターがより多くの顧客データにアクセスできるようになったのはこれまでにありませんでした。 企業がユーザープロファイルを使用して収集するファーストパーティのデータは、基本的な名前や人口統計データを超える可能性があり、エンゲージメント、保持、収益化などに関するダウンストリームの豊富なデータポイントが含まれる場合があります。 企業はこれを使用して、成長チームのプロスペクティングおよびリターゲティングキャンペーンを実行するための優れたユーザーセグメントを構築できます。

既存の豊富なユーザーデータの上に階層化されたブランドからこのすべてのファーストパーティデータを取り込んで処理することで、これらのメディアパートナーは、数年前でも不可能だった機械学習を使用して高度なモデリングと分析を実行できます。 これにより、新しい洞察とデータ分析によるターゲティングが改善されます。

半年前と同じようにキャンペーンを手動で最適化している場合は、顧客獲得ゲームで急速に消滅している品種の中にいることに気付くかもしれません。 手動プロセスは、非効率性を攻撃するために急速に出現した新しいソリューションよりもはるかに効果が低く、人為的エラーが発生しやすい可能性があります。

AIと顧客獲得

グーグル、フェイスブック、プログラマティック広告ネットワークなどの主要なメディアプラットフォームによる顧客獲得のためのAIの採用の加速は、マーケティング費用がモバイルマーケティングキャンペーンに投資される方法における根本的かつ極めて重要な移行を表しています。

成長マーケターは、広告をユーザーに表示する場所や方法を選択することができなくなりました。代わりに、入札や予算などのいくつかの入力に基づいて、アルゴリズムがこれらのロジスティクスを決定します。

これはほとんどの成長チームにとっては良いことかもしれませんが、業界で最もインテリジェントな成長マーケターの中には、AIが結果を改善できる明白な方法を超えて、AIが有料ユーザーの獲得を促進できる最先端の「箱から出して」の方法に焦点を当てようとしています。パフォーマンス。

インテリジェントマシンをオンにする時が来ました

結局のところ、新しいテクノロジーを評価する最良の方法は、ビジネスや業界での実際の使用法を理解することです。 優れたユーザーエクスペリエンスが個人のニーズに合わせてパーソナライズされるのと同じように、顧客獲得の拡大の未来は、各プラットフォームのすぐに使える人工知能ソリューションをニーズ、目的、および目標に適合させることができる企業によって勝ち取られます。

成功している企業は、適切な指標と主要業績評価指標（KPI）に焦点を当てることの重要性を学びました。これらは、企業が重要なビジネス目標をどれだけ効果的に達成しているかを示す測定可能な値です。

KPIの例としては、顧客獲得コスト（CAC）、広告費用対効果（ROAS）、1日のアクティブユーザー（DAU）、1か月のアクティブユーザー（MAU）、保持率、解約率などがあります。

AIを利用したマシンは、手動によるキャンペーン介入の比較的脆弱なプロセスと比較して、これらの目標に向かってより効率的に移行する買収キャンペーンを調整するのに役立ちます。

これには、全体的なクロスチャネルアプローチが必要です。これにより、データ駆動型のターゲティングからクリエイティブの急増、アトリビューションとパフォーマンスの最適化まで、運用の複雑さが大幅に増加します。 そして、複雑さには、まさにあなたが望まないもの、つまりリスクと不確実性が伴います。

遅かれ早かれ、顧客獲得の取り組みは、人工知能、機械学習、自動化に依存して、クロスチャネルのユーザージャーニーを適応、カスタマイズ、パーソナライズし、前世代のビジネスインテリジェンスとダッシュボードでは不可能な方法で最適な結果を提供します。

学習率を加速するために複数のターゲット、クリエイティブ、シーケンスを使用して複雑なクロスチャネルキャンペーンを管理するには、すぐに使用できるソリューションの上にインテリジェントなマシン運用レイヤーが必要です。平均的であること。

Lomit Patelは、IMVUの成長担当副社長です。 IMVUの前は、Lomitは、Roku（IPO）、TrustedID（Equifaxが買収）、Texture（Appleが買収）、EarthLinkなどの初期段階のスタートアップで成長を管理していました。 Lomitは演説家、作家、顧問であり、Liftoffによってモバイルヒーローとして認められています。 エリックリースのベストセラー「リーンスタートアップ」シリーズの一部であるロミットの新刊リーンAIが、 Amazonで入手可能になりました。