データマーケティングのためのデータ活用のポイント

顧客の属性や嗜好、行動履歴から顧客ごとにパーソナライズする「One to One マーケティング」と、それを大規模に行うためにシステムで自動化する「マーケティングオートメーション（MA）」がデータマーケティングの代表例です。

たとえば行動履歴に基づくリマーケティング広告や、嗜好に合わせてパーソナライズしたWeb広告を出すには、大量の生のアクセスログを整理して分析する前処理が必要です。

大量のデータを収集・分析するには費用も時間もかかります。「何をしたいか」が明確であればあるほど、どんなデータが必要で分析手法には何を用いるか決めやすくなります。

データマーケティングをこれから始める場合、データを活用する前に整備するコストや時間が伴うので、小さく始めるのがおすすめです。

自社が解決したい問題に対して、原因の仮説を立てます。例えば、ECサイトで商品がカートに入ったまま購入されない「カゴ落ち」の原因にも幾つか種類があります。

入力項目が多い、案内が不親切などショッピングカートのユーザービリティが原因と仮定する場合はカート関連の画面遷移を中心に調査します。一方、カートに入っていることを忘れてサイトを離脱してしまう場合は、ユーザーが最後に見ていたページを調べ、離脱する際にメッセージを出す方法があるかもしれません。

このように目的と仮説によって、必要なデータも変わってきます。

時間軸・属性・行動などの観点でフィルタ前の全データを俯瞰し、特徴あるポイントがないか見つけていきます。

全体像を俯瞰して気づいた傾向や異常値、仮説を裏付けるデータを確認します。

Webのアクセスログを初めて触る方の場合、利用者も多く活用方法もよく知られているGoogle Analyticsでデータ集計したり、フィルタリングしたりすると良いでしょう。

複数のサイトを統合したデータが欲しい場合はデータを出力してエクセルやDBで加工する方法がありますが、ドラッグ&ドロップで現場の人間でも簡単にビジュアライズできるTableau（タブロー）を使うと便利です。

最終的にはSQLを使ってデータベースを操作する人たちもいます。従来は欲しいデータをエンジニアや外注業者に依頼して、時間も費用もかかっていた部分が短縮され、試行錯誤の頻度も上げられます。

例えば日経新聞のような古くて大きい会社でも社内にデータドリブンを加速する「データ道場」を開設しSQLを触れる人が200人以上いる状況になっています。

見つけた特徴を詳しく調査したり、別のデータソースからも検証します。補足データでも裏付けられれば、仮説がより確かなものになります。

仮説がデータから裏付けられたなら、その課題を解決するマーケティング施策を検討します。またここまでデータ分析していれば、どの指標をKPIに改善とみなすかも決められます

課題を改善する施策を実行します。

施策実行後に改めてデータを分析して、KPIとする指標が改善されたかPDCAを回します。

マーケティングにデータを活用するには、まずデータを収集し分析するステップが必要です。それには時間も費用もかかるので「何を解決したいか」という目的を明確にして必要なデータや分析手法をはっきりさせることが重要です。

またデータ分析のサイクルを早めるには現場がすぐデータを扱える環境づくりが必要です。Tableauのようなツールを導入する方法もあれば、社内で勉強会を開いてSQLを扱える人数を増やしていくアプローチもあります。

これからマーケティングにデータ活用していこう、というフェーズの企業ではまずは小さく始めることからやってみましょう。