顧客が次に何を望んでいるのかを予測する方法 – PromptCloud

業界や市場に関係なく、顧客は現在、一般的なマーケティング メールとともに、あらゆるメディア プラットフォームから多数の広告を浴びせられています。 これは、顧客の信頼レベルに打撃を与えると同時に、そのようなコミュニケーションのすべてではないにしても、ほとんどの顧客を盲目にしています。 これは、一般的なターゲットを絞らないマーケティングの終焉を示していますが、これはまだ多くの企業で実践されています. 周囲が騒がしい中、ターゲットを絞らないマーケティングはもはや機能しません。 特に、ミレニアル世代が広告に注目できる時間はわずか 5 秒であることを考えると。

これは、すべての企業が消費者とその好みの構造化され、よく整理されたデータにアクセスできるようになったことに加えて、ソーシャル メディアを監視してブランドが知りたいライブの会話を監視できるようになったため、心配する必要はありません。 このデータの宝庫は、企業がオーダーメイドのマーケティング キャンペーンや無視できないオファーを提供することを可能にします。

この点でより多くの売上を上げるための重要な戦術の 1 つは、NBO または Next Best Offer です。 Amazon が早期にレコメンデーション エンジンを採用して、買い物客がページへのアクセス、検索、過去の注文に基づいて注文するようにしたことは、NBO の起源と見なすことができます。

次に、ベスト オファーのプロセスとテクノロジは、持続可能な競争上の優位性を獲得し、反応率を一般的なキャンペーンの最大 10 倍まで向上させるために不可欠です。

レコメンデーション エンジンの一般的な実装を次に示します。

LinkedIn: 「あなたが興味を持っているかもしれない仕事」

アマゾン： 「この商品を購入したお客様は、こちらの商品も購入しています」

フェイスブック： 「あなたが知っているかもしれない人々」

Netflix: 「あなたが楽しめるその他の映画」

このノイズの多いマーケティングの世界に影響を与えようとする企業にとって、NBO システムがいかに重要であるかを確立したので、これをビジネスに適用する方法を見てみましょう。

これに対する最も重要な前提条件は、協調フィルタリング技術を使用してさまざまなユーザーに合わせた推奨事項を生成する推奨エンジンです。 レコメンデーション エンジンについて詳しく見ていきましょう。

レコメンデーション エンジン: 仕組み

レコメンデーション エンジンには 3 つの主要なタイプがあり、それぞれ動作が異なります。 適切なタイプの選択は、ビジネス モデルとニーズに完全に依存します。

1. 協調フィルタリング:

このレコメンデーション エンジン モデルでは、レコメンデーションは購入者の過去の購入に基づいています。 ユーザーが特定の製品を購入した場合、その製品の推奨事項は、その特定の製品を購入した他のすべての人々の購入行動から導き出されます。

たとえば、Apple iPhone 7 を購入した場合、システムは iPhone 7 を購入した他のユーザーの購入履歴を調べます。iPhone 7 を購入したほとんどの人が、購入直後に特定のタイプの保護ケースも注文したとします。 これは、新しい購入者に同じ保護ケースを推奨するシステムになります。

協調フィルタリングは、利用可能なデータ量が多い場合に非常に効果的なアプローチです。 ただし、十分なデータがないと、レコメンデーションに関連性がなくなり、期待される結果が得られない可能性があります。 大規模なユーザー ベースがある場合は、協調フィルタリングを使用して、自信を持ってレコメンデーション エンジンを構築できます。

2. コンテンツベースのフィルタリング:

コンテンツ ベースのフィルタリング モデルでは、すべてのアイテムに特定のキーワードと属性が与えられます。 ユーザーの好みに基づいて、レコメンデーション エンジンはユーザーのこれらの属性に重みを割り当てます。 これを追跡するために、各ユーザーのプロファイルが作成され、さまざまな属性に対する好き嫌いが保存されます。 レコメンデーション エンジンは、ユーザー プロファイルを製品属性と照合して、関連するレコメンデーションを生成できます。

このアプローチはあまり効果的ではありません。項目に属性を付加することは困難であり、詳細レベルの詳細がないと推奨事項があいまいになり、関連性がなくなるためです。 コンテンツ ベースのフィルタリング モデルのもう 1 つの制限は、システムがさまざまな種類の製品を効率的に提案できないことです。 たとえば、ユーザーが特定の種類の本を注文した場合、システムは同様の本を推奨できますが、ゲーム、映画、またはその他の種類の製品は推奨できません。

3.ハイブリッドモデル：

名前からわかるように、ハイブリッド モデルは 2 つのモデルを組み合わせて、強力で正確なレコメンデーション エンジンを作成します。 ハイブリッド モデルは、コンテンツ ベースの機能をコラボレーション モデルに追加する (またはその逆)、2 つの個別のモデルを組み合わせる、またはカスタム モデルを構築することによって構築できます。 Netflixはハイブリッド モデルの人気のある採用者であり、その推奨事項の関連性は、この道をたどる十分な理由です。

2 つのアプローチを組み合わせると、両方の利点が得られ、それぞれの制限が他方で補われます。 両方のモデルの品質を組み合わせたカスタム モデルを作成するには、完璧なデータ サイエンスとプログラミングのスキルが必要です。

エンジンの影響を測定する

ビジネス モデルに適したレコメンデーション エンジンを実装したので、収益の増加、チャーンの削減、ユーザー エクスペリエンスの向上など、収益への影響を測定することが重要です。

影響を評価するには、いくつかの基本的な質問を自問する必要があります。

1. ユーザーのニーズに関して、推奨事項はどの程度細かく調整されているか、または非常に幅広いものですか?
2. 推奨事項に応じて、ユーザーのアクションは影響を受けていますか?
3. ユーザーはこれらのレコメンデーションを受け入れ、それらが有用であると感じていますか?

レコメンデーション エンジンを構築することは、技術的にも財政的にも、ビジネスにとってかなりの投資になるでしょう。 ただし、明確に定義された目標を持って適切な方法で実装すれば、ビジネスを次のレベルに押し上げることができます。

結論

NBO は明らかに大きな可能性を秘めた戦術であり、NBO を構築するための投資は短期間で元が取れます。 それを無視すると、レコメンデーション システムを構築するほど賢い競合他社に顧客を奪われる可能性があります。 顧客はあらゆるところからマーケティング キャンペーンの攻撃を受けているため、関係のないキャンペーンには注意を払わないため、ここでレコメンデーション エンジンの出番です。レコメンデーション エンジンはすべて問題ありませんが、レコメンデーションの関連性によって結果が決まります。これから得ることができます。