データは売上を産み出す源泉として、今やあらゆる企業活動の原動力となりつつある。この新たなトレンドを踏まえ、プライバシーやデータセキュリティの問題に配慮しつつ、いかに早く顧客インサイトを得るかが、マーケターが取り組むべき課題となっている。そこで、注目度が高まってきたデータドリブン・マーケティングについて、2回に分けて解説したい。

データドリブン・マーケティングとは何か?

データドリブンというアプローチは、ビッグデータが着目されるようになった頃から注目を浴び始めた。その背景には、さまざまな企業活動の根幹を成し、業績を左右する存在としてデータの重要性が増してきたことが影響していると見られる。企業の最前線で顧客に対峙するマーケティング活動においても例外ではない。

データドリブン・マーケティングに明確な定義はないものの、売上最大化をゴールとし、顧客インサイトをマーケティング活動の意思決定に役立てるための一連のプロセスを、データに基づき行うアプローチとして理解されている。

マーケターが実現したい具体的目標としては、「キャンペーンターゲットとなる顧客セグメントの特定」、「顧客エクスペリエンスのパーソナライゼーション」、及び「パーソナライズした結果どのような成果が得られたかを評価するマーケティングROIの最大化」があるようだ。特に、顧客に対して、一律的な働きかけを行うのではなく、顧客の好みに合わせて、タイミングの良い働きかけを行う「パーソナライゼーション」を実現するためのアプローチとして、多くのマーケターから期待されている。

パーソナライゼーションを実現するには、最新のテクノロジーのサポートが必須である。そこで、データアナリティクスやデータマネジメントのような関連するテクノロジーへの注目度が高まってきた。

データドリブン・マーケティングを後押しするトレンド「データ民主化」

これまでのマーケティング活動では、特定の担当者の勘と経験に依存する部分が大きく、折々の判断が求められる場面で、正しい意思決定ができているかを評価することが難しかった。これにはテクノロジーの問題が大きいが、意思決定を経営層だけが行う特別な仕事とみなす組織の問題も大きい。

顧客獲得や売上という成果を得るには、経営層の判断はもちろん大事だが、現場の担当者が毎日行う小さな判断の積み重ねも重要である。マーケティングに従事するすべての関係者が、データという客観的な判断材料を基に意思決定を行う仕組みがあれば、意思決定に関わる責任を分散することができる。

また、従来のデータ分析に関わる処理は、マーケティング部門だけで完結するものではなかった。さまざまなデータソースからデータを集め、分析可能な状態に変換する前処理は、面倒で時間がかかるものであった。さらに、データを可視化し、顧客インサイトを得るまでの分析プロセス自体も、データサイエンティストやIT部門など、社内外の専門家のサポートが必要であった。

そのため、アナリティクス・ツールと言えば、高価で専門的なスキルを必要とするものというのが定説となっていたが、ここに来て変化の兆しが見られる。最近、多くの支持を集めるようになったアナリティクス・ツールは、データ分析を現場の担当者自身がサポートを借りずに行えるセルフサービス型の平易な設計を採用しているのが特徴だ。

データドリブン・マーケティングに向けての障壁

どの企業でも顧客に関する何らかのデータを保有している。それにもかかわらず、今まで十分な活用ができていなかったのはなぜか。理由としては、次のようなことが考えられる。

データ連携の問題

データドリブン・マーケティングのための基盤構築は、実はさほど簡単なことではない。まず、データと一口に言っても多種多様であり、既存の企業情報システムの格納形式である構造化データだけでなく、多種多様なデータソースからテキスト、音声、画像、動画などの非構造化データもある。

また、自社で保有するデータ（ファーストパーティーデータ）だけでなく、パートナーが保有するデータ（セカンドパーティーデータ）やDMP（サードパーティーデータ）を追加し、より正確なターゲティングを行うケースも考えられる。このように、形式の異なるデータソースから必要なデータを集約し、リアルタイムで可視化するには、専用の高速処理基盤が必要なのだ。

データ品質の問題

次に、よく見過ごされがちな問題として、正しい意思決定を行うには正しいデータを利用することが前提となる点が挙げられる。

長年にわたって、IT部門がリーダーとなり、販売、物流、製造といった具合に、業務単位でのシステム化を進めてきた。情報システムが「部門最適化」しているために、データがサイロ化しているケースには注意を要する。

例えば、住所の番地を全角で入力していたり、半角で入力していたりと、部門ごとに入力ルールが違っており、データを集約した時に同一と見なすべきデータを違うものと認識してしまうことがよく ある。また、住所移転、勤務先変更、役職の変更、名前の変更など、時間の経過と共にデータは汚れてくる。だから、データのクレンジング（名寄せ）を定期的に行わなければならない。