ユースケース:より賢いターゲティングでサブスクリプションのアップグレードを予測する

この例は、架空のブランドがBraze Predictive Eventsを活用し、自社にとって重要な成果（プロ会員へのアップグレードなど）を定義し、結果を改善するターゲット戦略を構築する方法を示している。

ジョーダンは、無料版と有料版がある健康・フィットネスアプリ「ステッピントン」のライフサイクルストラテジストだ。ジョーダンのチームは、無料ユーザー群全員に割引メッセージを大量に送りつけることなく、プロプランへのアップグレードを増やすことを目標としている。現在、無料プランのユーザー全員に、7日後に「プロ版を半額で試す」プロモーションを送っている。一部のコンバージョンは促進する（7日間で約5%）が、過剰なアプローチも招く。これには元々アップグレードする可能性が高かったユーザーを軽視する行為も含まれる。

ターゲティングを改善し、メッセージングの飽きを軽減するため、Jordanは予測イベントを用いて、ユーザーが今後7日以内にProにアップグレードする可能性をモデル化する。彼はカスタムイベントを定義する。upgraded_to_proそしてそれを使って予測モデルをトレーニングし、ユーザーをスマートで行動指向のグループに分類する。

このチュートリアルでは、ジョーダンがどのように作成したかを説明する。

• 7日upgraded_to_pro以内の予測モデル
• コンバージョン率を向上させつつ、送信するメッセージの総数を減らすのに役立つセグメント

ステップ 1: アップグレードの予測モデルを作成する

ジョーダンはまず、アップグレード戦略において最も重要な成果を定義する。それはユーザーが無料プランからプロプランに移行することだ。「登録からの経過時間」のような一般的なトリガーに頼るのではなく、実際にコンバージョンする可能性が高いユーザーを予測したいのだ。こうすることで、彼のチームは単なる推測ではなく、実際のシグナルに基づいて行動できる。

1. Brazeのダッシュボードで、ジョーダンは分析＞予測イベントに移動する。
2. 彼は新しいイベント予測を作成し、「7日でプロ版にアップグレード」と名付けた。
3. 対象イベントとして、彼は自身のカスタムイベントを選択する：upgraded_to_pro。
4. ジョーダンは予測期間を7日に設定し、更新スケジュールを設定し、予測を作成する。

ステップ 2:ユーザーをアップグレード確率に基づいてセグメント化する

トレーニングが完了すると、Brazeは対象となる各ユーザーにイベント発生確率スコア（0～100）を割り当てる。ジョーダンはこのスコアを用いて、実行可能なセグメントを作成する。一つは割引を必要としない可能性が高い、購入意欲の高いユーザー向け。もう一つは支援なしではコンバージョンに至らない可能性が高いユーザー向けだ。

1. ジョーダンはBrazeのセグメントに移動する。
2. 彼はイベント発生確率スコアのフィルターを使って二つのセグメントを作成し、自身が作成した予測を選択する。二つのセグメントは次の通りだ：
   • アップグレードする可能性が高い：70点以上を取る
   • アップグレードするには後押しが必要だ。40以上70未満の点数を取る

ステップ 3:意図レベルに応じてメッセージングをパーソナライズする

ジョーダンは、アップグレードの意思を示す明確なシグナルと、ユーザー行動に基づく精緻化されたサブグループを手にしている。そこで彼は、各ユーザーのニーズに応じて適応するメッセージング戦略を構築する。画一的な一斉送信はもう終わりだ。

彼はこのキャンペーンの主要なチャネルとしてメールを選んだ。なぜでしょう？ジョーダンは、購入意欲の高いユーザーに対してプロ版の価値を説明し、躊躇しているユーザーに対して説得力のある提案をしたいと考えている。どちらの場合も、十分なスペースと視覚的要素、そして強力な行動喚起が必要だ。メールはユーザーにプレッシャーをかけずにそれをうまく行う柔軟性を与え、クリック行動を通じてパフォーマンスをトラッキングできるようにする。

ジョーダンは、先ほど構築したセグメントに基づいて体験を分割するキャンバスを作成する。彼はオーディエンスパスステップを追加して対象を絞る：

• 高い意欲を持ち、フィットネスに重点を置くユーザー
• 強い意図、他のユーザー
• 購入意欲が低い、フィットネスに重点を置いたユーザー
• 購入意欲が低い、他のユーザー

彼はまた、Canvasのコンバージョンイベントをカスタムイベントに設定する。これによりBrazeは、ユーザーがフローを進むupgraded_to_proにつれてアップグレードコンバージョンを自動的に追跡する。

パスごとの例示メッセージ

• high intent, fitness
• high intent, other
• low intent, fitness
• low intent, other

ステップ 4: 結果を測定し、戦略を最適化する

キャンペーン実施後、ジョーダンはCanvas Analyticsでパフォーマンスを分析し、パーソナライズされたパスの効果を把握する。同時に、予測意図と行動シグナルを組み合わせることでアップグレード率が向上したかどうかも確認する。

パス別のメールパフォーマンス：

• 高い意欲、フィットネス
  • 開封率:34%
  • クリック率：20%
  • コンバージョン率:13％
  • 割引は使わなかった
• 強い意図、その他
  • 開封率:30%
  • クリック率：17％
  • コンバージョン率:11%
  • 割引は使わなかった
• 低意欲、フィットネス
  • 開封率:27%
  • クリック率：12％
  • コンバージョン率:8%
  • 50%オフの特典が含まれている
• 低い意図、その他
  • 開封率:23%
  • クリック率：9％
  • コンバージョン率:6%
  • 50%オフの特典が含まれている

チームの以前の画一的なキャンペーン（7日後の一律割引でコンバージョン率はわずか5％、過剰なメッセージングを招いた）と比べ、ターゲットを絞ったアプローチでは全グループで効果的な向上が見られ、効率性が改善され、不要な割引も減った。

ファネルレポートは、主要なステップにおける離脱率が明らかに減少していることも示している。特に、パーソナライズされたメッセージングを受け取った購入意欲の低いユーザーにおいて顕著だ。より多くのユーザーが開封し、クリックし、アップグレードしている。これは意図ベースのターゲティングの価値を証明している。

ジョーダンはこれらのインサイトを次のように活用する：

• 件名とCTAの表現に関するABテストを探る
• 中程度の購入意思を持つユーザーに対する割引の適用基準を見直す
• コンテンツ閲覧やアプリ機能の使用といった追加の行動に基づいて、セグメントの精緻化を続ける。

予測イベントと階層的セグメンテーションにより、彼のチームは今やユーザー意図と行動に基づいてメッセージングを適応させる拡張可能な戦略を手に入れた。これによりアップグレードを促進しつつ、ブランドの信頼を維持している。