AIオーディエンスセグメンテーション：よりスマートなオーディエンスの構築と活性化

AIオーディエンスセグメンテーションは、機械学習を活用して、ユーザーの行動、属性、予測インテントに基づいてマーケティングオーディエンスにグループ化し、基となるデータが変化するたびにオーディエンスを自動的に更新する手法です。

この記事では、まずオーディエンスの構築方法、次にそのオーディエンスを顧客へのあらゆる接点で活性化する方法について説明します。データサイエンスのモデリングは、自社ブランドでどう機能させるかを理解していなければ意味がないからです。

メール、プッシュ、アプリ内メッセージ、SMSといったオウンドチャネルから、ペイドメディアまで、AIオーディエンスセグメンテーションを横断的に展開することで、より精度の高いターゲティング、すでにコンバージョンしたユーザーへの無駄な広告費の削減、そしてどこで使っても同じ意味を持つ一貫性のあるオーディエンスを実現できます。

まとめ

• AIオーディエンスセグメンテーションは、機械学習を活用して行動、属性、予測インテントからマーケティングオーディエンスをグループ化し、新しいデータが届き次第、自動的にオーディエンスを最新の状態に保ちます。
• 顧客セグメンテーションとの違いは目的にあります。顧客セグメンテーションはモデルによるグループ化の方法に関するものですが、オーディエンスセグメンテーションはそれらのグループをキャンペーン、類似オーディエンス、除外リストとして活性化可能なオーディエンスに変換することに関するものです。
• オーディエンスは行動、属性、インテントシグナルをもとに構築され、その後、傾向スコアによって評価され、リアルタイムで更新されます。カゴ落ち、離脱、購入など、行動が変化した瞬間にメンバーシップが変動します。
• その価値はオウンドチャネル（メール、プッシュ、アプリ内メッセージ、SMS、Web）とペイドメディア（ターゲティング、類似オーディエンス、除外）を横断した活性化から生まれ、一人の顧客が矛盾したメッセージを受け取ることがないよう調整されます。
• プラットフォームを選定する際は、リアルタイム更新、オウンドチャネルとペイドメディアの統合活性化、類似オーディエンスと除外リストのサポート、ファーストパーティデータ・CDP・データウェアハウスのモデルへの連携方法、そしてマーケターがデータサイエンスチームの対応を待たずにオーディエンスを構築できるかどうかを検討してください。

AIオーディエンスセグメンテーションとは何か？

AIオーディエンスセグメンテーションとは、機械学習を活用して、ユーザーの行動シグナル、属性、予測インテントに基づいてマーケティングオーディエンスにグループ化し、新しいデータが届くたびにそのオーディエンスを最新の状態に保つことです。その成果はアクティベート可能なオーディエンス——キャンペーン対象オーディエンス、除外リスト、類似オーディエンスのシードなど、すぐにアクションに移せるもの——です。これが、単にデータレポートを得るだけでアクションにつながらない純粋な分析的な取り組みとオーディエンスセグメンテーションを区別する点であり、AIマーケティング戦略の一部として取り組むべきものです。

AIオーディエンスセグメンテーションへの入力は、ファーストパーティの行動データ、購買履歴、エンゲージメントシグナルから得られ、オーディエンスは傾向（購入しやすい、離脱しやすい）や共通する行動によっても定義できます。オーディエンスタイプの例として、以下が挙げられます。

• 高インテントオーディエンス： 直近の行動から購入やコンバージョンが近いと示唆されるユーザー
• 離脱リスクオーディエンス： 離脱や解約の前にエンゲージメントが低下しているユーザー
• 類似オーディエンス： 既存の高価値グループに類似した新規見込み顧客
• 高価値オーディエンス： 最も多く購入する、または最も長く継続する顧客

AIオーディエンスセグメンテーションと顧客セグメンテーションの違い

顧客セグメンテーションとオーディエンスセグメンテーションは、同じプロセスの両端にあたるもので、中間部分では重なり合っています。明確にすると、AI顧客セグメンテーションはユーザーのグループ化方法に関するもので、それを実現するモデリングを目的としています。クラスタリング、分類、予測モデリングについて詳しくは、AI顧客セグメンテーションのガイドをご参照ください。

一方、AIオーディエンスセグメンテーションは顧客セグメンテーションの続きにあたり、それらのグループをキャンペーン、ペイドメディア、類似オーディエンス、除外リストとして活性化できるオーディエンスに変換します。

両者の境界線がぼやけているため、同じ意味で使われることもありますが、その違いの認識は重要です。

AIがオーディエンスを構築する仕組み：シグナル、スコアリング、リアルタイム更新

AIを活用したオーディエンスの構築は、生データを入力し、顧客の行動変化に応じて異なるオーディエンスセグメント間を移動できる動的なグループを作成するプロセスです。モデルがグループ化とスコアリングを担い、そのグループ化をリアルタイムで維持することで、オーディエンスは先週のスナップショットではなく、現在のユーザーの行動を反映したものになります。

生データから実用可能なオーディエンスが形成されるまでには3つのステージがあります。

それはシグナルから始まります。

• 行動シグナル： カテゴリーの閲覧、メッセージの開封、カゴ落ちなど、ユーザーが行った行動。
• 属性データ： プランタイプ、所在地、デバイス、ロイヤルティランクなど、ユーザーが何者であるかを示す情報。
• インテントシグナル： 購入、アップグレード、離脱など、ユーザーが次に何をするかの予測。

予測オーディエンスの構築は、データが示す「これから起こりうる行動」でユーザーをグループ化し、各ユーザーの購入、離脱、コンバージョンの可能性を評価する傾向スコアリングを活用します。これがオーディエンスを後ろ向き（過去の行動ベース）ではなく予測的にする要素であり、行動の変化に合わせてスコアが更新されるため、インテントが新鮮なうちにアクションを取ることができます。

どちらもAI最適化としてひとまとめにされがちですが、キャンペーンを作成・最適化する際には、明確に異なる2つの領域があります。

生成AIには、コピー、件名、画像の下書き生成などが含まれます。AIによるオーディエンスとアクションの最適化は、オーディエンスに誰が属するかを選択し、各ユーザーに合ったチャネルやタイミングを決定するものです。どちらも補完的なAIアクションですが、それぞれ異なる要素を持っています。

BrazeAI Decisioning Studio™は、構築されたオーディエンスを活用して、あらゆるビジネスKPIを最適化する1対1の意思決定を行うレイヤーです。継続的なテストと学習により、リアルタイムのオーディエンスセグメンテーションを通じて、市場の変化や顧客行動の変化にブランドが適応できるようにします。

セグメントからオーディエンスへ：オウンドチャネルとペイドチャネルでの活性化

セグメントは、活性化できるオーディエンスに組み込まれて初めて真の価値を発揮します。クロスチャネル活性化とは、そのオーディエンスを利用するすべてのチャネルで活用することです。これはメール、プッシュ、アプリ内メッセージ、SMS、Webなどのオウンドチャネルと、広告ターゲティング、類似オーディエンス、除外リストなどのペイドメディアの2方向で価値を創出します。

リアルタイムオーディエンスセグメンテーションでオウンドチャネルのAIオーディエンスを活性化するには？

オウンドチャネルの活性化とは、AIオーディエンスを使ってメール、プッシュ、アプリ内メッセージ、SMS、Webを通じて送るジャーニーをトリガーしパーソナライズすることです。オーディエンスは行動の変化に合わせて更新されるため、ジャーニーは先週の行動ではなく、ユーザーが直前に行った行動に反応します。

たとえば、高インテントオーディエンスが同じ商品を3回閲覧したユーザーを捉えたとします。そのオーディエンスに入ることで、その場でジャーニーがトリガーされ、プッシュ通知や後続メールなどのアプローチが実行されます。そのユーザーが購入すると、高インテントオーディエンスから外れ、リテンションを目的としたオーディエンスに移行し、メッセージは購入後のフォローアップとエンゲージメント維持へと変わります。こうした動的セグメントのジャーニーオーケストレーションにより、すべてのチャネルにわたってメッセージがその瞬間に合ったものになります。

ペイドメディアにおけるAI類似オーディエンスの仕組みは？

AI類似オーディエンスは、既存の優良顧客グループに類似した新規見込み顧客を発見します。モデルは高価値なシードオーディエンスに共通する行動シグナルとインテントシグナルを読み取り、どれだけ一致するかで他のユーザーをスコアリングすることで、獲得キャンペーンがコンバージョンしやすい見込み顧客にリーチできるようにします。

ペイド活性化の具体的な活用方法は以下の通りです。

• 類似モデリング： 高価値または高インテントオーディエンスからシードを構築し、プラットフォームに類似したユーザーを探させます。精度の高いシードからはより精度の高い類似オーディエンスが生まれる
• ターゲティング： 既存のオーディエンスをそのまま広告プラットフォームに同期し、離脱リスクのあるユーザーにオウンドメッセージと並行してペイドキャンペーンで再アプローチするなど、既知のユーザーにリーチ
• 除外と対象外設定： オーディエンスをキャンペーンから除外します。すでにコンバージョンしたユーザーを割引広告から除外することで、すでに成立した販売に対して割引コストを支払う無駄を防ぐ

オーディエンスの除外と対象外設定は利益率を守ります。すでに購入したユーザーへの入札にかかる予算を無駄にしないためです。

クロスチャネルのオーディエンス活性化を調整する理由は？

オウンドチャネルとペイドチャネルを連携させることで、一人の顧客が矛盾したメッセージを受け取ることを防ぎ、同じユーザーへのリーチに二重でコストをかけることを防ぎます。オムニチャネルオーケストレーションはデジタルチャネルを超え、店舗などのオフラインの接点を含む顧客とブランドのすべてのタッチポイントに及び、各顧客とオーディエンスセグメントについて統一されたデータプロファイルを調整することで、すべてが一貫性を持ちます。

連携していない場合はどうなるでしょうか。ある顧客が今朝サブスクリプションを購入したとします。オウンドチャネルは歓迎してオンボーディングを開始しますが、古いリストに基づいて動くペイドキャンペーンは、もう必要のないサインアップ広告を表示し続けます。その顧客が実店舗を訪れて別の商品を購入します。購入は記録されますが、残りのプロファイルデータと連携されず、関連性のないメッセージが届き続けます。顧客は混乱し、すでに獲得済みのコンバージョンに広告費が無駄に使われます。

これを一貫性が支えています。ある場所で「高価値」オーディエンスを構築し、各広告アカウント内で手動で作り直すと、誰かの行動が変わった瞬間にそれらのバージョンは一致しなくなります。メディアオーディエンス同期は一つのオーディエンス定義を維持し、Meta、Google、TikTokなどの広告プラットフォームへ自動化された暗号化同期で配信します。顧客のデータが変わると、そのオーディエンスはすべての連携プラットフォームで同時に更新されるため、リストを再アップロードすることなく、ペイドメディアのオーディエンスがオウンドチャネルですでに把握している情報を反映します。

AIリアルタイムオーディエンスセグメンテーションが手動オーディエンス構築より優れている理由

AIオーディエンスセグメンテーションが手動リスト構築を上回る点は、精度、速度、適応性の3つです。

自動化されたオーディエンス構築が手動リストより優れている点は以下の通りです。

精度： AIは数十のシグナルを同時に評価するため、ルールベースのフィルターでは見逃してしまう高価値・高インテントのオーディエンスを発見し、類似モデリングは数千人にわたるわずかなパターンを読み取り、モデルはそれらすべてを高速で処理する。

速度： 自動化されたオーディエンス構築は、数百万人のオーディエンスを数分で再グループ化し、最新の状態に保つ。手動ファイルは、抽出・フィルタリング・承認が完了している間にも、顧客の購入・離脱・心変わりは進み、データはすでに古くなる。

適応性： ユーザーが行動するたびにオーディエンスが自動的に再形成され、データが変化する中でも除外設定とターゲティングの精度が保たれる。リストを正確に保つために手動更新は不要。

オーディエンスをチャネル横断で活性化し、大規模なパーソナライゼーションを実装することで、これらのメリットはさらに大きくなります。

AIオーディエンスセグメンテーションソリューションの評価方法

適切なAIオーディエンスセグメンテーションツールの選定は、プラットフォームを差別化するいくつかの基準に集約されます。最も長い機能リストを追うのではなく、自社のチャネル構成とデータの成熟度に照らし合わせて評価してください。

評価フレームワークに以下の5つの質問を加えてください。概要をご紹介し、その後それぞれの詳細を説明します。

1. プラットフォームはオーディエンスをリアルタイムで更新するか、バッチ処理で更新するか？

リアルタイム更新は行動の変化と同時にユーザーをオーディエンス間で移動させますが、バッチ更新は固定スケジュールで更新されます。カゴ落ちや定期購読の失効は、夜間バッチを待つことなく即座に反映されるべきです。

バッチ処理は週次メールマガジンであれば問題ありません。しかし時間が重要なものであれば、スケジュールされた更新ではキャンペーンが配信される時点でオーディエンスがすでに顧客の現状より遅れてしまいます。

2. プラットフォームはオウンドチャネルとペイドチャネルの両方でオーディエンスを活性化できるか？

メールとプッシュ用のシステムと広告用のシステムを別々に持つのではなく、オウンドチャネルとペイドメディアの両方を一つのオーディエンスで動かせるプラットフォームを選んでください。分離すると定義がずれていきます。

実際のテストとして、コンバージョンしたユーザーをペイドキャンペーンから除外しながら、同じオーディエンスからリテンションジャーニーがオウンドチャネルでそのユーザーをフォローアップできるかどうかを確認してください。

3. プラットフォームは類似オーディエンスと除外リストをサポートしているか？

ペイドメディアの異なる側面をカバーするため、類似モデリングとオーディエンスの除外・対象外設定の両方を確認してください。高価値シードからの類似オーディエンスの獲得を促進し、除外設定がコンバージョン済みユーザーを不適切な広告から守ることで利益率を確保します。

同じユーザーがターゲティングリストと除外リストに同時に入らないよう、ツールがオーディエンスの重複をどのように処理するかも確認する価値があります。

4. プラットフォームはモデルにどのようにデータを供給するか？

オーディエンスはその背後にあるデータの質次第であるため、モデルが読み取れるデータソースを確認してください。ファーストパーティの行動データ、連携されたCDP、データウェアハウスはすべて、モデルが扱うデータの幅と精度を高めます。

これらのインプットがクリーンで広範であるほど、オーディエンスの精度が高まり、各ユーザーを幅広いバケツの一部としてではなく個別に扱うセグメント・オブ・ワンのパーソナライゼーションまで実現できます。

5. マーケターはデータサイエンスチームなしでオーディエンスを構築できるか？

マーケターのセルフサービスとは、チームが直接オーディエンスを構築・調整できるか、それとも変更のたびにデータサイエンティストとの対応待ちが必要かということです。これが実際に動ける速度を左右します。導入前に、マーケターが単独でどこまで対応できるかテストしてください。

これらの質問を、現状や現在のニーズ、将来の計画を踏まえた評価フレームワークで検討してください。チームに不要な作業を積み上げず、今重要なことを優先しながら、将来の目標に向けて適応・成長できる柔軟性を備えたシステムを選んでください。