COLUMN

機械学習による「顧客の興味・行動を予測」とは

BtoCで求められるレコメンドは?

 

BtoBとBtoCではマーケティングにおける条件が大きく異なりますが、特に顧客と商品の数が特に大きな違いとなります。
BtoBでは数百社程度から多くて数千社規模の顧客数がほとんどで、1万社以上の顧客数を持つ企業はごく一部に過ぎません。


一方でBtoCの企業では数万以上の顧客(会員)を対象としてサービスを展開することになります。
また、顧客に対する商品点数も同様で、BtoBの多くは数点程度ですが、BtoCでは数百~数千というケースも一般的です。

 

probance1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

BtoBでもBtoCでも共通ですが、当然顧客によって嗜好性は異なるため、ニーズに合わせて商品を提案することが求めらます。


BtoBでは営業がそれぞれの顧客のニーズに応じて商品をおすすめできますが、
BtoCでは営業がいないケースが大半ですので、マーケターが手動で、一人ひとりにおススメ商品設定することは難しく、メルマガや広告などで、企業側として売り出したい商品を全顧客に打ち出すプッシュ的な施策になりがちで、結果的にお知らせが多くなり、スパムのように送られていて、個客に対するアプローチが爆発的に増加しているのが現状です。

 

 

 

 

 

 

 

 

そこでOne to Oneのマーケティングを実現するために有効なのがレコメンドエンジンです。
レコメンドエンジンでは、顧客の行動に応じて、「その商品を買った人は、こんな商品も買ってます」や「あなたにおすすめの商品はこちら」といったように、過去の行動・購買履歴から学習し、おすすめ商品をレコメンド(推薦)することが可能です。

 

 

レコメンドエンジン搭載のProbance

 

一般的なマーケティングオートメーションツールは、キャンペーン管理機能を中心としているものが多い為、レコメンドエンジン機能が非搭載のツールが一般的です。そのため、一人ひとりに商品やおすすめ情報などを出し分けを自動で行いたい場合は、別途レコメンドツールとの連携が必須となってしまいます。

 

一方Probanceは、BtoCに特化したマーケティングオートメーションのため、レコメンドエンジンが標準搭載しております。そのためレコメンド設定もProbanceの画面上から選択するだけで、「あなたにおすすめの商品はこちら」「その商品と一緒に購入されているおすすめ商品はこちら」といったレコメンドがメールの中で実施することができますので、一斉配信のメルマガでも、一人ひとりに合わせた商品をおススメすることが可能です。