Submit Search
Upload
「実践的」カスタマージャーニー分析のすすめ
•
273 likes
•
51,172 views
Akihiko Uchino
Follow
アクセス解析イニシアチブ (a2i) 特別セミナー 今できる最新カスタマージャーニー分析
Read less
Read more
Marketing
Report
Share
Report
Share
1 of 53
Recommended
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
なぜなに?ユーザエクスペリエンスマップ(概要編)
なぜなに?ユーザエクスペリエンスマップ(概要編)
Naoki Hashimoto
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
メルカリ_サービス説明資料
メルカリ_サービス説明資料
Find Job Startup
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
Recommended
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
なぜなに?ユーザエクスペリエンスマップ(概要編)
なぜなに?ユーザエクスペリエンスマップ(概要編)
Naoki Hashimoto
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
メルカリ_サービス説明資料
メルカリ_サービス説明資料
Find Job Startup
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
UXデザイン概論
UXデザイン概論
Masaya Ando
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Livesense Inc.
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
Sift特徴量について
Sift特徴量について
la_flance
AutoGluonではじめるAutoML
AutoGluonではじめるAutoML
西岡 賢一郎
[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You Need
Deep Learning JP
機械学習応用システムのための要求工学
機械学習応用システムのための要求工学
Nobukazu Yoshioka
創業時の「nanapiのナマ企画書」
創業時の「nanapiのナマ企画書」
Find Job Startup
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Shintaro Fukushima
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
プレゼンの技術
プレゼンの技術
心 谷本
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
Adaptive Path's Guide To Experience Mapping (Japanese Edition)
Adaptive Path's Guide To Experience Mapping (Japanese Edition)
Kazumichi (Mario) Sakata
MA(マーケティングオートメーション)初心者運用のススメ
MA(マーケティングオートメーション)初心者運用のススメ
miyuki yamada
インスタグラムを活用した、マーケティングについて
インスタグラムを活用した、マーケティングについて
leverages_event
More Related Content
What's hot
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
UXデザイン概論
UXデザイン概論
Masaya Ando
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Livesense Inc.
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
Sift特徴量について
Sift特徴量について
la_flance
AutoGluonではじめるAutoML
AutoGluonではじめるAutoML
西岡 賢一郎
[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You Need
Deep Learning JP
機械学習応用システムのための要求工学
機械学習応用システムのための要求工学
Nobukazu Yoshioka
創業時の「nanapiのナマ企画書」
創業時の「nanapiのナマ企画書」
Find Job Startup
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Shintaro Fukushima
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
プレゼンの技術
プレゼンの技術
心 谷本
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
Adaptive Path's Guide To Experience Mapping (Japanese Edition)
Adaptive Path's Guide To Experience Mapping (Japanese Edition)
Kazumichi (Mario) Sakata
What's hot
(20)
研究分野をサーベイする
研究分野をサーベイする
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
UXデザイン概論
UXデザイン概論
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
営業さんまで、社員全員がSQLを使う 「越境型組織」 ができるまでの3+1のポイント | リブセンス
Data-Centric AIの紹介
Data-Centric AIの紹介
Sift特徴量について
Sift特徴量について
AutoGluonではじめるAutoML
AutoGluonではじめるAutoML
[DL輪読会]Attention Is All You Need
[DL輪読会]Attention Is All You Need
機械学習応用システムのための要求工学
機械学習応用システムのための要求工学
創業時の「nanapiのナマ企画書」
創業時の「nanapiのナマ企画書」
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
プレゼンの技術
プレゼンの技術
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Adaptive Path's Guide To Experience Mapping (Japanese Edition)
Adaptive Path's Guide To Experience Mapping (Japanese Edition)
Viewers also liked
MA(マーケティングオートメーション)初心者運用のススメ
MA(マーケティングオートメーション)初心者運用のススメ
miyuki yamada
インスタグラムを活用した、マーケティングについて
インスタグラムを活用した、マーケティングについて
leverages_event
Webマーケティングの全体像
Webマーケティングの全体像
ナイル株式会社
マーケティング・オートメーションとCMS
マーケティング・オートメーションとCMS
TAM inc.
0623コンテンツとseoの未来学
0623コンテンツとseoの未来学
clisk_cm
じげんのSEOとは
じげんのSEOとは
株式会社じげん (ZIGExN Co., Ltd.)
Instagram を使った商品プロモーションと インフルエンサー マーケティング の効果的な活用法
Instagram を使った商品プロモーションと インフルエンサー マーケティング の効果的な活用法
Yuriko Kai
googleアナリティクスによるアクセス解析の基本
googleアナリティクスによるアクセス解析の基本
ニフティ株式会社
エンジニアのためのマーケティング
エンジニアのためのマーケティング
Yuto Suzuki
リスティング広告からFacebook広告まで。運用型広告の役割の変化
リスティング広告からFacebook広告まで。運用型広告の役割の変化
Anagrams
UGC活用のキホン
UGC活用のキホン
AAsolution
【第2回】リスティング広告の実際
【第2回】リスティング広告の実際
KonpeyTo
20141213 俺のインセプションデッキ #agilesamurai
20141213 俺のインセプションデッキ #agilesamurai
Takao Oyobe
5分でわかった気になるインセプションデッキ
5分でわかった気になるインセプションデッキ
Takao Oyobe
20140131 万葉帰社日発表 チーム積み重ね 公開版
20140131 万葉帰社日発表 チーム積み重ね 公開版
tatsuo sakurai
逆説のスタートアップ思考
逆説のスタートアップ思考
Takaaki Umada
Viewers also liked
(16)
MA(マーケティングオートメーション)初心者運用のススメ
MA(マーケティングオートメーション)初心者運用のススメ
インスタグラムを活用した、マーケティングについて
インスタグラムを活用した、マーケティングについて
Webマーケティングの全体像
Webマーケティングの全体像
マーケティング・オートメーションとCMS
マーケティング・オートメーションとCMS
0623コンテンツとseoの未来学
0623コンテンツとseoの未来学
じげんのSEOとは
じげんのSEOとは
Instagram を使った商品プロモーションと インフルエンサー マーケティング の効果的な活用法
Instagram を使った商品プロモーションと インフルエンサー マーケティング の効果的な活用法
googleアナリティクスによるアクセス解析の基本
googleアナリティクスによるアクセス解析の基本
エンジニアのためのマーケティング
エンジニアのためのマーケティング
リスティング広告からFacebook広告まで。運用型広告の役割の変化
リスティング広告からFacebook広告まで。運用型広告の役割の変化
UGC活用のキホン
UGC活用のキホン
【第2回】リスティング広告の実際
【第2回】リスティング広告の実際
20141213 俺のインセプションデッキ #agilesamurai
20141213 俺のインセプションデッキ #agilesamurai
5分でわかった気になるインセプションデッキ
5分でわかった気になるインセプションデッキ
20140131 万葉帰社日発表 チーム積み重ね 公開版
20140131 万葉帰社日発表 チーム積み重ね 公開版
逆説のスタートアップ思考
逆説のスタートアップ思考
Similar to 「実践的」カスタマージャーニー分析のすすめ
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
株式会社Consumer first
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
Google Cloud Platform - Japan
【Saleshub用】カウミー説明資料-ver4.pdf
【Saleshub用】カウミー説明資料-ver4.pdf
ssuser7a8771
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
IMJ Corporation
Ittrend
Ittrend
HisamotoTaku
20110322 jmrx nextmr_open
20110322 jmrx nextmr_open
Shigeru Kishikawa
テクマトリックスCRM2012"『ソーシャルCRM最前線』ここまで来た!CRMの進化!"講演資料
テクマトリックスCRM2012"『ソーシャルCRM最前線』ここまで来た!CRMの進化!"講演資料
Hottolink
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
Rakuten Group, Inc.
0116セミナー資料 公表用
0116セミナー資料 公表用
株式会社コントロールエー
Mktg06 市場調査(1次データ)
Mktg06 市場調査(1次データ)
Takeshi Matsui
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
Akihiko Uchino
Markezine チラ見せ用
Markezine チラ見せ用
Shinya Nakazawa
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Google Cloud Platform - Japan
Credential social media_live_v1_3
Credential social media_live_v1_3
Social Media Live!
Compy0320 ab cnew
Compy0320 ab cnew
Suguru Satou
Digital strategy in Japanese
Digital strategy in Japanese
Yoshinori Kawamura
プロのコンサルタントとビジネスプランを作る! 「LABO ASIA」第2ターム第2回
プロのコンサルタントとビジネスプランを作る! 「LABO ASIA」第2ターム第2回
LABO ASIA
Digital marketing on AWS
Digital marketing on AWS
Yuta Imai
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
インターネット通販のソーシャルメディア/レコメンド/フラッシュマーケティング活用
インターネット通販のソーシャルメディア/レコメンド/フラッシュマーケティング活用
玉腰泰三 個人事務所
Similar to 「実践的」カスタマージャーニー分析のすすめ
(20)
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
【Saleshub用】カウミー説明資料-ver4.pdf
【Saleshub用】カウミー説明資料-ver4.pdf
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
Ittrend
Ittrend
20110322 jmrx nextmr_open
20110322 jmrx nextmr_open
テクマトリックスCRM2012"『ソーシャルCRM最前線』ここまで来た!CRMの進化!"講演資料
テクマトリックスCRM2012"『ソーシャルCRM最前線』ここまで来た!CRMの進化!"講演資料
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
0116セミナー資料 公表用
0116セミナー資料 公表用
Mktg06 市場調査(1次データ)
Mktg06 市場調査(1次データ)
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
Markezine チラ見せ用
Markezine チラ見せ用
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Credential social media_live_v1_3
Credential social media_live_v1_3
Compy0320 ab cnew
Compy0320 ab cnew
Digital strategy in Japanese
Digital strategy in Japanese
プロのコンサルタントとビジネスプランを作る! 「LABO ASIA」第2ターム第2回
プロのコンサルタントとビジネスプランを作る! 「LABO ASIA」第2ターム第2回
Digital marketing on AWS
Digital marketing on AWS
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
インターネット通販のソーシャルメディア/レコメンド/フラッシュマーケティング活用
インターネット通販のソーシャルメディア/レコメンド/フラッシュマーケティング活用
「実践的」カスタマージャーニー分析のすすめ
1.
今できる最新カスタマージャーニー分析 第1部 「実践的」 カスタマージャーニー分析 のすすめ 内野明彦 Copyright (C) ,
Akihiko Uchino All rights reserved.
2.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 2 Copyright (C) ,
Akihiko Uchino All rights reserved.
3.
自己紹介 事業「支援」側 WEB系 コンサルティング 企業 広告代理店系SIer アクセス解析 ツール/ コンサルティング 企業 マーケティング 外資系 マーケティング 企業 WEB系 インキュベー ション企業 事業「主体」側 3 システム 4年くらい前から、いわゆ る個客軸での「カスタマー ジャーニー型」の分析や実 行支援のプロジェクトを手 がけています。 (明細データを使って) Copyright (C) ,
Akihiko Uchino All rights reserved.
4.
最近関わったカスタマージャーニー系プロジェクト • 最近のプロジェクトの切り口 – – – – 営業リードスコアリング → 見込み案件の『受注確度の予測』 通販クロスチャネル分析
→ 複数チャネル横断での『販売機会の最適化』 広告アトリビューション分析 → 間接効果を加味した『広告費の最適配分』 プライベートDMP構築 → 広告接触から販売履歴までの『統合顧客DB化』 • 対象データは 「広告系」データ × 「WEBサイト系」データ × 「オフライン」データ • 数十億~数千万件規模のカスタマージャーニー型(顧客行動履歴明 細)データを活用して、マーケティング課題の解決(支援)を行う • その他、ビッグデータ分析系講座や企業向けインハウス講座なども展開中 4 Copyright (C) , Akihiko Uchino All rights reserved.
5.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 5 Copyright (C) ,
Akihiko Uchino All rights reserved.
6.
約 973,000 件 そもそも「カスタマージャーニー」とは?? 「カスタマージャーニ-」でgoogle画像検索 6 Copyright
(C) , Akihiko Uchino All rights reserved.
7.
そもそも「カスタマージャーニー」とは?? 「Customer journey」でgoogle画像検索 7 Copyright (C)
, Akihiko Uchino All rights reserved.
8.
そもそも「カスタマージャーニー」とは?? (引用:Customer Journey Mapping
| Customer Experience Planning) 8 Copyright (C) , Akihiko Uchino All rights reserved.
9.
そもそも「カスタマージャーニー」とは?? (引用:Customer Journey Analytics
and Big Data from McKinsey Chief Marketing & Sales Officer Forum) 9 Copyright (C) , Akihiko Uchino All rights reserved.
10.
そもそも「カスタマージャーニー」とは?? Google.com The Customer
Journey to Online Purchase より 10 Copyright (C) , Akihiko Uchino All rights reserved.
11.
そもそも「カスタマージャーニー」とは?? http://www.fitch.com より引用 Copyright (C) ,
Akihiko Uchino All rights reserved.
12.
そもそも「カスタマージャーニー」とは?? http://www.fitch.com より引用 Copyright (C) ,
Akihiko Uchino All rights reserved.
13.
そもそも「カスタマージャーニー」とは?? 参考までに【customer journey】 でgoogleトレンドをみてみると、、 最近注目されてはいるが、 けっして目新しいコトバで はない 13 Copyright (C)
, Akihiko Uchino All rights reserved.
14.
自分なりに言葉でまとめると・・ 『カスタマージャーニー』 顧客と企業とのあらゆる接点を時系列に見 通して、顧客との最初の接点から始まる一連 の体験ストーリー(直接接点、間接接点、 心理状態、態度変容など)をパターン化・可 視化し、「顧客の理解」や「ブランドの一貫性 の維持」、「顧客価値の最大化」などを行うた めの基盤/マップとなるモノ、もしくはそれらを 総称する概念。 14 Copyright (C) ,
Akihiko Uchino All rights reserved.
15.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 15 Copyright (C) ,
Akihiko Uchino All rights reserved.
16.
なぜいま注目されているのか? 必要とされているのか?? 消費者の行動 ・スマホ、O2O/オムニチャネル、ショールーミング等々 ・消費行動がますます断片化 Copyright (C)
, Akihiko Uchino All rights reserved.
17.
出展 http://www.businessinsider.com/the-future-of-digital 17 Copyright (C)
, Akihiko Uchino All rights reserved.
18.
なぜいま注目されているのか? 必要とされているのか?? 消費者の行動 行動データ・ログ ・スマホ、O2O/オムニチャネル、ショールーミング等々 ・消費行動がますます断片化 ・ツールの進化(明細データ確保可能) ・共通IDサービスの普及 ・3rdPartyDataの活用可能性 18 Copyright (C)
, Akihiko Uchino All rights reserved.
19.
『アクセス解析』ツール ~ウェブサイトへの訪問履歴が蓄積される Cookie ID 6290934190113541225341 参照元
URL MMCパラメータ http://yahoo.co.jp/ banner_ad>yahoo>w intercampaign>001 検索語 エントリー・ページ URL http://coremetric s.cci.co.jp/?cm_ mmc=banner_a 6290934190113541225341 6290934190113541225341 プロダクト プロダクト 名 ID ページURL http://coremetrics.cci.co.jp/?cm_mmc=ba nner_ad-_-yahoo-_-wintercampaign-_http://coremetrics.cci.co.jp/feature/feature .html listing>google>winter http://coremetric リスティング広告から訪問 http://google.co.jp/ campaign>001 s.cci.co.jp/?cm_ http://coremetrics.cci.co.jp/?cm_mmc=list 6290934190113541225341 ↓ ing-_-google-_-wintercampaign-_-001 http://coremetrics.cci.co.jp/product/analyt 6290934190113541225341 2ページ閲覧 ics.html 6290934190113541225341 商品詳細ページ閲覧 http://search.yaho コアメトリク http://coremetric 6290934190113541225341 ス o.co.jp/search?p= s.cci.co.jp/produ ↓ http://coremetrics.cci.co.jp/product/analyt 6290934190113541225341 ics.html 離脱 6290934190113541225341 6290934190113541225341 COREME TRICS COREME TRICS http://coremetrics.cci.co.jp/product/cart/ COREME 6290934190113541225341 http://coremetrics.cci.co.jp/product/registr ation/ 6290934190113541225341 メールマガジンから訪問 ↓ 6290934190113541225341 商品詳細ページ閲覧 mail>december>wint 6290934190113541225341 ercampaign>002 ↓ 6290934190113541225341 カート投入 6290934190113541225341 ↓ 6290934190113541225341 商品購入 6290934190113541225341 ↓ 6290934190113541225341 6290934190113541225341 離脱 820 820 6290934190113541225341 E メール・ 都道府県 名 登録ID 価格 アドレス バナー広告から訪問 ↓ 2ページ閲覧 ↓ 離脱 6290934190113541225341 http://coremetrics.cci.co.jp/product/thank s.html 6290934190113541225341 http://coremetric s.cci.co.jp/produ http://coremetrics.cci.co.jp/product/analyt ics2.html?cm_mmc=mail-_-december-_- http://coremetrics.cci.co.jp/product/cart/ http://coremetrics.cci.co.jp/product/thank s.html 19 820 30000 TRICS 自然検索で訪問 ↓ aaa@sam s012345 TOKYO ple 商品詳細ページ閲覧 COREME ↓ 820 30000 TRICS カート投入 ↓ EXPLOR 会員登録 600 10000 E ↓ EXPLOR 600 商品購入 10000 E ↓ EXPLOR 600 10000 E 離脱 Copyright (C) , Akihiko Uchino 19 All rights reserved.
20.
『第三者配信』ソリューション ~広告の接触履歴(広告閲覧&クリック)が蓄積される 第三者配信は、媒体社が保有するアドサーバではなく、まさしく第三者が保有する アドサーバから広告を配信します よって、配信設定、原稿管理、効果測定、レポーティングは第三者配信ベンダーの プラットフォームから行われます(在庫管理は行いません) リスティング 広告 広告 バナー 広告 一元管理 アドネットワーク MediaMind 配信タグ 広告 広告 ソーシャル ネットワーク 各媒体社の 広告サーバ 広告主/広告代理店 サイト ユーザー毎(cookie毎)に広告を見せた、 広告をクリックした、広告でインタラクションした、、 という行動履歴を確保することが可能 20 Copyright (C) ,
Akihiko Uchino All rights reserved.
21.
顧客をとりまく「行動履歴明細データ」は急速に増加中 ユーザを取り巻く『データ』は今 後、急速に増加していく。入手 も出来る/しやすくなる・・ 広告接 触履歴 メール 配信履 歴 ウェブ サイト 行動履歴 営業接 触履歴 パネル データ 顧客 属性 情報 アンケー トデータ コールセ ンタ受 注履歴 店舗購 入履歴 WEB購 入履歴 21 Copyright (C) ,
Akihiko Uchino All rights reserved.
22.
なぜいま注目されているのか? 必要とされているのか?? 消費者の行動 行動データ・ログ 分析手段 ・スマホ、O2O/オムニチャネル、ショールーミング等々 ・消費行動がますます断片化 ・ツールの進化(明細データ確保可能) ・共通IDサービスの普及 ・3rdPartyDataの活用可能性 ・ツールの進化(ユーザー軸×マルチチャネル分析可能) ・高速安価なインフラ普及 ・データサイエンティスト 22 Copyright (C)
, Akihiko Uchino All rights reserved.
23.
少なくとも、データ処理コストは飛躍的に下がっている データ 処理 コスト ←数千万件規模のデータ 10年ほど前は数千万件 のデータ分析に・・ 数千万円規模 分析データ量 データ 処理 コスト 大量のデータを処理す るコストも劇的に低下し てきている・・ 数千万円規模 数十万円規模 分析データ量 23 Copyright (C) ,
Akihiko Uchino All rights reserved.
24.
実は、 Excelで数千万件のデータを高速に分析できる 「PowerPivot」 とは?? http://office.microsoft.com/ja-jp/excel/HA101810443.aspx マイクロソフト社サイトより引用 実は最近はやりの 「インメモリ」型データ 処理ツールだったりし ます。 24 Copyright
(C) , Akihiko Uchino All rights reserved.
25.
また、非常に安価なデータ処理インフラ/アプリも確保可能 (参考)オープンソースETL Pentaho 25 数十億件の明細 データの超複雑な前 処理がフツウのPCで できます。 Copyright (C)
, Akihiko Uchino All rights reserved.
26.
例 ~REDSHIFT http://www.slideshare.net/Hapyrus/amazon-redshift-hadoop-hive10 26 Copyright (C)
, Akihiko Uchino All rights reserved.
27.
• Essentia?? 27 Copyright (C)
, Akihiko Uchino All rights reserved.
28.
なぜいま注目されているのか? 必要とされているのか?? 消費者の行動 行動データ・ログ ・スマホ、O2O/オムニチャネル、ショールーミング等々 ・消費行動がますます断片化 ・ツールの進化(明細データ確保可能) ・共通IDサービスの普及 ・3rdPartyDataの活用可能性 分析手段 ・ツールの進化(ユーザー軸×マルチチャネル分析可能) ・高速安価なインフラ普及 ・データサイエンティスト 実行手段 ・cookieベースの施策普及 ・マーケティングオートメーション 28 Copyright (C)
, Akihiko Uchino All rights reserved.
29.
29 Copyright (C) ,
Akihiko Uchino All rights reserved.
30.
【出典】 Gartner Magic
Quadrant for CRM Multichannel Campaign Management 30 Copyright (C) , Akihiko Uchino All rights reserved.
31.
なぜいま注目されているのか? 必要とされているのか?? 消費者の行動 行動データ・ログ ・スマホ、O2O/オムニチャネル、ショールーミング等々 ・消費行動がますます断片化 ・ツールの進化(明細データ確保可能) ・共通IDサービスの普及 ・3rdPartyDataの活用可能性 分析手段 ・ツールの進化(ユーザー軸×マルチチャネル分析可能) ・高速安価なインフラ普及 ・データサイエンティスト 実行手段 ・cookieベースの施策普及 ・マーケティングオートメーション マーケティングROI ・「施策」単位での最適化は飽和感 ・「個客」単位でのLTV向上必要 31 Copyright (C)
, Akihiko Uchino All rights reserved.
32.
状況をまとめると・・ • カスタマージャーニーが概念やイメージではなく、具体的に 個々のユーザーレベルでの行動把握と行動予測と施策実 行(コミュニケーション)が現実的になってきた ということ •
とはいえ、まだまだ成功法や勝ちパターンは無い状態、み んな(事業者側もベンダー側も)模索中な状況 • ただ、先端的な企業は既に、最近トライアルを始めている が、費用対効果の見極め、および本格導入はこれから 32 Copyright (C) , Akihiko Uchino All rights reserved.
33.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 33 Copyright (C) ,
Akihiko Uchino All rights reserved.
34.
事例のご紹介 ※いずれも複数チャネルの行動明細データを統合したカスタマージャーニー型のプロジェクト (ツールベースのお話は第2部以降で) (1)BTC事例 (クロスチャネル行動分析) – すでに高度な分析を実施していたが、更なる個客理解とクロ スチャネルでの行動分析を実施 –
広告を含む「全サイト流入」と「コンテンツ」に対するアトリビュー ション分析と予算配分最適化 (2)BTB事例 (リードスコアリング) – CJが場合によっては年単位になる。まさに「旅」 – 基本WEBでは完結しないので、クロスチャネル必須 – 受注単価が高いのでCJ分析のROIは大きくなる 34 Copyright (C) , Akihiko Uchino All rights reserved.
35.
アクセス解析と『カスタマージャーニー分析』の違い 通常のアクセス解析と「カスタマージャーニー分析」の比較 分析の範囲 分析の単位 最適化の対象 通常の アクセス解析 カスタマー ジャーニー 分析 ウェブ 中心 顧客 接点 全体 流入構造 サイト構造 ユーザ行動 プロセス・ LTV セッション 単位 ユーザ 単位 35 訪問者の行動をサイトの構造 (流入・入口・サイト内回遊・購 入フロー)毎に分解して施策単 位での最適化を図る 段階的なユーザとの接点・体験を どのように設計して、最適化をする か、という時間軸・成長軸を踏まえ たコミュニケーションの最適化を図 る Copyright
(C) , Akihiko Uchino All rights reserved.
36.
• ユーザー単位分析における 可視化サンプルいくつか紹介 36 Copyright (C)
, Akihiko Uchino All rights reserved.
37.
ECサイトの初回購入商品毎の顧客数 × 顧客生涯価値(LTV) 初回購入商品別
(購入数多い順) 37 Copyright (C) , Akihiko Uchino All rights reserved.
38.
LTV把握 顧客単位での平均LTV把握(120日ベース) 38 Copyright (C) ,
Akihiko Uchino All rights reserved.
39.
カスタマージャーニー定義 コンバージョン(購入完了)に至るまでの流れ 7日前 5日前 4日前 3日前 2日前 1日前 社名系 CVUR 3% CVUR 2% 商品 カテゴリ ブランド A ブランド D ブランド B ブランド C 39 Copyright
(C) , Akihiko Uchino コンバージョン(購入完了) コンバージョンユーザレート CVUR 4% 6日前 All rights reserved.
40.
カスタマージャーニー定義 コンバージョン(購入完了)に至るまでの流れ 7日前 社名系 5日前 4日前 初訪 : 80PV前後 3日前 2回目
: 70PV前後 2日前 1日前 3回目 : 40PV前後 CVUR 3% CVUR 2% 商品 カテゴリ ブランド A ブランド D 200PV前後 200PV前後 ブランド B ブランド C 30PV前後 40 30PV前後 100PV前後 10PV前後 Copyright (C) , Akihiko Uchino コンバージョン(購入完了) コンバージョンユーザレート CVUR 4% 6日前 All rights reserved.
41.
41 カスタマージャーニーのグレード管理 レポート時点(例:9月上旬) 2011年5月(初回流入月) 初回流入月 5月 ユ ー ザ ー グ レ ー ド ( 例 ) 来訪 ユーザー層 CV予備層 CV ユーザー層 複数CV ユーザー層 60UU 2011年6月 50UU 25UU 40UU 25UU 10UU 25UU 初回流入月 6月 来訪 ユーザー層 CV予備層 CV ユーザー層 複数CV ユーザー層 60UU 2011年7月 50UU 25UU 25UU 25UU 10UU 2011年7月(初回流入月) 初回流入月 7月 来訪 ユーザー層 CV予備層 CV ユーザー層 複数CV ユーザー層 最終の顧客行動 状態 10UU 15UU 5UU 2011年8月 40UU 25UU 10UU ユ ー ザ ー グ レ ー ド ( 例 ) 中間の顧客行動 状態 25UU 10UU 2011年6月(初回流入月) ユ ー ザ ー グ レ ー ド ( 例 ) 初動の顧客行動 状態 10UU 15UU 5UU 2011年7月 60UU 2011年8月 2011年9月 50UU 25UU 40UU 25UU 10UU 10UU 25UU 15UU 5UU 25UU 10UU 2011年8月(初回流入月) 初回流入月 8月 ユ ー ザ ー グ レ ー ド ( 例 ) 来訪 ユーザー層 CV予備層 CV ユーザー層 複数CV ユーザー層 41 60UU 25UU 10UU 5UU 2011年9月 50UU 25UU 15UU 10UU 2011年10月 40UU 10UU 25UU 25UU Copyright (C) ,
Akihiko Uchino All rights reserved.
42.
分析対象データの「質」が重要 (量が多ければいいのではなく) • 網羅性 – カスタマージャーニー全体をカバーしているべき (ID連携なども含め、出来る限り最終的なコンバージョン、もし くはそれに準ずる地点まで確保すべき) •
粒度 – できれば「明細データ」が好ましい • 顧客行動の背景・理由(なぜ?)を探るため • 時系列な分析を(遡って)するため • 施策時のリスクを減らすため 42 Copyright (C) , Akihiko Uchino All rights reserved.
43.
「カスタマージャーニー分析」の推進フロー (データ設計) 能動的に取得するデータそのものを企画・設計 データ確保・蓄積 部門を横断して複数の明細データを確保・蓄積 データ統合・集積 複数系統の明細データを顧客軸で連結・統合 必要とされるスキルセット データ加工 システム/DB スキル 分析上の視点からデータを加工(前処理) (分析用データ確保) 一時的に分析用に特化したデータマートを構築 データ分析 各種手法を駆使して、データを分析、意味を導く データ可視化・意味化 データ分析/統計 スキル 分析データを可視化して、意味を導く 施策設計→実行 実際のコミュニケーション施策に組み込む 効果検証 分析の費用対効果も含めての効果検証 仕組化・体制化 プランナー/コ ンサル スキル モデルの構築なども含め、運用の仕組みを構築 43 Copyright (C)
, Akihiko Uchino All rights reserved.
44.
「カスタマージャーニー分析」の推進フロー (データ設計) 能動的に取得するデータそのものを企画・設計 データ確保・蓄積 部門を横断して複数の明細データを確保・蓄積 データ統合・集積 複数系統の明細データを顧客軸で連結・統合 必要とされるシステム・アプリケーション データ加工 ・アクセス解析ツール ・第三者配信ツール ・ワンタグソリューション ・ソーシャルログイン ・3Pデータ ・データベース ・DWH ・ETL 等々 分析上の視点からデータを加工(前処理) (分析用データ確保) 一時的に分析用に特化したデータマートを構築 データ分析 各種手法を駆使して、データを分析、意味を導く データ可視化・意味化 分析データを可視化して、意味を導く 施策設計→実行 実際のコミュニケーション施策に組み込む 効果検証 分析の費用対効果も含めての効果検証 仕組化・体制化 ・データマイニング ・BIツール ・可視化ツール モデルの構築なども含め、運用の仕組みを構築 44 ・マーケティングオート メーション系ツール ・各種広告施策 ・メールマーケティング ツール ・LPOツール 等々 Copyright (C) ,
Akihiko Uchino All rights reserved.
45.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 45 Copyright (C) ,
Akihiko Uchino All rights reserved.
46.
ECサイト を想定 まずはスモールスタート(できる範囲から始めてみる)が重要 消費者の行動 ・既存顧客(既購入者)が「個客」軸で、どのような 購買行動をしているか? 意外とわかっていないもの 行動データ・ログ ・購買履歴 ・メール配信/反応履歴 購買履歴なら必ず個客軸で の時系列分析が可能 分析手段 ・Pentaho(オープンソースETL) とにかく安く、早く! 出来る範囲でやっ ・EXCEL(PowerPivot) ・社内のマーケター(+パートナー企業) てみる 実行手段 ・既存顧客へのメール配信 ・既存のメール配信ツールでの手運用 とにかく安く、早く! 出来る範囲でやっ てみる ・最低限の分析・施策コスト → ROIは出しやすいはず 小さくても成果が出 れば、予算確保や 他部門連携がしや すくなる マーケティングROI 46 Copyright
(C) , Akihiko Uchino All rights reserved.
47.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 47 Copyright (C) ,
Akihiko Uchino All rights reserved.
48.
DMP(データマネジメントプラットフォーム) との関係は? • DMPの機能とは? 1.
顧客ID、Webサイト訪問クッキー、会員ID、ソーシャルメディアIDなどを 統合する。 2. 統合されたデータを分析し、クラスタリングを生成する。 3. 生成したクラスターを連携するツールにデータをフィードないし交換する。 4. 生成したクラスターに属するユーザーデータを可視化する。 5. 特定ユーザーと類似または関連づけられるユーザーに対象を拡張する。 6. ユーザーセグメントを最適化し、セグメントごとのメッセージを最適化する。 7. ユーザーデータを広告配信に利用し、かつ広告配信の反応によってデータ の精度を高める。 引用:DMP入門 ~顧客を知るためのデータマネージメントプラットフォーム~ 横山 隆治 菅原 健一 草野 隆史 48 Copyright (C) , Akihiko Uchino All rights reserved.
49.
「カスタマージャーニー分析」の推進フロー (データ設計) 能動的に取得するデータそのものを企画・設計 データ確保・蓄積 部門を横断して複数の明細データを確保・蓄積 データ統合・集積 複数系統の明細データを顧客軸で連結・統合 必要とされるスキルセット システム/DB スキル DMPのカバーする領域 データ加工 分析上の視点からデータを加工(前処理) (分析用データ確保) 一時的に分析用に特化したデータマートを構築 データ分析 各種手法を駆使して、データを分析、意味を導く データ可視化・意味化 施策設計→実行 効果検証 仕組化・体制化 ・「DMP」 と 「カスタマージャーニー分析」 データ分析/統計 は表裏一体 スキル 分析データを可視化して、意味を導く ・データドリブン×個客軸
での 実際のコミュニケーション施策に組み込む マーケティングプラットフォームと分析視点 分析の費用対効果も含めての効果検証 プランナー/コ ンサル スキル モデルの構築なども含め、運用の仕組みを構築 49 Copyright (C) , Akihiko Uchino All rights reserved.
50.
DMP(データマネジメントプラットフォーム) との関係は? DMP導入で得られることは基本2つ。「『打ち手』の最適化」と「顧客の洞察」。まずは「打 ち手」の最適化から入り、「洞察」を極めろ。 「カスタマージャーニー」という新たな顧客洞察のための情報を得るチャンスが出てきた。 私は、DMPは当然、今お金をたくさん使っている「施策」の最適化のためから導入するもの だと思うが、究極は顧客と将来の顧客を「洞察する」ためだと言い切りたい。 (中略) しかし、DMPによるカスタマージャーニー分析は、顧客化したユーザーを、広告接触や流 入前検索行動だけでなく、登録情報や意識調査データ、購買行動データ、ソーシャルメ ディアのデータなどで情報をリッチ化して「洞察する」ことが出来そうだ。意識調査では現れな い行動データと、行動データだけでは分からない意識変容過程などを統合すると、顧客化 の文脈が可視化できる可能性がある。 これからは、こうしたデータから「文脈発見型」のマーケターの時代だと思う。 ここ10年くらい代理店が一生懸命バズワードにしてきた「消費者インサイト」。しかし、本当 の「インサイト」を見つけ出す作業は、プライベートDMPによってマーケター自身が自分で行う 時代である。(そもそも昔から自身でやるものである。) ブログ「業界人間ベム」 (DI横山さんによる)より引用 50 Copyright
(C) , Akihiko Uchino All rights reserved.
51.
本日のながれ 1)そもそもカスタマージャーニーとは? 2)なぜ今、注目されている?必要とされている? 3)具体的にはどういうものなのか? 4)どこから始めればいいのか? 5)DMP(データマネジメントプラットフォーム)との関係は? 6)まとめ (途中で具体事例も交えつつ) 51 Copyright (C) ,
Akihiko Uchino All rights reserved.
52.
まとめ • 「カスタマージャーニー(CJ)型」が現実的に • CJ≒DMPともいえる •
アドテクとアクセス解析とCRMは融合化 • CJ≒DMPを制するものがこれからのデジタルマー ケティングを制する?(事業社もベンダーも) • 先行投資型ではなく、スモールスタート型に • ちょっとした知恵と工夫で実践可能! • 「実践的に」且つ「自ら」から進めていきましょう! 52 Copyright (C) , Akihiko Uchino All rights reserved.
53.
ご静聴ありがとうございました ご意見・ご質問などは下記まで uchino0308@gmail.com 内野明彦 53 Copyright (C) ,
Akihiko Uchino All rights reserved.