という過去の記事で 適切なEメールマーケティングメッセージを作成する4つのステップ 私は関連性を定義し、その重要性を詳述し、関連性のあるメッセージを作成するための4つのステップを概説した。
関連性を達成するためのより多くの優れたテクノロジー、これらのテクノロジーに供給するデータ、そして完全な関連性に向けた努力を最も効果的に方向づける戦略である。
による興味深い記事がある。 デヴィッド・ダニエルズ レバンシー・グループは、マーケティングの関連性に関するこの新しい未来について説明している。
私たちは、関連性に関して、CRMから文脈に沿った戦術に移行し、真の個人的な体験を提供する新しい段階に急速に移行している。 "People-BasedMarketing"（ピープル・ベースド・マーケティング）。
このアプローチでは、CRMデータと未知のデータを融合させ、顧客を一人の人間として認識する。このピープル・ベースド・マーケティングの概念により、マーケティング担当者は初めて、個人をターゲットとしながらも、大量の人々をターゲットとすることができるようになる。
デジタルマーケティング担当者は、オフラインでの経験を模倣し、顧客を個人として認識し始めなければならない。オフラインビジネス（実店舗）の多くは、常連客を認識し、多様な会話を交わし、初めて来店する新規客とは異なるオファーを受ける。
このアプローチでは、人物の身元を知り、行動、態度、人口統計、場所をターゲティング属性として使用する必要がある。
今日のマーケティング担当者は、メールアドレスを通じて顧客をターゲティングする能力を持っていますが、私たちは、メールマーケティング担当者が利用可能なすべてのデータを使用していないことがわかります。
関連性の未来が始まった
消費者は関連性を求めている。最近のレリバンス・グループの消費者調査では、次のような結果が出ている、 55%の消費者が、自分に関係のないメッセージは無視するか拒否すると答えている。
関連性の旅
- セグメント これは、何十年もの間、ダイレクトマーケティングとデジタルマーケティングの基礎となってきた。このアプローチでは、マーケターはCRM（カスタマー・リレーションシップ・マーケティング）、RFM（フリークエンシー＆マネタリー）データを活用する。
- コンテキスト これが今日の時代なのだ。Contextは、プレシジョン・マーケティングの最良の側面を活用している。 リアルタイムデータ イベント・ベースの情報をコミュニケーションのトリガーにしたり、予測モデルのデータ入力に使ったりするためだ。過去の行動が将来の行動の最良の予測因子であるとすれば、過去の行動は数分、数時間、数日と最近のものである可能性があるため、コンテクスチュアル・データが機能する部分もある。これは、マーケティングの精度を高めるために必要なステップである。
- 人だ： ピープル・ベースド・マーケティング（PBM）は、私たちが現在取り組んでいるマーケティングの新しい側面である。これは、CRMデータと未知のデータを確実に融合させ、顧客を一人の人間として認識するものである。
この「ピープル・ベース・マーケティング」という概念によって、マーケティング担当者は初めて、個別に、しかし一斉に、人々をターゲットにすることができるようになる。このアプローチにより、マーケティング担当者は永続的なIDベースのライフサイクルや単発のキャンペーンを実施することができる。
関連性の未来は次のようなものである。 4つの柱:
- アイデンティティ管理 CRMの既知の顧客と未知の顧客情報をマッチングさせる技術と手法は、将来の関連性を高めるための重要な要件である。
- データ管理 大量の非構造化データ、顧客情報、膨大な広告データを管理する能力。そのためには、ハイジーンやエンリッチメントといったデータ戦術を追加する必要がある。
- 機械学習 - 機械学習 マーケティング担当者に人工知能を提供することで、予測可能なレコメンデーションや、ターゲティングとフォーカスのための新しい戦術を開発することができる。
- チャンネルの実装 すべてのチャネルで関連性を促進し、最も重要なことは、チャネルやデバイスを横断してエンゲージメントを測定する能力である。
関連性の未来には、セグメンテーションと分析のための正確なリアルタイムデータが必要である。
関連性の未来には、ターゲティングと分析のための正確なリアルタイムデータが必要です。マーケティング担当者は、キャンペーンをより正確なものにするためにリアルタイムデータを利用するようになってきている。
位置情報、ウェブイベントデータ、さらには天候などのリアルタイムデータは、関連性の精度を劇的に向上させる。リアルタイムで行動要素に働きかける能力は、キャンペーンの文脈と結果を前進させる。
データハイジーンとデータエンリッチメントもまた、将来の関連性に不可欠な要素である。マーケティング担当者は、既知の顧客データと未知の顧客データを完全に組み合わせる前に、クリーンなデータで作業することが不可欠である。
機械学習と人工知能は必要であり、急速に成長している。
マーケティング担当者は何年もの間、予測レコメンデーション技術を試してきたが、そのほとんどはウェブサイトのパーソナライゼーションに現れてきた。こうして、高度な人工知能に依存する新しい学習技術が市場に登場した。
レコメンデーション・アルゴリズムは、過去の行動から学習し、時間の経過とともにより正確になっていく。
このテクノロジーは急速に変化しているが、マーケティング担当者は、複雑なモデリングによる中核的な予測能力を持ち、さらに最新のウェブパーソナライゼーションサービスを提供している企業を探すべきである。マシンを「受け入れる」マーケターは、そうでないマーケターよりも有利である。
