【レポート】デジタルマーケターズサミット2019 Winter

2019年のバズワードぶった斬り

デジタルマーケティング界隈で毎年のように生まれるバズワード。「アトリビューション」や「ビッグデータ」、「カスタマージャーニー」について、各務氏がぶった斬った。

柏木恵子 2019/6/14 9:00 その他 | イベント／セミナー

284 36 8

デジタルマーケティング界隈では、毎年のようにバズワードが生まれる。しかし、バズワードに振り回された結果、成果が出なかったというマーケターもいることだろう。そんなバズワードには、どのような心構えで向き合えばいいのか。「デジタルマーケターズサミット 2019 Winter」に各務浩平氏が登壇した。「平成最後のデジタルマーケティングぶった斬り！」という刺激的な講演タイトルで問題提起した。

本記事では1ページ目に「バズワードについて」を取り上げ、2ページ目では「デジタルマーケティングの人材問題と、会場からの質問」をまとめる。

本内容における3つの前提認識合わせ

セッションは、まずデジタルマーケティングについての意識合わせから始まった。

【1つ目の前提】

このセッションで言うデジタルマーケティングとは、いわゆる「外向けのデジタルマーケティング」のことだ。たとえば、オンライン広告／SEO／SNS等を考慮した、デジタル上の顧客接点を含むコミュニケーションや、それにひも付くようなアドテクノロジーの話などである。

一方「内向けのデジタルマーケティング」というのが、BIやRPAのような社内のマーケティングプロセスのデジタル化を意味するものであり、今回のセッションの中では除外して考える、ということ。

【2つ目の前提】

また、マーケティングという言葉も定義がいろいろだが、以下のような定義で話を進める。

×「消費者のニーズを読み解き、売り上げを最大化する」ではなく

○「消費者にSeeds（種）を植え付け、欲求を顕在化させる」

ダイレクトレスポンス型のデジタルマーケティングというよりも、顧客の思考形成に関するコミュニケーション設計の観点で話を進める、ということである。

【3つ目の前提】

もう1つ、データ活用のステップについてもあらかじめ共有しておく。データ活用は、以下の4つのステップがある。

集積
可視化
分析
改善

この図で押さえておくべきポイントは1つだ。

「アウトプットが変われば、次のインプットも当然変化するので、同じフレームでの施策再現性は無くなる」ということ。

バズワード年表

また、主なバズワードが登場した時期の年表を掲載する。このうち赤字で示しているのが、各務氏が誤解が生じやすいと考えているものである。これらについて1つずつ解説する。

「アトリビューション」は何かを「発見」するものではない！！

アトリビューション分析でよくある誤解（過剰な期待）は、以下のようなものだろう。

「広告投資の再配分・効率化をしたい」
「認知向け施策の効果を知りたい」
「アトリビューション分析をすれば何かわかるんじゃないか」

しかし、各務氏は以下のように語る。

基本的に、アトリビューションは「発見」するものではなく、「検証」するものとして使うべき。事前の仮説とそれに対する施策が想定通りかどうかの検証のためアトリビューションを活用するだけ（各務氏）

たとえば、

施策A「認知向けのバナー配信」 → 施策B「コンテンツメディア」 → 施策C「リスティング広告」

という施策を実行して、コンバージョンがあったとしよう。かつては、コンバージョン直前の施策Cの効果があったとだけ考えていた。

しかし、コンバージョンに貢献したのは本当に施策Cだけかといえば、そんなことはないだろう。最後にクリックした施策Cの「リスティング広告」だっただけで、施策AやBがコンバージョンに貢献していないわけではない。そういった考え方から、途中経過でどの程度の貢献があったか分析するというアイデアが登場した。

つまり、アトリビューション分析はコミュニケーション設計の成否を評価するもので、仮説と実施施策の効果は測れても、新しい何かを発見することは難しい。

また、前図で示し「データ活用ステップ」の図で「インプットとアウトプットの間には密接な関係性がある」と言ったように、アウトプットが変わればインプットが変わり、分析結果も必然的に変化していく。

A/B/Cの施策を実行して、アトリビューション分析をしたら「Bの中間効果が良い」とわかることもある。しかし、AとBの間に新しい施策Xを入れることによって、「Bの施策が悪影響を及ぼしている」という結果になる可能性もある。

A/B/Cという順番でコミュニケーションすることにしたのは、何か仮説があったはずであり、アトリビューション分析はその仮説が正しかったかどうかを確かめるためのものと考えるべきだろう。

発見がある「かもしれない」という期待のもとにアトリビューション分析をやると失敗する。そもそも、コミュニケーション設計が不十分な状態だと意味がない（各務氏）

「ビッグデータ解析」するより「スモールデータ」で事足りることも多い！！

ビッグデータが話題になったのが2012年頃、マシン性能が向上したこともあり、2015年頃にAIや機械学習があらためて取り沙汰されるようになった。ビッグデータ／AI／機械学習でよくある誤解（過剰な期待）は、以下のようなものだろう。

「データがたくさんあるのだから、何かわかるんじゃないか」
「人工知能だったら何か教えてくれるんじゃないか」

しかし、「アトリビューション同様、存在しないデータについては何も語ってくれないのが実態」だと各務氏は言う。

たとえばテレビCMを打っていない企業に対して、AIは「テレビCMをやったほうが良いです」と示唆してくれるだろうか？当然テレビCMをやったデータが無いので、そんなことは示唆してくれない。

そもそも、ビッグデータ解析をしなくとも、グループインタビューやデプスインタビューで得られる定性情報で明らかにできることも多いからだ。

コンサルティング会社にビッグデータ解析を依頼したが、戻ってきた結果は「そんなことはわかっている」という内容だったという体験をした方もいるのではないだろうか。

「カスタマージャーニー」はタイプとメソッドで適用範囲を変えないと役に立たない！！

「ユーザー行動を数値で可視化するため、まずはカスタマージャーニーを作ろう」と言われるが、これがカスタマージャーニーについてのよくある誤解（過剰な期待）だと各務氏は言う。

カスタマージャーニーは、一面的には有効であり、データ可視化のポイントと定義を明確化できる。

たとえば、カスタマーサポートと営業とマーケティングのように部署をまたいで横串で定点観測するような場合の合意形成の手法として有効だと言える。

一方で、カスタマージャーニーは、外向きのデジタルマーケティングに対して、基本的に役立たないと各務氏は語る。

まず、カスタマージャーニーは、対象としている範囲によってタイプが3つに分けられると各務氏は説明した。

タイプ ① 購入／契約以後のカスタマージャーニー

図では黄色い部分。購入して、一度顧客になった人をリピーターにする、優良顧客にするという文脈でのカスタマージャーニー。これは、CRMやMarketing Automationといった、「内向きのデジタルマーケティング」の範囲で、今回のセッションでは取り上げていないが、カスタマージャーニー設計は有効な場合がある。