用語集

コホート分析は、企業が長期にわたる進捗状況とパフォーマンスを追跡および測定するために使用するツールです。

この分析は、傾向とパターンを特定し、顧客の行動を評価し、マーケティングおよび製品開発戦略についての意思決定を行うために使用できます。正しく使用すると、時間の経過とともに顧客がどのようにビジネスと関わっているかについて貴重な洞察を得ることができます。

コホート分析には主に2つのタイプがあります:

1. 取得日に基づくコホート: 顧客が会社に入社したとき、または製品の使用を開始したとき (つまり、取得日) に基づいて顧客を分析します。このタイプのコホートは、エンゲージメント率と維持率を追跡するためによく使用されます。
2. 共通の特性に基づくコホート: 共通の特性や行動 (つまり、共通の属性) に基づいて顧客を分析します。このタイプのコホートは、アップセルやクロスセルの機会を特定するためによく使用されます。

コホート分析は、さまざまな目的で適用できます:

• さまざまな顧客グループが時間の経過とともにどのように製品と対話するかを理解する
• 新規顧客の獲得に最も効果的なマーケティングキャンペーンを特定する
• さまざまな顧客セグメントの間でどのチャネルが最も人気があるかを判断する
• 特定の顧客グループのエンゲージメント率と維持率を追跡する
• 顧客生涯価値を取得日またはその他の属性によって分析する

コホート分析は、顧客を理解し、データに基づいた意思決定を行いたい企業にとって不可欠なツールです。顧客の行動と傾向を理解することで、企業は成長と運営の方法についてより適切な決定を下すことができます。

コホート分析は、企業の定着率とロイヤルティを向上させ、顧客の生涯価値を高めるのに役立ちます。

需要予測は、製品またはサービスに対する将来の需要を見積もるプロセスです。企業は需要予測を使用して、生産、在庫、人員配置のレベルを決定します。コマース企業が需要を予測するために使用できる方法には、傾向分析、回帰分析、時系列分析など、いくつかの方法があります。最も適切な方法は、入手可能なデータと予測される製品またはサービスによって異なります。

需要予測は多くの場合、将来の需要を表していない可能性のある過去のデータに基づいているため、企業は需要予測を使用する際に注意する必要があります。消費者行動、経済、その他の要因の変化はすべて、将来の需要に影響を与える可能性があります。したがって、企業は定期的に需要予測を見直し、必要に応じて更新することが重要です。

需要予測の重要性は、ビジネスを運営する上で最も重要な側面の1つです。製品やサービスに対する将来の需要を理解することで、生産、人員配置、その他の業務の主要な分野について情報に基づいた意思決定を行うことができます。正確な需要予測がなければ、健全な収益を維持することは非常に困難です。企業が需要を予測するために使用するさまざまな手法は数多くありますが、それらはすべて、顧客の需要を満たすのに十分な製品または生産能力を確保するという1つの共通の目標を共有しています。

不正確な需要予測は、企業に深刻な影響を与える可能性があります。需要が過小評価されている場合、企業は顧客のニーズを満たすことができず、売上を失う可能性があります。一方で、需要が過大評価されると、企業は貴重なリソースを拘束する過剰在庫を抱えることになる可能性があります。幸いなことに、需要予測の精度を向上させる方法は数多くあります。多くの企業は、過去の需要パターンをより深く理解し、将来のニーズについてより多くの情報に基づいた予測を行うために、需要計画ソフトウェアを使用しています。さらに、社内のさまざまな部門間で定期的にコミュニケーションをとることで、需要の予測に関して全員が同じ認識を持つことができます。

結局のところ、競合他社に先んじてコストのかかるミスを回避したい企業にとって、正確な需要予測は不可欠です。適切なツールと技術を使用することで、企業は顧客のニーズをより深く理解し、生産と在庫レベルについてより賢明な決定を下すことができます。

機能フラグは、新しいコードを展開せずに機能をリモートで有効または無効にするために使用されるソフトウェア開発手法です。

開発者は新機能を安全にテストし、ユーザー インターフェイスに変更を加え、A/B テストを実行できます。機能フラグの利点は以下の通りです:

1. 継続的デリバリー: 機能フラグを使用すると、開発者は変更をすべてのユーザーに表示する必要がなく、コードの変更を少しずつ本番環境にプッシュできるため、継続的デリバリーが容易になります。これにより、リスクとダウンタイムを最小限に抑えながら、新しい機能を迅速にテストして展開できるようになります。

2. 導入時のリスクの軽減: 機能フラグを使用することで、開発者はすべてのユーザーに影響を与えることなく、新機能を安全にテストし、ユーザー インターフェイスに変更を加え、A/B テストを実行できます。問題が発生した場合は、この機能を簡単に無効にして、ユーザーへの悪影響を防ぐことができます。

3. 実験とテスト: 機能フラグを使用すると、開発者は新機能を完全に起動する前に実験およびテストできます。これは、チームが早期に問題を特定し、ユーザーのフィードバックを収集し、どの機能を優先するかについて情報に基づいた決定を下すのに役立ちます。

4. 対象を絞ったリリース: 機能フラグを使用すると、開発者はユーザーのサブセットまたは特定のグループに新機能をリリースでき、より広範なユーザーにリリースする前にフィードバックを収集して改善を行うことができます。

5. トラブルシューティングとロールバック: 機能によって問題やエラーが発生した場合、機能フラグを使用すると、変更をロールバックして以前のバージョンに戻すことが簡単にできます。これにより時間を節約し、ダウンタイムのリスクを軽減できます。

機能フラグはソフトウェア開発チームにとって強力なツールであり、リリース プロセスに対する柔軟性、機敏性、制御を提供します。一般的な機能フラグの使用例には、新機能のテスト、ロールアウトと対象を絞ったリリース、A/B テスト、段階的ロールアウト、カナリア リリースなどがあります。

顧客デジタルエクスペリエンスにおいて、機能フラグを活用することで、オムニチャネルコマースやD2Cブランドの成長をサポートできることを考慮してください。

GraphQL（グラフキューエル）は、オムニチャネルコマースやD2Cブランドの成長を促進するために使用される、データクエリ言語および実行環境です。

• REST APIとの比較:

  • REST APIは、リクエストとレスポンスのパターンを実装するもので、1つのサービスが要求を送信し、他のサービスからの応答を待つ形式です。通信技術としては、HTTPなどが使用されます。
  • GraphQLでは、クライアントは必要なデータを正確に指定し、サーバーはそのデータのみを返します。これにより、過剰なデータの取得を防ぎ、効率的な通信が可能です。
  • GraphQLは、特定のビジネスオブジェクトに対して実行したい操作をHTTP動詞にマッピングする難しさを解決します。例えば、更新操作を表現するのが困難な場合でも、GraphQLは柔軟に対応できます。
  • また、複数の関連オブジェクトを1回のリクエストで取得することも可能です。

• REST APIのメリット:

  • シンプルでわかりやすいアーキテクチャ。
  • 柔軟性があり、さまざまなプログラミング言語やフレームワークで使用できる。
  • ステートレスであり、障害に対する回復力が高まり、拡張が容易。
  • 異なるクライアントのセットと相互運用。
  • 人間が読めるテキストベースのメッセージ形式を提供。

• REST APIのデメリット:

  • リクエスト/レスポンス形式の通信のみをサポートし、可用性が低下する。
  • クライアントはサービスインスタンスの場所を知っている必要がある。
  • 複数のリソースを1回のリクエストで取得するのが困難。
  • 固有のセキュリティメカニズムが提供されていないため、セキュリティ対策を実装するのは開発者次第。

GraphQLは、REST APIの制約を克服し、効率的なデータ通信を実現するための強力なツールです。

オムニチャネルマーケティングは、顧客とのあらゆる接点（チャネル）で最適な購買体験を提供するためのマーケティング戦略です。

このアプローチは、実店舗、アプリ、ウェブサイト、通信販売カタログ、ダイレクトメール、Eメール、モバイルなど、さまざまな直接／間接のコミュニケーション・チャネルを組み合わせて顧客と交流し、一貫性のあるブランド体験を提供します。

オムニチャネル戦略は、すべてのチャネルをシームレスに統合し、数多くのマーケティング戦術を効果的かつ効率的に連携させるのに役立ちます。

お客様がどのようにショッピングするかを理解することで、お客様中心のアプローチを取り、購入に至るまでのさまざまなチャネルでオーディエンスとつながることができます。オムニチャネル戦略は、マーケティングファネルの始まりのブランドの発見から、購入、顧客ロイヤルティなど、カスタマージャーニー全体を網羅します。優れたオムニチャネル戦略では、オーディエンスのブランド体験が複数チャネルで同じであるため、購入過程がスムーズになります。

オムニチャネルは、ユーザーと企業の接点をオンライン・オフライン問わず結合させ、ユーザーに購入経路を意識させない販売戦略の一環です。

このアプローチにより、お客様はさまざまなプラットフォームでブランドとのシームレスなやり取りができるようになり、ブランド体験が全体的に向上します。

オムニチャネルマーケティングは、現代の広告技術と消費者行動の変化に適応するために重要です。統合されたアプローチを作成することで、オーディエンスがどこでブランドに出会うかに関係なく、ユニークなメッセージをカスタマイズできます。

一貫性のあるインタラクションがカスタマーエクスペリエンスの向上につながり、同時に複数チャネルに渡ってエンゲージメントの機会が増えることで、コンバージョンを増やすことができます。

ベイジアン（Bayesian）は、学術界とビジネス界の両方で人気が高まっている一連の統計手法です。ベイジアンメソッドを使用すると、問題に関する事前の知識と新しいデータを組み合わせて、どちらかのアプローチを単独で使用するよりも正確な結論に達することができます。

ベイズ推論の核心は確率の概念に基づいています。
確率は、イベントが発生する可能性を示す尺度と考えることができます。特定の証拠やデータが与えられた場合に、イベントが発生する可能性を計算できます。

ベイジアンメソッドは、不確実性が伴う問題に特に適しています。たとえば、人口に占める左利きの人の割合を推定しようとしていると想像してください。あなたは、個人的な経験に基づいて、その割合が10%であるという事前の信念から始めるかもしれません。しかし、1,000人を対象とした調査からデータを収集したところ、そのうち左利きの人はわずか4%であることがわかりました。この新しいデータにより、人口に占める左利きの人の割合の推定値が下方修正されることになります。

ベイジアンメソッドは、推定タスクと予測タスクの両方に使用できます。推定では、未知の量に対する最良の推定値に到達しようとしています。予測については、既知の情報を使用して将来の出来事を予測しようとしています。ベイジアンメソッドは、予測を行うときに以前の信念を考慮できるため、予測タスクに特に適しています。

ベイジアンメソッドは、数値データ、カテゴリデータ、テキストデータなど、あらゆる種類のデータで使用できます。利用可能なデータが少ない場合にも有効です。ベイジアンメソッドの利点の1つは、不確実性を定量化できることです。

カスタマージャーニーオーケストレーション（Customer Journey Orchestration）は、顧客の関心を継続的に引き付け、リアルタイムで顧客体験を調整し、販売サイクルに沿って顧客を進めるためのプロセスです。

この概念は、顧客の行動やインタラクションに基づいて、個別の顧客に適切な情報やコンテンツを提供することを目指しています。

以下に、カスタマージャーニーオーケストレーションに関連するいくつかのポイントを紹介します:

1. リアルタイムの調整: カスタマージャーニーオーケストレーションでは、リアルタイムの個々のやり取りに焦点を当てます。顧客がブランドのウェブサイトを閲覧したり、モバイルアプリを利用したり、実店舗を訪れたりしたタイミングを活用して、適切な顧客体験を提供します。

2. カスタマージャーニー管理との違い: カスタマージャーニーオーケストレーションは、リアルタイムの個々のやり取りに取り組むのに対し、カスタマージャーニー管理は顧客セグメントに目を向けます。オーケストレーションエンジンは配信システムと連携しており、データソースを活用して、次のアクションを導き出します。

3. ジャーニーマップ: ジャーニーマップは、カスタマージャーニーの目標を達成しようとする人にとって重要な出発点となります。顧客とブランドの関わり合いを、あらゆる顧客接点や様々な顧客行動を考慮して、明確なマップにします。

4. 必要なツール: カスタマージャーニーオーケストレーションには、エンジンが必要です。通常、このエンジンは電子メール配信システムなどの配信ソリューションと連携する独立したシステムです。データソースを活用して顧客に働きかけるための次のアクションを導き出します。

カスタマージャーニーオーケストレーションを最大限に活用するためには、小規模な取り組みから始め、それらを慎重にテストし、効果を上げているかどうかを確認する必要があります。

コンテンツモデリングは、顧客デジタルエクスペリエンスにおいて重要な概念です。これは、コンテンツの構造、構成、プレゼンテーションを指定するルールのコレクションです。具体的には、どのようなコンテンツを作成できるか、およびそれをどのように表示できるかを定義します。

コンテンツモデリングにはいくつかの共通要素があります。以下に最も重要な要素を紹介します:

1. コンテンツ タイプ: コンテンツ タイプは、テキスト、画像、ビデオ、ファイルなどのコンテンツの種類を指します。これはコンテンツモデルの構成要素であり、Web サイトやデジタル製品の設計と構築に使用されます。

2. タクソノミー: タクソノミーは、コンテンツ タイプを整理するためのシステムです。階層を作成したり、コンテンツ タイプをグループ化したりするために使用されます。

3. メタデータ: メタデータは、コンテンツに関する情報を提供します。作成日、作成者、キーワードなどが含まれます。

4. ワークフロー: ワークフローは、コンテンツの作成、レビュー、公開の方法を定義します。ライフサイクルの各段階で、誰が何をできるかを指定します。

コンテンツモデリングは、オンラインエクスペリエンスの一貫性と使いやすさを保証するために重要です。さまざまな種類のコンテンツモデルとその仕組みを理解することで、より効果的でユーザーフレンドリーな Web サイトや製品を作成できます。

データガバナンスは、組織がデータを管理する方法を管理する一連のプロセス、ポリシー、標準です。
すべての側面が含まれており、データの収集および保存方法から、データの使用および共有方法までをカバーしています。データガバナンスは、組織がデータの正確性、信頼性、規制への準拠を確保するのに役立ちます。また、機密情報を誤って共有したり、貴重な顧客データを失ったりするなど、コストのかかるミスを回避するのにも役立ちます。

データガバナンスにはさまざまなコンポーネントがありますが、最も重要なものには次のようなものがあります。

• データ品質管理: 意思決定に使用される前にデータが正確かつ完全であることが保証されます。
• データセキュリティ: データにアクセスできるユーザーとデータの使用方法を制御します。
• データプライバシー: 人々の個人情報が誤って取り扱われたり、悪用されたりするのを防ぎます。
• データライフサイクル管理: データの収集、処理、保存、削除の方法を制御します。

データガバナンスは複雑なプロセスですが、データに依存して意思決定を行う組織にとっては不可欠です。強力なデータガバナンスを導入することで、組織はデータを保護し、責任を持ってデータを使用することができます¹。データガバナンスの種類には、分散型実行、集中ガバナンス、集中型データガバナンスと分散型実行などがあります¹。データガバナンスは、データ資産を活用するあらゆる組織の戦略にとって重要です。

データガバナンスの柱として、以下の 4 つの要素があります。

1. 明確なユースケースの特定: データがどのように使用されるか、データがサポートするプロセス、およびデータを使用する関係者を理解することが含まれます。
2. 価値の定量化: 低品質のデータのコストと高品質のデータの利点を理解し、データ資産に金銭的価値を置く必要があります。
3. データ機能の向上: 必要なスキルと専門知識の開発、適切なテクノロジーとプラットフォームへの投資が含まれます。
4. スケーラブルな配信モデルの開発: 反復可能で持続可能なプロセスを作成し、データガバナンスに関与する人々の明確な役割と責任を確立することが必要です。

ファーストパーティデータは、企業が自社の顧客について収集する単なるデータです。

このデータは、Webサイトでのやり取り、顧客調査、ロイヤルティプログラムなど、さまざまなソースから取得できます。ファーストパーティデータは、セカンドパーティデータ（他社から取得）やサードパーティデータ（公的ソースから取得）など、他の種類のデータよりも信頼性が高くなります。

ファーストパーティデータ戦略の目標は、企業が顧客をより深く理解し、よりパーソナライズされたエクスペリエンスを顧客に提供できるようにすることです。
自社データ戦略を導入するには、堅牢なデータ収集インフラストラクチャを整備する必要があります。これには、Webサイト、モバイルアプリ、コールセンターなどの複数のチャネルにわたる顧客のやり取りの追跡が含まれる場合があります。顧客データが収集されたら、簡単にアクセスして分析できる中央の場所に保存する必要があります。さらに、企業は、プライバシー法や規制に準拠した方法でデータが適切に管理および使用されることを保証するためのプロセスを導入する必要があります。

ファーストパーティデータは、企業に顧客の要望や好みを直接知る手段を提供するため、非常に価値があります。
この情報は、顧客エクスペリエンスを向上させ、よりターゲットを絞ったマーケティングキャンペーンを作成し、新しい製品やサービスを開発するために使用できます。また、ファーストパーティデータは、他の種類のデータよりも正確である傾向があります。これは、顧客が信頼する企業と同意して情報を共有しているためです。対照的に、セカンドパーティおよびサードパーティのデータは、人々の知識や同意なしに収集されることがよくあります。その結果、信頼性が低下する可能性があります。

自社データを活用することで、企業は顧客に関する貴重な洞察を得ることができ、それは全体的なビジネス戦略の改善に役立ちます。ファーストパーティデータは、今日の市場で競争力を得るための重要な資源となっています。

リードエンリッチメントは、自社で収集したリード（「過去に問い合わせがあった」「名刺交換した」などの理由で連絡先を獲得している見込み顧客）情報に、他のソースから入手したデータを付加することで、データの有用性を強化するプロセスです。

一般的に各社が持っているリード情報は、社名やメールアドレス程度しか取得できていない場合が多く、営業活動に十分に活かせていないのが現状です。そのため、近年はリードエンリッチメントを実施して、自社が保有するリード情報にさまざまな情報を付与することで有用性を高め、営業活動の効率化に活かす企業が増えています。

リードエンリッチメントの仕組みは、各社が保有するハウスリード（自社リード情報の集合体）のデータに、リードエンリッチメントサービスを提供する企業が保有するデータを突合することによって、不足情報を補完してリード情報の品質を高める仕組みです。

前述したデータクレンジングを実施して、ハウスリードのデータが正確であることが確認できたら、リードエンリッチメントのプロセスに進みましょう。

リードエンリッチメントにはさまざまな方法がありますが、もっとも一般的なものがハウスリードと別のソースのデータを突合させる方法です。

例えば、他社が提供するCRM（Customer Relationship Management：顧客管理システム）のデータやリードエンリッチメントツールなどを活用して、自社で収集したメールアドレスに会社名、住所、資本金、売上高といったデータを付加することで、より有効活用できるリード情報に改善できます。