CRMのトレンドとして登場し、導入企業が増えている観念が「ハイパーパーソナライゼーション」です。

MAの普及により、顧客の名前入りのEメールが送られるようになったのは10年程前のことです。当時は「自分宛てのメッセージが来た！」という感動があったと思いますが、今ではツールが送っていることを皆知っているので、感動が薄れてきていると思います名前入りメールの他に、最後に見た商品や、過去に購入した商品をメールでレコメンドするなど、ツールによって実現できる王道のパーソナライズ手法はある種テンプレート化しつつあります。

このようなパーソナライズは、何もしないよりは一定の効果はあるのですが、現代の消費者を真の意味で惹きつけるのに必要な深みが欠けています。その中で登場したのが、データ収集と機会学習・生成AI等を利用して従来のパーソナライゼーションを進化させてハイパー・パーソナライゼーションです。

記事では、ハイパーパーソナライゼーションとは何か、顧客の期待にこたえるために、どのような要素を企業が取り入れるべきなのかを解説します。

ハイパー・パーソナライゼーションとは？

パーソナライゼーションとは、顧客の好みや行動に基づいてパーソナライズされた顧客体験を提供することです。パーソナライゼーションはすでに多くの企業で取り組まれていますが、AIや機械学習、リアルタイムデータを活用し、これまでのパーソナライゼーションをより進化させたものが「ハイパー・パーソナライゼーション」です。

競合他社よりハイレベルなパーソナライズを実現できると、顧客の期待を超える体験の創出や、強固なエンゲージメントが可能となるため、グローバルではCRMのトレンドとして注目されている考え方です。

従来のパーソナライゼーションとの違い

従来のパーソナライゼーションとハイパーパーソナライゼーションの主な違いは、リアルタイムデータの使用と、個別化のレベルという2点です。

例えば、以下のようなパーソナライゼーションは、ECサイト等を中心に馴染みがあるでしょう。

• 閲覧履歴がある商品のレコメンド

• 過去購入した商品と同じカテゴリの商品のレコメンド　など

こうした従来のパーソナライゼーションは、過去データ（顧客の属性や過去の購入・閲覧履歴など）にもとづいてカスタマイズが実施されています。

一方で、ハイパーパーソナライゼーションでは、過去データに加えて顧客の位置、天気、時刻など、そして、いま顧客のが見ているページやコンテンツなどのリアルタイムデータを使用して、さらに個別化したコミュニケーションを行います。

たとえば、

• 位置情報をもとに、周辺店舗で行われているセールと、顧客の好みに合ったセール対象商品のご案内

• 天候情報と位置情報をもとに、寒波のタイミングで顧客の好みに合ったコートをレコメンド

• 顧客が今見ているコンテンツを踏まえてサイドバナーを変更

このように、ハイパーパーソナライゼーションは、顧客データにリアルタイムデータを加え、AIによる高度なパーソナライゼーションの技術を利用することで、従来のパーソナライゼーションより一歩進んだ、より関連性の高い顧客体験を提供するものです。

ハイパー・パーソナライゼーションの事例

リアルタイムデータの使用と、個別化のレベルという表現だけでは、ハイパー・パーソナライゼーションのイメージが湧きにくい点もあるでしょう。ハイパー・パーソナライゼーションがどんな形で行われるのか、より具体的に事例で紹介します。

レコメンデーション

ハイパー・パーソナライゼーションで最も分かりやすい事例はレコメンデーション・エンジンの精度UPです。たとえば、ECサイトであれば「過去の購入履歴をもとに類似した商品をお勧めする」だけでなく、「各商材の購入日時からの経過日数」「アクセスしている曜日や時刻」等も踏まえて、「そろそろこの商材のリピート購入が必要ではありませんか？」「週末に向けて、こんな商品はいかがですか？」といったよりきめ細かい提案が実現します。

実際に、たとえばNetflixは、視聴履歴だけでなく「視聴した作品のどこで離脱したか？」「最後まで視聴完了した作品はどれか？」まで分析してレコメンドしています。

広告

広告やオファーもレコメンデーションと同様に、よりきめ細かくカスタマイズされる形になります。セグメンテーションの細かさだけでなく、リアルタイムデータと掛け合わせることがハイパー・パーソナライゼーションの特徴です。

たとえば、スターバックスでは、過去の購入履歴だけでなく、モバイルの位置情報と自社の店舗情報、時刻等を掛け合わせることで、より個別化された「今のあなた」へのオファーを実現しています。また、ショッピングモール等ではモール内での「今いる場所」を踏まえて、そのエリアにある商材の割引クーポンをアプリに送信するといった形で位置情報を活用したハイパー・パーソナライゼーションが実施されています。

動的なWebサイトやアプリコンテンツ

ハイパー・パーソナライゼーションでは広告表示を個別化するのと同じように、Webサイトのコンテンツ自体を顧客に応じて動的にカスタマイズして表示します。

たとえば、旅行サイトであれば、過去の購買履歴、いま検索しているキーワードや今回のセッションでアクセスしたページ、顧客の居住地等に応じて、「東京に住んでいて、ゴールデンウィークの家族旅行を探していて、過去の旅行予算はこれぐらい」といった情報を踏まえて、表示するコンテンツをリアルタイムに変更するような形です。

こうしたカスタマイズはWebサイトだけではなく、アプリ等でも同様です。顧客のステータス等に応じてログイン後のメニューが変わるといった調整は今は珍しいものではなくなりました。アプリの起動時画面等に関しても、これをより細かく実施するような形です。

チャットボット

チャットボットの進化もハイパー・パーソナライゼーションの事例のひとつです。チャットボットにおけるハイパー・パーソナライゼーションでは、過去に問い合わせた電話、メール、店舗での質問等が顧客IDに紐づいた履歴としてオムニチャネル統合されている状態が大切です。

そして、過去の履歴も踏まえて、定型的な質問表示や回答ではなく、顧客が今見ているページや過去の履歴等を踏まえて質問の選択肢を表示する。また、顧客との取引状況を踏まえて回答や提案を提供するといった形になります。

動的な料金体系や割引クーポン

ハイパー・パーソナライゼーションでは、広告やコンテンツだけでなく、料金体系や割引クーポン等のオファー内容も可変的なものになり得ます。

過去の購入履歴等を踏まえた顧客ランク別の割引クーポン等だけでなく、サイトへの滞在時間を踏まえて即時予約を促すための特別なオファーを提供する、現在カートに入っている商材や閲覧した商材を踏まえて割引率を変更するといった形でカスタマイズすることが可能です。

なぜハイパー・パーソナライゼーションが必要なのか

ここまで、ハイパー・パーソナライゼーションとは何か解説してきましたが、なぜ今必要とされているのでしょうか。3つの理由を紹介します。

データ活用の幅が広がっている

総務省が発表したデータによると、インターネットショッピングの利用率は、全体で73.4％^*1令和3年　情報通信白書｜総務省。このデータから消費者にとって、オンラインでの購買活動はなくてはならないものとなっています。

オンラインでの購買活動が増えると、企業が持つデータも豊富となります。

• 顧客の属性情報（性別、年齢、住所など）
• 顧客の行動データ（流入元や閲覧ページ、購入した商品など）

蓄積された顧客データをもとにAIや機械学習で高度な分析を行うことで、顧客の行動や嗜好をより細かく把握し、個別に最適化された体験を提供しやすくなりました。

顧客が求めるものに応える

企業が保有するデータ量と比例し、消費者が接する情報量もまた、この数十年で飛躍的に増大しました。これに伴い、消費者の情報の取捨選択はよりシビアになり、従来の一般的なマーケティングメッセージの多くは無視されるようになりました。

実際に、MoEngage社が公表した調査では「関連性の高い情報を提供してくれるブランドで買い物をしたい」と答えた顧客は91％^*2[New Feature] Introducing Affinity Segments on MoEngage｜MoEngageに達しており、多くの消費者が自分と関連しない情報を求めていないことがわかります。

消費者は自分に合った情報を提供してくれる企業に対して高いロイヤリティを持つ傾向があり、パーソナライゼーションの精度を上げることは、顧客の期待に応えるために重要な要素です。

企業の競争力を高める

多くの企業がオンラインの販路を持つようになった現在、企業間の競争はますます激化し、企業は獲得した顧客といかに継続的な関係を作れるかということが重要命題となっています。この継続的な関係作りの重要な鍵となるのもパーソナライゼーションの精度です。

特に小売などの類似製品が多い市場において、競合が行っていない高度にパーソナライズされた接客を行うことは、大きな差別化要素となります。

MoEngage社の調査によると、ハイパーパーソナライゼーションの実現により小売業者の収益が25%^*3Hyper-Personalization in Retail and its Benefits｜MoEngage増加したというデータもあります。

ハイパー・パーソナライゼーションを導入するポイント

従来のパーソナライゼーションよりも高度なハイパー・パーソナライゼーションを行うためには、従来の仕組みに加え、更に包括的な顧客データをリアルタイムで取得し、AIや機械学習で分析・活用することが求められます。ここではハイパー・パーソナライゼーションを導入するために押さえておくべきポイントをピックアップして紹介します。

データ活用基盤の整備

ハイパー・パーソナライゼーションを導入するうえで、まず必要なのはデータ活用の基盤です。ハイパー・パーソナライゼーションは、従来型のパーソナライゼーションのより高度な観念ですので、必要なデータ活用基盤も基礎は同じものです。ハイパー・パーソナライゼーションを実施するために必要なのは、顧客に関する様々なデータの収集、蓄積基盤の構築、ID統合、分析やMAツールなど、データ活用環境の整備です。

企業によってデータ活用基盤のあり方はさまざまですが、一般的には以下のようなステップを踏まえて基盤が構築されます。

1. 【ためる】まずWebやアプリをはじめとする多様なチャネルから顧客データを収集
2. 【整える】ひとつの顧客IDに紐づけて、購買履歴や会員情報などのデータと統合しデータを一元管理
3. 【使う】顧客データを分析し深層理解、分析内容にもとづく施策の実施やUIUX改善

基盤を構築する際には、ビジネスサイドとエンジニアサイドの両方の視点を設計段階から組み込む必要があります。例えば、マーケティング担当ではないエンジニアが単独でデータ連携を行う場合、使われるデータや活用方法を把握していないため、マーケティング施策に適したデータが収集されない可能性があります。またデータを分析・活用するうえで、プログラムを都度書かないといけない状態ですと施策の実施や検証スピードは大幅に落ちてしまいます。

まずはハイパー・パーソナライゼーションに必要なデータや仕組みが整っているか、振り返ることが重要です。

当社では、ステップごとにデータ活用基盤を構築するさまざまなツールを取り扱っています。当社の取り扱いツールやご支援の詳細はこちらをご覧ください。

行動データの収集と活用

顧客セグメントの作成はパーソナライズの基礎となるものですが、ハイパーパーソナライゼーションでは従来のCRMを活用したセグメントを超える、より高度なものが求められます。

具体的には、まず購入履歴、顧客ランク・属性などの過去データに、リアルタイムの行動データを掛け合わせることです。従って、ハイパー・パーソナライゼーションを実現するうえでは、行動データの収集と活用が不可欠です。

Webマーケティングを実施している企業の多くは、行動データの取得は既に実施しているでしょう。ただ、その行動データが顧客IDに紐づいて管理され、かつ分析や施策に活用できる状態である必要があります。

とくに分析や施策においては、統計、パターンや関係性、深層学習などのアルゴリズムを加えて、より顧客のインサイトに迫ることが必要です。これらは人手や旧来の分析ツールで行うことは困難であるため、AIを活用することが前提となります。

AIを活用した有効なセグメントの例としては、以下のようなものがあげられます。

• 行動パターン
• 購買履歴に基づく類似ユーザー
• ソーシャルメディアのインタラクション
• 地理情報
• 予測分析

カスタマーエンゲージメントツール「MoEngage」はAIを活用した有効なセグメントを作成し、ハイパー・パーソナライゼーションを実現できます。「MoEngage」の機能をご覧いただくと、ハイパー・パーソナライゼーションの実現に必要な行動データの収集と活用がよりイメージできるでしょう。

キャンペーン運用工数を大幅削減！MoEngageの強力なセグメント機能

オムニチャネル統合

顧客に関連するデータは多岐にわたりますが、パーソナライズ施策に有効なデータの一つが位置情報です。特に店舗を運営していたり、オフラインでのイベントを実施する企業の場合、位置情報の活用は有効なハイパー・パーソナライゼーションの手段です。

GPS やビーコンテクノロジー^*4Bluetoothに使われる技術。Bluetooth Low Energy（BLE）を使用して、周囲のデバイスと通信するための小型のデバイスまたはセンサーのことなどの位置ベースのテクノロジーは、現在の位置に基づいて状況に応じて関連性のあるメッセージを配信することができます。

• 顧客が店舗に入ってきたときにアプリを介して、プッシュ配信
• レストランの近くにいる顧客に対して、本日の限定メニューをプッシュ配信

上記の例のように、アプリユーザーの位置情報を集客に利用することができますが、位置情報を気象データや人流データと掛け合わせると、より付加価値の高い情報をエリア内のユーザーに届けることができます。

こうした位置情報の活用等はハイパー・パーソナライゼーションの視点だけでなく、オンラインチャネルとオフラインチャネルを統合して、顧客コミュニケーションを進化させるオムニチャネル統合の視点でも大切です。

ジオフェンスを使ったマーケティングとは？効果やユースケースを解説

オムニチャネルとは？対応の重要性や事例、実践ステップを解説

機械学習と生成AIの利用

ハイパーパーソナライゼーションの中核には、人工知能、特に生成 AI があります。

生成AIは、アルゴリズムを活用して膨大な量の顧客情報を分析し、マーケティング担当者が各個人に合わせてカスタマイズされたコンテンツを動的に生成できるようにします。ユーザーの対話に基づいて進化する動的で適応性のあるコンテンツ作成はまさにハイパーパーソナライゼーションの目指すところであり、この制度は静的なパーソナライゼーションを大きく上回ることが期待できます。

逆にいえば、過去データに加えて、リアルタイムの行動データや位置情報を利用したコンテンツの出し分けやコミュニケーションのカスタマイズは、機会学習と生成AIなくして実現は不可能と言えるでしょう。

将来的には分析、セグメント作成、コンテンツ作成、インタラクティブな配信まで全てAIで行えるようになると思います。現時点では全てをAIに任せることは困難ですが、AI機能を搭載したマーケティングツールは既に実用化され、現場で活用されています。

カスタマーエンゲージメントツールである「MoEngage」にも生成AI機能が搭載されています。現時点で実用化されているAI機能がどんなものか、ご興味あればぜひご覧ください。

生成AIがマーケティングにもたらす劇的な変化「生成AI×MA」事例を紹介

PDCAの実践

ハイパー・パーソナライゼーションは、従来型のパーソナライゼーションと比べてより高度なカスタマイズを行います。従って、要素やパターンもより複雑化し、1回の試行で政界にたどり着けるようなものではありません。

従来型のパーソナライゼーション以上にA/Bテストを重視し、顧客に響くパーソナライズのパターンやポイントを押さえていくことが大切です。クリック率やCVRといった指標を踏まえながら、PDCAを高速で回転させていきましょう。

PDCAを高速で実施していくためには、本章の冒頭で紹介したデータ活用基盤の整備、「ためる」⇒「整える」⇒「使う」をスムーズに行えること重要となります。とくにデータの分析、セグメントの作成、A/Bテストの実施、テスト結果の検証という一連の流れを、現場のマーケターのみ進行できることは大切です。

一連の流れを動かす中で、エンジニアやデータサイエンティストの手を借りないと実行できないステップがあると、そこでPDCAのスピードが低下します。現場のマーケターがPDCAを回せることも重視して、データ活用基盤を整えましょう。

ABテストとは？成果事例7選と基本を解説

ハイパー・パーソナライゼーションを実現するMoEngage

ハイパー・パーソナライゼーションをもっと簡単に実現したい場合は、最新のパーソナライズ機能が搭載されたMAツールを導入することも一つの手段です。

DearOneが推奨するMAツール MoEngageは、AIを活用した高度なパーソナライズ機能が多数搭載された、アジアNo.1のカスタマーエンゲージメント^*5【G2 Spring 2023】で「Mid-Market＆Small Business Market Leader」を獲得（アジアエリア）ツールです。例えば、MoEngageを活用すると、先ほど例にあげたような位置情報を活用した施策や、AIによる高度なセグメント作成が可能となります。

💡 ANA X様｜MoEngage導入事例

行動データ分析や施策の効果測定が可能になり、顧客へのメッセージ配信内容・効果ともに改善！アプリ内メッセージでアップセル促進を行い、月間獲得有料会員数が28％増加！

事例を詳しく見る

>>MoEngageの詳細を見る
>>MoEngageの詳細資料をダウンロードする

MoEngageを活用したハイパー・パーソナライゼーションの例

MoEngageを活用してどのようなアプローチができるのか、2つの例をご紹介します。

事例1：位置情報を使用したプッシュ配信

MoEngageのジオフェンシング機能を活用することで、位置情報にもとづいて効果的なアプローチが可能です。例えば、商業施設に入る小売店の場合、次のように、顧客が商業施設に入ったタイミングで、セールの案内や顧客の好みに合った商品をレコメンドすることができます。

位置情報が考慮されたメッセージは、顧客に「自分に発信されたメッセージ」であると感じてもらいやすく、プッシュの開封率も通常のプッシュに比べて数倍に上がったケースもあります。

MoEngageでは、商業施設に入ったタイミングだけではなく、距離を指定して近づいたタイミングや一定時間滞在したタイミングでもメッセージ配信が可能です。

MoEngageのジオフェンシング機能やユースケースはこちら

顧客の位置情報をもとにプッシュ通知｜Moengageのジオフェンシング機能とは

事例2：予測分析によるコンテンツの出し分け

MoEngageには、AIを活用した機能が多く搭載されていますが、ここでは1つ、AIによる予測分析ができる機能についてご紹介します。まず、膨大な顧客データから、将来の顧客行動を予測するためには、顧客一人ひとりの傾向を把握・分析する必要があり、これらを人の手で行うには多くの工数と労力を消費してしまいます。

MoEngageの未来予測機能では、AIがデータから顧客の行動を予測し、その傾向（高/中/低の三種類）に応じた予測モデルを自動で作成することができます。例えば、新商品を発売する場合、新商品を購入する傾向が高いユーザーと低いユーザーを見つけることが可能となります。

新商品を購入する傾向が高いユーザーには5％OFFクーポンを、購入する傾向が低いユーザーには購買意欲を高めるメッセージと割引率の高い15％OFFクーポンをなど、訴求するメッセージやクーポンの種類の出し分けを行うことで、キャンペーンの最適化も図れます。

顧客の未来の行動がわかる｜MoEngageの未来予測機能とは？

他にも、MoEngageには、一人ひとりに最適な時間とチャネルでメッセージ配信できる機能や、コミュニケーションシナリオを最適化する機能など、ハイパー・パーソナライゼーションを推進する機能が多数搭載されています。

当社ではMoEngage導入の他に、施策立案やデータ分析のご支援も行っておりますので、お気軽にお問い合わせください。

>>MoEngageの詳細資料をダウンロードする
>>費用やサービス内容を相談する