取得情報は大きく３つあるかなぁというのが現在の自分の整理です。

1. 会員情報との結びつけ
2. フォーム入力時での結びつけ
3. バナー踏み絵での結びつけ

会員情報との結びつけ

一番想像しやすい属性情報だと思います。会員登録時に取得したバックエンドで別に保持しているデータと、会員IDを結びつける方法ですね。

これであればブレなく取得が可能です。ただし、属性を結びつけたいからといって、会員登録時に「それは必要？」という情報まで取得しようとすると会員登録のコンバージョンを下げかねないので注意です。

フォーム入力時での結びつけ

会員情報からの属性を結びつけることが難しい場合や、そもそも会員組織などを持っていない場合などはこの方法が有効です。

アンケートやキャンペーン応募の際のフォーム入力時に、簡単な属性を取得して利用する方法です。Cookieに暗号化して保存しておけば、その場限りだけでなく、少しの間はその情報を属性情報として利用できます。

バナー踏み絵での結びつけ

会員組織もなく、フォームの入力もなく、しかし、訴求セグメントを特定するためにテンポラリーにセグメントを特定する情報が欲しい場合があります。

この場合ですが、自分はランディングページに、踏み絵バナーを用意する方法を利用する場合があります。いくつかの想定セグメントのバナーをランディングページに用意し、クリックされた（遷移したページ）によって学生や主婦、OLなどを特定する方法です。

コンテンツの誘導の目的だけに利用するのであれば、こういった方法を利用するだけでも、属性情報を取得することが可能です。

まとめ

３つの属性情報の取得方法をまとめてみました。どれも好きなのですが、個人的には最後の踏み絵方式は、HTMLのコンテンツを用意するだけで実施可能なので、結構、好きだったりします。

是非、きちんと個人情報保護もしつつ、また、ユーザーが不安にならない程度の情報のみを取得し、マーケティングにうまく活用していって頂ければと思います。

ちなみに、消費者行動論的にはライフスタイルが近しいほど、似たような行動をとる影響があると言われています。ので、取得する属性も、年齢とか性別もそうですが、ライフスタイルに関わる情報が取得できた方がよりセグメンテーションアプローチに活用しやすいものになると思います。

このセグメントはどれが正解というわけではなく、そのサイトが扱っている商材や特性によっても違ってくるので、最初は手探りです。（セグメントに利用する情報の取得などはまた別途）

ということで、分類方法ですが、自分は２つの種類から分解していくとわかり易いかなぁと思ってます。

1. 属性で分類する
2. 行動で分類する

属性で分類する

ここで言う属性とは、サイトを訪問した属性のことです。一番わかり易いのはデモグラフィック情報と呼ばれる、性別や年齢になると思います。

その他、会員と非会員なども分類をすると顕著にセグメントによる行動の違いが出る情報になります。

あとは地域情報ですね。これは会員情報などに紐づく住所情報の場合やIPアドレスからもおおよそのアクセスもとを判断することが可能です。旅行サイトなどはこういった情報が有用になると思います。

若干行動ベースの分類にもなりますが、来訪回数や新規／再来訪といったセグメントも非常に有用な属性情報として利用が可能です。

サイトステージ（ライフステージ）と言われる、そのユーザーのステージによっての違いを見るのも面白い結果が得られます。会員のステータスや、何かステップがあるようなサービスの場合は、それらのステップによる違いを見るのも良いと思います。

• デモグラフィック情報
• 会員／非会員
• 地域情報
• 新規／再来訪
• 訪問回数
• サイトステージ（ライフステージ）

行動で分類する

属性よりももう少し、実際の行動に落としたものですね。流入もとなどもそれにあたります。特にサーチエンジンからの場合は流入キーワードによっても行動が変わってくる場合があります。

また、セグメントに特徴があるサイトからの流入なども非常に面白い結果が見える場合があります。

サイト内の行動で見た場合も非常に面白く、特定のカテゴリを参照したユーザーや特定のキャンペーンを参照したユーザーに絞り込むことも可能です。

サイト内フリーワード検索などを分析すると、そのユーザーのサイトに対するニーズがわかるので、そういった分類も良いでしょう。ツールを提供している場合は、特定のツールを利用したユーザーといった形で分類するのも非常に有用と言えます。

あ、それからアクセス時間帯なども面白い情報が得られます。

• 流入もと（サーチ、特定サイト）
• サイト内参照（カテゴリ、キャンペーン）
• サイト内フリーワード検索
• ツール利用
• アクセス時間帯

まとめ

バーッと書き出しましたが、セグメント分類をするためのきかっけになりそうな情報を書き出してみました。

これらはセグメントを掘り出すときに使ったりしたりするものです。全てを分析する必要はなく、仮説の中から掘り出してサイトにあったものを見つけ出す感じになると思います。

また、セグメントの特定方法については別の方法もあるので、それはまた次回のエントリでも書いてみたいと思います。

同じく、セグメント分類し検証する際も、あまり細かく分けすぎると、どれを優先度として高くするかが見えづらくなります。

新規訪問者とリピート訪問者、未購入者と購入者など、最初は簡単な分類から始め、傾向を捉えて行く必要があります。もちろんデータの取り方によっては最初から細かい分析も可能ですが、細かすぎる故、それに対してのアクショナブルな対応策が打ちにくくなってしまうわけです。

何にせよ、サイトはオンライン、オフラインであれ、何かしらのコンバージョンを達成するために運営をされているわけで、その中で、大多数を裏切るという判断は難しいでしょう。

ではどうして個を特定するのか？

傾向を見るためには個の行動を計測する必要があるため、Web解析ツール自体はCookieを利用して「個」を特定しています。しかしながら、上述のような分析をしていくにあたっては「個」のデータを知る必要はありません。

では、どういった時に「個」を特定して知る必要があるのでしょうか？

それがサイト行動をベースとしたリマーケティングです。つまり、サイト行動情報を活用してレコメンデーションバナーの表示を変更したり、見ていた商品によってメールマガジンの内容を変更したり、より高いコンバージョンへ結びつけるための施策です。

メールマガジンの出し分けなどを行う場合は、Web解析ツールとは別のところに貯えられているメールアドレスと何かしら結びつける必要があります。多くの場合、これはそれぞれの組織が保持している会員組織のデータを利用することになるわけです。

そうすると、Web解析ツール上も、そのために会員IDを取得し、行動分析ができるようにしていく必要があるわけです。（ちなみに会員IDについては「個」の特定はできるものの「個人」の特定は出来ないので、厳密には個人情報にはあたりません。）

また、サイト外のデータと何かしら結びつけて評価をすることも最近は多くなりました。例えば新規顧客獲得（リードジェネレーション）系のサイトの場合は、資料請求などのアクションがサイトの最終コンバージョンになっています。しかし、ビジネスで見た場合は、その後に成約することが本来のコンバージョンになるわけです。

これらを結びつけて評価をしていくためには、今度は資料請求時のトランザクションIDなどを取得して、それぞれで結びつけて行く必要があるわけです。こういった部分でも「個」を特定するシーンが出てきます。

まとめ

ものすごい勢いで書いているので、朝みるとすごい文章になっている可能性も多分にあるのですが、自分の中にある「大きく捉えること」と「小さく捉えること」を整理をしたかったので書いてみました。

一見ばらばらに見えるようで、アプローチとしてはどちらも正しいわけです。分析ばかりをしていると、集中しすぎてこういった部分を忘れてしまうこともありがちなので、きちんと整理をしておきたい限りです。

ということで、非常に大雑把なエントリですが、何かのお役に立てれば幸いです。

登録が必要なのですが、湯川さんの新書「次世代マーケティングプラットフォーム」の延長といった形で読んでいただけます。かなりお勧めです。

個人的に気になったキーワード

• 広告とテクノロジーの融合
• 「マス」と呼ばれる範囲の揺らぎ
• 広告ターゲティングに付くプライバシー問題
• 企業広報の変化

プライバシー問題については過去のエントリーーでも少し書いているのでよろしかったご参考くださいませ。（行動追跡する意味を少し考える、行動ターゲティングは本当に不安？）

情報量を最適化

企業側が消費者に提示している情報量はすさまじいものがあります。それこそ大企業となるとその量は１つの部署ではとうてい把握出来ない程です。実際にサイト上にも数万ページを用意しているサイトもあります。

ただ、全てのユーザーに数万ページ必要なわけではなく、必要な情報を必要な時に取得してもらうことも顧客満足度に繋がるわけです。

例えば、レストランに行ってワインリストをズラ～っと見せられても詳しい人でない限り何を頼んで良いかわからないわけです。そんな時にソムリエの方を呼んで、自分の好みやこれから食べようと考えている料理を伝えるといくつかに絞り込んでくれますよね。

つまり、ソムリエの方にいくつかの情報を伝えることで、かわりに大量のワインリストから情報を絞り込んでくれているわけです。

行動履歴などから情報を絞り込むこともこれに似ているかもしれません。ビジネス系の本ばかりを閲覧している方に、料理の本を薦めてもその時必要ない可能性が高いわけです。

タイミングを知る

行動ターゲティングを行う場合は履歴情報などから追うことになります。属性情報などによる情報やレコメンデーションの最適化を行うことも可能なのですが、属性情報の場合、「タイミング」という判断が難しくなってきているわけです。

例えば、同じ年齢の女性であっても子供の成長の違いによってはニーズが変わってくる場合もあります。そう考えると実は行動履歴から追いかける方が、その人にマッチの精度をより高くできる可能性があるわけです。

そういった意味で、情報の絞り込みをする中で、いかに合った情報を提供していくかの中に行動履歴を追跡することでマッチングの確立を向上させることが出来るわけです。

まとめ

昨日のニュースでYahoo!が行動ターゲティングに合わせてデモグラフィック情報を付加するとの発表がありました。（ヤフー、行動ターゲティング広告に地域・属性を掛け合わせ:ニュース – CNET Japan）

行動ターゲティングにデモグラフィック情報を掛け合わせることで、より地域性の特化した情報の絞り込みを行うことが出来るわけです。

ただ、実際にユーザーとしてはちょっと気持ち悪いですよね。だから、ユーザー側にコントロール出来るようにすることが必要なんだと思います。

こちら側であなたに合った情報の絞り込みをしますよ。ただ、その為には有る程度の情報がないと絞り込みが出来ないと。ただ、情報の提示が嫌なら情報の絞り込みは出来ませんのでちょっと使い勝手が落ちてしまうかもしれません。と

企業側が行動ターゲティングを行っていくことは情報が溢れかえっているこのご時世では、必然として生まれてきているものなのだと思います。効果も出ますしね。ただ、ユーザー側にコントロール出来る部分を持たせないと「気持ち悪いから使いたくない！」ということになってしまうのかもしれませんね。

さて、この行動ターゲティングに関わる、レコメンデーションについての興味深いレポートを見つけたのでちょっと触れてみたいと思います。

リコメンデーションサービスに関するユーザ認知度と意識調査

おすすめはされたい？

このレポートを見ていると、「今後もECサイトで商品をおすすめされたいと思うか？」という質問に対して、53.2％の方がおすすめされたいと回答し、45.7％の方がおすすめされたくないと回答しています。実際にはちょっとだけ肯定派が多いといった感じです。

さらに「おすすめされたい」と回答された方の理由の上位は

1. 選択の幅が広がるから（79.6%）
2. 流行を知っておきたいから（18.4％）
3. 自分で選ぶ手間が省けるから（16.3％）

逆に「おすすめされたくない」と回答された方の理由の上位は

1. おしつけがましく感じるから（68.8％）
2. おすすめられた商品が欲しいものではなかったから（50％）
3. 単に不愉快だから（18.8％）

という感じです。

レコメンデーションサービス自体はこれから利用する可能性が高いサービスなわけで、負の意見をうまく解消していくことでより良いサービスを実現できるわけです。ということで、負の意見にもう少しフォーカスしてみます。

まずは「押しつけがましく感じるから」「単に不愉快だから」の２つです。これは実際にレコメンデーションを行う方法を考えればなんとかなりそうです。

「買って！買って！」という感じや「合ったもの出してやったんだけら買えよ」といった感じにならないよう気をつける必要がありますね。良い方向へ持っていくためには見せ方について一番気を使う必要がありそうです。

「おすすめられた商品が欲しいものではなかったから」というのはレコメンデーションロジックの問題でしょう。あとは企業のエゴで、売りたい商品を無理やりレコメンデーションにしてしまうことで「合った商品」ではなくなる可能性があります。

ジャンルも気にする？

どんな商品をすすめられたいか？という問いはかなりのバラツキが出ていました。本屋やCDなどは非常に高いポイントだったのに対し、不動産、スポーツ用品、ペット用品などでした。

詳細はリンク先を見ていただくとして、このジャンルを考えみると、おすすめされたい商品は比較的複数購入され、コレクション性も高く、１つあたりの値段も低いものが多くなっています。逆にポイントが低いものはそれ程多く購入しないもの、価格が高いものが多いようです。

また、これはEコマースに向いているもの、向いていないものにも分類できるようです。

プライバシー？

これは確かに気になる問題ですね。実際にアンケートの結果では、「大変気になる（23.9%）」「少し気になる（52.2%）」と気になっている方だけでも75%を超えています。

Amazonで内緒でアダルトビデオを買ったからといって、常にアダルトビデオがレコメンデーションされても困るわけです。会社で昼休みに本を買おうとしたらびっくりなわけです。

行動ターゲティングのようなレコメンデーションサービスでは個人情報を結びつけなくてもレコメンデーションを行うことが出来ると言われています。これはIDを利用して行動がトレースできれば大丈夫だからです。

しかし、ある程度レコメンデーションの範囲を絞るという意味で、何かしらのログイン認証による絞込みなど、プライバシーを考慮したものは必要なのかもしれません。

まとめ

このアンケート結果からレコメンデーションサービスを利用する上で気をつける点が少し見えた気がします。

1. 見せ方を気をつける。
2. サイト側のエゴは入れない。
3. ジャンルによっては合わない場合もあるので注意。
4. お客様がコントロールできるようにする。

長くなりすぎたのでまとめは簡潔に。ということで、上記に気をつけてレコメンデーションサービス賢く活用しましょう。経験上、属性で絞り込む方法よりも驚くほど効果は高いと思います。