メールマーケティングにおけるデータの活用

マーケティングにおけるデータの活用

この記事は Email Marketing Can’t Be One Size Fits All の抄訳です。

メールマーケティングにおけるデータの役割とはなんでしょうか?今回は、メールマーケティングキャンペーンの計画、管理、評価を行う上で、マーケティングチームがデータをどう活用すべきかをお教えします。

Q: データを活用したマーケティングはどのくらい一般化してるのでしょうか?

A: 現在見られるマーケティング戦略のほとんどはデータを活用していません。5~10%の先進的企業のみがマーケティングにデータを活用している我々がマーケティングメール機能の統計情報を分析してみたところ、開封率を確認する程度のことは行われているものの、本当の意味でメール送信にデータを活用しているのは1~5%程度の先進的な企業のみであることがわかりました。理想的には、メールやマーケティングのデータは、メールマーケティングキャンペーンを送る前に活用すべきです。

Q: データはどのように収集されるのですか?

A: SendGridのようなメール配信プラットフォームは到達率、開封、クリックのトラッキングと分析の機能を提供しています。メールマーケティングキャンペーンで最も重要なデータは、開封とクリックでしょう。これらのデータは次の方法で収集されます。
開封: メールが開封され、本文に埋め込まれた画像が読み込まれることでトラッキングされます。埋め込まれた画像はユニークなURLを持っているため、個々の開封のトラッキングが可能になります。(Googleの画像キャッシュ機能が、Gmailにおける開封のトラッキングに与える影響については、こちらの記事を参照してください)
クリック: メール内のリンクがクリックされリンク先にリダイレクトされる直前に、クリックの情報がメール配信プラットフォームに送信されます。これは一瞬のことなので、読んでいる人は普通気が付きません。

Q:データ分析についてはどうすればいいでしょうか?

A: メール配信プラットフォームにデータ分析機能があります。これを使えば、あなたが送信したメールの全てのメタデータをトラッキングできます。また、バウンス率や配信停止などのイベントもトラッキングが可能です。とはいえ、任せっぱなしはあまり良くありません。マーケターが自らデータ分析を行うことも大切です。

Q: 「データドリブン」という考え方はマーケティング業界に定着したのでしょうか?

A: まだまだです。しかし、この先数年のうちには当たり前になるでしょう。マーケターはデータから得られる知見をマーケティング戦略に活用することを考え始めるべきです。
たとえば、あなたが毎日顧客にメールを送っているとします。ある顧客が60日間あなたのメールにエンゲージしなかったとしたら、スパムメールとみなされる前に宛先リストから除外すべきです。では、これを自動化するにはどうすればよいでしょうか。そのためには、ユーザとの距離の取り方、エンゲージメントの低いユーザとのつきあい方等を定量的に定義し、これに応じてメール配信頻度の変更や宛先リストからの除外を行う必要があります。
このような自動化やモデル化を行うことが、マーケティングをデータドリブンで行うということの一例です。

Q: データドリブンマーケティングにより得られた結果には、どのようなものがありますか?

上位10%の受信者は下位10%にくらべ100倍以上エンゲージしているA: 最も教訓的な結果は、エンゲージメントの高低の分布がかなり歪んでいることが明らかになったことです。従来は「エンゲージメントの高い受信者と低い受信者ではその差はせいぜい2~3倍程度」という誤った仮定がありました。そしてこれに基づき、誤った送信戦略が策定されてきました。
「上位10%の受信者は下位10%にくらべ100倍以上エンゲージしている」。これが事実です。この事実は、単一の送信戦略が万能ではないことを意味しています。これらの分布の違いを見いだす時に、データが果たす役割の大きさは言うまでもありません。外れ値や極端な値は決して「例外」ではなく本質的な値だったことがわかったのです。

Q: データを活用して克服すべき課題はありますか?

A: 善良な送信者とそうでない送信者の違いを明らかにすることが課題の一つでしょう。
Yahoo!やGoogleはエンゲージメントをトラッキングし、アルゴリズムを用いて、受信ボックスと迷惑メールフォルダのどちらに振り分けるかを決定しています。送信したメールが迷惑メールフォルダに振り分けられないようにするため、本来ならば、データに基づいたマーケティングキャンペーンによりメールに高い価値を与えることで解決すべきです。しかし、多くのマーケターは抜け穴を突いていかにアルゴリズムを「だますか」、に注力してしまっています。これではイタチごっこです。

Q: “直観的な”意思決定がまだ有効なエリアはありますか?

A: あります。たとえば、エンゲージメントのレベルが異なる受信者にメールを送ることを考えましょう。この場合は、受信者のエンゲージメントレベルに合わせた頻度でメールを送る必要がありますが、これはデータドリブンで実施すべきです。しかし、メールの見た目(色や絵など)は、クリエイティブチームにゆだねるべきです。データがすべての問題を解決すると仮定してしまうと、クリエイティブチームが提供する「価値ある何か」を失ってしまいます。データがどんな意思決定を示したとしても、人間の判断に照らし合わせてみるべきです。

再エンゲージメントキャンペーンにおけるデータの活用方法については、こちらをご参照ください。

参考記事