小売業界がデータと人工知能 (AI) にますます依存し、重点を置くようになるにつれ、小売業者はファーストパーティ データ分析を顧客行動に関する洞察に結晶化する方法、ひいては具体的な競争上の優位性につなげる方法を正確に理解することが不可欠になります。
そのためには、「データ + AI 成熟度」曲線と呼ばれる以下のグラフを検討してください。
これは、小売業者のデータとAIの能力（x軸）が、小売メディアネットワークの競争優位性（y軸）とどのように直接相関しているかを簡略化して示したものです。この曲線に沿った一般的な戦略的アプローチでは、小売業者は段階的に高度化を進め、顧客ニーズを予測し、きめ細かく調整されたパーソナライズされた体験を提供することを可能にする、高く評価されている「予測分析」に一歩ずつ近づいていくことになります。
しかし、これは言うは易く行うは難しであり、インテリジェントなターゲティングにおいては、いくつかのステップが他のステップよりも重要度が異なります。リテールメディアにおける予測分析への道のりで、最も重要な3つのマイルストーンを見ていきましょう。
クリーンで受け入れられたデータ
データとAIの力を活用したい小売業者にとって、この曲線への「入り口」は、あらゆる顧客インタラクションとメディア配置（実店舗かデジタルか、自社かレンタルかを問わず）における、クリーンで承認済みのデータを完全に把握することから始まります。このデータは、機会の理解、収益の管理、キャンペーンパフォーマンスの正確な測定に不可欠です。
テクノロジーの進化によりリテールメディアがカテゴリーとして確立されるにつれ、指標の整合性とデータ品質において主導権を握るチャンスは大きく広がります。また、実店舗およびデジタルのタッチポイントを通じたカスタマージャーニーにおける顧客固有のカウントを把握することも重要です。メディアネットワークの価値を水増しするために顧客数を重複してカウントすることは、長期的には信頼と予算の拡大の両方にとってリスクとなるからです。
理想的には、データは行動データプラットフォーム（BDP）にストリーミングされ、安全なクラウドホスト型データレイクに保存されます。SaaSシステムからのデータは、サーバー間コネクタを介してBDPを更新します。その後、データはBDPによってモデル化・拡充され、顧客とのあらゆるインタラクションが単一の包括的な顧客ビューに統合されます。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
これにより、顧客ごとに数千件のイベント履歴を含む単一のプロファイルが提供されます。これは確かに重要なステップですが、メディアターゲティングにおいてはまさに基礎となるものです。この基盤が確立されれば、成熟度は向上していくでしょう。
コンテキストターゲティング
真のメディアターゲティング能力の第一段階は、ターゲットオーディエンスが閲覧する特定のプラットフォームまたはデバイスといったサーフェスに、そのコンテキストに基づいてメッセージを届けることです。これは最も基本的なターゲティング形態であり、他のすべてのターゲティング能力の重要な基盤となります。この段階におけるデータの役割は、掲載可能な広告枠の在庫を、掲載タイプと掲載場所ごとに予測することです。これは、小売業者がメディアネットワークを管理し、収益を最適化する上で重要な鍵となります。メッセージの関連性とブランドセーフティも、この能力に依存しています。
コンテキストターゲティングを実装するには、キャンペーン予約プラットフォームとメディアネットワークとの連携が必要です。予約プラットフォームは、キャンペーンの条件（例えば、過去6ヶ月間にクレストの歯磨き粉を購入した人など）に一致する広告枠のリストをメディアネットワークにリクエストします。メディアネットワークは条件に一致する広告枠のリストを返信し、予約プラットフォームはキャンペーンクリエイティブをメディアネットワークに送信してキャンペーンを開始します。
キャンペーン配信の検証は指標の整合性にとって重要であり、メディアネットワークは広告掲載時に、表示回数とクリック数に基づいてBDPを定期的に更新します。小売業者は、キャンペーンのパフォーマンスを検証するために、来店者数、滞在時間、取引額を追跡する必要があります。
コンテクスチュアルターゲティングが確立されると、小売業者は各顧客に関する単一の包括的なビューを活用し始めることができます。このビューは、理想的にはクリーンデータフェーズで形成され始めます。これは「シングルカスタマービュー」（SCV）と呼ばれ、あらゆるタッチポイントとチャネルにおけるインタラクション、取引、行動の包括的な記録として機能します。
このビューをコンテキスト ターゲティングと組み合わせる利点は非常に大きく、プロモーションを細かくカスタマイズしたり、価値の高い顧客を特定したりできるようになります。
ルールベースのターゲティング
メディアターゲティングの次のレベルは、ルールベースのセグメンテーションです。これは、小売業者が顧客の過去の購買行動、人口統計、所在地、その他の属性に基づいた一連のルールに基づいて、顧客にメッセージをターゲティングできることを意味します。
ルールベースのターゲティングの例として、キーワード検索やカテゴリー閲覧履歴に基づいて、近い将来テレビの購入を積極的に検討している消費者をセグメント化し、最近テレビを購入した顧客への広告表示を抑制することが挙げられます。また、小売業者は、あるカテゴリー内で特定のブランドのみを購入する顧客をターゲットにし、競合他社のブランドへの乗り換えを促すキャンペーンを展開することも可能です。これは「コンクエスト広告」と呼ばれる手法です。
もう 1 つの例は、最近製品を購入した顧客をターゲットにして、補完的な製品を購入するよう促す「アップセル広告」です。これは、旅行業界では保険やレンタカー、テクノロジー業界ではアクセサリや保証などの分野でよく見られます。
この段階におけるデータの役割は精度です。あらゆる店舗チャネルを網羅した顧客行動のデータレイクに対してクエリを実行する必要があり、データが最新であればあるほど良い結果が得られます。多くのPOSシステムはこのデータを提供する能力を備えていますが、タイムリーに利用できないことも少なくありません。データのバッチ処理はリアルタイムターゲティングには適しておらず、最大24時間遅れる可能性があり、キャンペーンのパフォーマンスに悪影響を及ぼします。理想的には、このデータは最小限のレイテンシでBDPにストリーミングされ、キャンペーンルールはリアルタイムで評価されます。
予測ターゲティング
ここからは、リテールメディアを最も成功させ、かつ収益性の高い形で活用するための「秘訣」について見ていきましょう。予測ターゲティングは、リテールメディアターゲティングAIの成熟度曲線における頂点と言えるでしょう。これにより、小売業者は顧客の将来の行動予測モデルに基づき、高度にパーソナライズされたメッセージで顧客をターゲティングすることが可能になります。この機能は、顧客ニーズを予測し、関連性の高い商品やサービスを提供できるようになるため、ゲームチェンジャーとなるでしょう。
予測ターゲティングを実現するには、小売業者は機械学習とデータサイエンスの技術を活用し、顧客の行動、嗜好、購入履歴に基づいた予測モデルを構築する必要があります。これらのモデルは、人間のアナリストでは検出できないパターンや相関関係を特定できるため、小売業者は高度にパーソナライズされたメッセージやレコメンデーションを提供できます。
予測ターゲティングの最も有名な例の一つは、Amazonの「この商品を購入したお客様は、Xも購入しています」機能です。このアルゴリズムは、何百万人もの顧客の購入履歴を分析し、パターンを特定して関連商品を提案します。この機能を活用することで、Amazonは高度にパーソナライズされたレコメンデーションを提供することで、顧客ロイヤルティを高め、売上を伸ばすことができます。
小売業者は予測ターゲティングを活用することで、顧客の行動を予測し、関連性の高いプロモーションを提供することもできます。例えば、最近新車を購入した顧客に、自動車保険やカーアクセサリーのプロモーションを提供するといったことが可能です。顧客のニーズを予測し、関連性の高いプロモーションを提供することで、小売業者は顧客ロイヤルティを向上させ、売上を伸ばすことができます。
予測ターゲティングを実現するには、小売業者は高度な機械学習とデータサイエンスの能力に投資する必要があります。また、予測モデルを自信を持って構築できるよう、データがクリーンで検証済みかつ拡充されていることを確認する必要があります。予測ターゲティングを活用することで、小売業者はパーソナライズされたメッセージやレコメンデーションを提供し、キャンペーンの効果を高めることができます。
この入門書は、インテリジェントなリテールメディアターゲティングを軌道に乗せるためのプレイブックとして役立ちますが、これは万能のソリューションではないことを覚えておくことが重要です。小売業者はそれぞれ独自のニーズと課題を抱えており、顧客もそれぞれ異なります。また、成熟度曲線も小売業者ごとに異なる可能性があります。
しかし、実装方法に関わらず、この階層化された漸進的なアプローチは、成功を収めたすべてのリテールメディアネットワークに共通しています。予測分析への道のりはレースではなくマラソンであり、データの力を活用したいと考える小売業者にとって最も重要なことは、現在の状況に関わらず、一歩一歩能力を高めていくことです。
