CRMの成果を改善するオールマイティな方法

CRMジャンキーにならないためには、CRM経由のリピートユーザーを増やす時に一人当たりの接触回数をむやみに増やすしてはいけないことを前回説明した。逆に言えば、CRMの実績を継続的に拡大していくためには顧客との接触機会あたりのリピート率を上げていくしか方法はないということになる（DBの規模拡大はCRMチームには所与の数字とする前提）。これを実現するためには、MAツールによるシナリオ実装が有効であることも多いと説明もしてきた。ロイヤリティプログラムも上手に使えば効率を改善することが出来るであろう。

但し、このリピート率を改善するために、ほぼオールマイティに使え、ここで対競合比で優位性を持てれば相当長期的にその状態を維持可能だという凄く美味しい手法がある。それは、顧客DBの質の充実である。ただ、質といっても曖昧過ぎるためもう少し限定して定義すると、①顧客DBのデータの新鮮さ（Update性）、②顧客DBに登録されている一人当たりの情報量（密度）の2点である。

顧客情報のUpdate性を高める

Update性については、私が直近で仕事をしていた人材紹介の事例など非常に分かりやすいかもしれない。普通に考えると、転職の機会が毎月発生するという人はほぼ確実にいない。業法で、自社で転職した顧客には2年間は転職を勧めてはいけないという規制があるため最低でも2年おき、一般的には3－5年くらいの頻度でしか需要が発生しないということになる。このため、転職サービスというのは一度会員になっても転職を実現してしまうと、次回のサービス利用まで年単位の空白期間が発生してしまうことになる。仮に計算しやすいように転職頻度を平均5年としよう。顧客ＤＢに100万人のデータが存在するとしたら、単純計算で毎年20万人ずつが転職をすると想定できる。このため、ＣＲＭが完璧に機能した場合の成果の最大値は20万人の転職実績を継続して実現する事である。

では、この最大値に近づくための最も有効な方法は何であろうか？答えは非常に簡単で、100万人のうちどの20万人が今年転職するのかを特定するという事である。実際、トライトで分析した経験でも、現状の転職意向を把握出来ている既存顧客とそうでない既存顧客では、自社サービスで転職をする確率は数倍レベルで前者の方が高いという実績であった。しかし、問題は5年に1回程度しか利用しないサービスに対して、普通の顧客は自分の現在の最新状況を継続してUpdateし続けるインセンティブは放っておけば全くないということである。この問題は、転職サービスのようにサービスの利用頻度が非常に低いサービスなどで特に問題になる。直ぐに思いつくのは、不動産、自動車、冠婚葬祭、転職・就職などである。皆さん直ぐにピンと来るとおもうが、リクルートの事業領域である。

顧客情報の密度を高める

②の顧客DBの密度についても考えてみよう。この密度が表しているのは、顧客の情報を企業がどれだけ多く、正確に把握しているのかという事である。では、顧客の情報を企業はどのように取得出来るのだろうか？まず一番簡単に思いつくのは、会員登録時等に顧客自身が自己の情報を登録フォームなどに入力して提供する方法である。と書くと、それなら会員登録時に出来るだけたくさんの情報を入力してもらえばよいじゃないかとなるが、それには2つの問題点がある。まず、一般的に会員登録などのフォーム入力のUIは登録する情報量/項目数の増加と反比例して登録率は下がっていく傾向にある。つまり、登録情報量を増やせば増やすほど、一人当たりの情報量は増える半面、顧客数が減少するということになる。もう一つの問題は意外と見落とされがちだが、顧客自身の情報入力というのは必ずしも正確に入力されているわけではないという事である。よくあるのが何に使うかもわからない生年月日を適当に1月1日とかで入力してしまったことがないであろうか？真面目に分析したことはないが、たぶん顧客DBに登録されている1月1日の割合は、1/365よりもかなり高い気がする。このように、顧客情報を顧客から能動的に提供してもらうことには限界があるというのがマーケティングの前提になっている。その大きな代替手段となっているのが、顧客の行動履歴をもとにした情報の収集である。この目的のために、最も有効な手段がロイヤリティプログラムである。もし、顧客にとって、自分がAという人間であることを企業に知らせることで何かメリットがないのであれば、わざわざ商品の購入時等に自分の個人情報を提供することなどないであろう。例えば、旅先でフラット訪れたお土産店でレジでお金を払うときに利用目的も分からずに名前と住所と電話番号を入力してくれと言われたら、貴方は素直に情報を提供するであろうか？普通の人であれば、何のために必要なのか？何に使うつもりなのか？と聞き返すであろう。しかし、最近の楽天ポイントとか、Paypayポイントであるとか、Pontaポイントであるとか様々なポイントのサービスや、クレジットカードを利用すると、貴方はサービス提供会社にどこで何を購入したのかを情報を提供し続けていることになる。そんなに深く意識していないかもしれないが、顧客は自発的に提供しているのである。ではなぜそうしてくれるのかといえば、ポイントが貯まるであったり、現金を持ち歩きたくないであったり、そのサービスを利用することで享受できるメリットがあるからである。例に挙げたような共通ポイント系のサービスというのは、顧客の行動履歴、とりわけ購入履歴を把握するためには非常に有効な手段である。もう一つの方法は、Webの行動履歴を分析する方法である。とくサイトにアクセスしたときにCookieの情報を提供しますかと聞かれることがあるであろう。あれは、ほぼ同義であなたのWeb行動履歴を企業のDBに格納しても良いですか？と確認されていることになる。多くの企業は、この行動履歴データを用いて顧客のその時のニーズなどを把握しようと必死になって分析しているわけである。

質の高い顧客情報を蓄積し、有効に活用する

ここまでで、顧客DBの質の内容を理解し、情報を収集する方法も概ね把握出来たと思う。では、次に考えるべきは、これをいかに上手くやり、競合に比べて自社の顧客DBの質は高いと思える（実際に両者を比較することはほぼ不可能なので「思える」くらいしかいいようがない）ようになるのかという手法である。

具体的な手法を検討する前に、世の中にあるビジネスを大きく2つに分けて議論することにしたい。なぜならそれによって、考えなければいけないことが大きく異なるからである。それは、人材ビジネスの事例でも触れたサービスの利用頻度による分類である。A利用頻度が高い（イメージ最低年に数回程度）、B利用頻度が低い（数年に1回程度）と考えてもらいたい。

サービス利用頻度の高いビジネスの場合

まず、Aの利用頻度の高いビジネスにおいては基本的には、顧客情報を収集する機会も多く、機会が多いということは頻繁にUpdateも自然とされていくということになる。このため、重要なことは、①情報収集をする機会に確実に情報を獲得できるような仕組を構築すること、②収集したデータを正しく活用できるように分析力の強化とオペレーションの構築を行うことの2点である。①については先に挙げたロイヤリティプログラムやWebの行動履歴の他に、会員登録をするメリットを追加するなどサービスUIを見直しても良いかもしれない。例えば利用頻度が高いサービスであれば、会員情報として、氏名、住所、クレジットカード番号などを登録しておくと、何か商品を購入する際にいちいちそれらの情報を入力する手間が省けるなどのサービスの使い勝手が向上する。Amazonの1-click購入ボタンなどはその代表的な例である。昔実際にやった面白いと思った例で言えば、サイトに占いのコンテンツを作ると女性を中心に生年月日の情報のUpdateが大幅に増えるみたいなこともあった。そもそも間違った生年月日の占いの結果など見る価値が殆どないからである。もちろん、顧客の立場からすれば、自分の情報を企業に知られることを快く思わないことも多いと思う。このため、企業側は顧客が情報を提供する代わりに得られるメリットを同時に考えることが要求されると考えてほしい。

②については、ロイヤリティプログラムやMAツールの話を読み返してくださいという方が話が早いが、ここでひとつだけ申し上げておきたいことは、私の知る限り、利用頻度の高い系の商品・サービスを提供している企業の多くは、顧客DBの質が悪いことが問題なのではなく、②の活用のオペレーションにまで落とし込めずに立ち止まってしまっていることが多いということである。このような企業は、②をまず考えて、オペレーションを作ったうえで、そのオペレーションのPDCAの質を上げるために追加でどのような情報があると便利なのかを考えて取得データを増やしていった方がよい。そもそも目の前にデータが多くあり、その活用方法も分からないのに、さらに情報量を増やしても上手くいく可能性は非常に低いと思った方が良い。

サービス利用頻度の低いビジネスの場合

一方で、Bの利用頻度の低いサービスの場合は何を考えなければいけないのであろうか？まずこのような事業の問題は、顧客にそのサービスのニーズがない期間は、何もしないとそのサイトを訪れたりメルマガを開いたりすること自体になんの付加価値もないため、情報のUpdate性も情報の密度も増やしようがないことが多いことである。

人材系のビジネスで、最もこの問題を上手に解決している企業は、おそらく医師の情報サイトと転職サービスを組み合わせているM3という会社であろう。そもそも、M3の始まりは転職サービスではなく、医師向けの情報ポータルサイトである。学術情報や医薬品の情報、病院経営情報など医師に特化した情報を圧倒的な量で集積し、巨大な医師のデータベースを構築している。この医師のDBに対して後付けで転職サービスを提供している。この構図は大変有効で、既存のサービスを会員が頻繁に利用しているため、タッチポイントも多く、利用頻度もそもそも高いため顧客情報を収集しやすい環境にある。もちろん彼らの顧客情報は外から見えないため、実際にどのように活用しているかは不明であるが、行動履歴データから転職しそうだという何らかのサインとなる情報が把握出来れば、CRMでの転職顧客獲得の効率は転職サービスのみを生業としている企業と比較して圧倒的に高められる可能性がある。このM3の事例は、人材サービスのような利用頻度が低いサービスの顧客DBの質向上のヒントになる可能性が高い。サービスの利用頻度の間を埋める情報やサービスを提供し、それほど多くなくても定期的に接触するためのタッチポイントを作る方法を模索してみても良いかもしれない。先ほどのM3のケースはターゲットが医師という非常に限定されたものであったため考えやすかったが、不動産とか、中古車とか、冠婚葬祭などは非常にターゲットが広いので難しいかもしれないが。ただ、その場合でも、可能な限り、自社のサービスの周辺の情報やサービスを検討したい。もし自社でサービス構築する余力がなければ、周辺サービスの企業と事業提携して顧客情報をシェアするなども検討しても良いのかもしれない。

とにかく、利用頻度の少ないサービスは、情報のUpdate性も、密度も著しく低いことが多いので、この2点を増やすことに全力を注ぐべきであると思う。それができれば、元々情報量は少ないので、オペレーションへの落とし込みはそれほど複雑でないことが多い。

よく「わが社の強みは顧客DBです」という話を聞くが、顧客DBのことを本当に真剣に考え、活用出来ている経営者は意外と少ない気がする。これほど多くの顧客情報がデータベースに蓄積されていれば何かに使えるはず、飯のタネになるはずと思っているだけというパターンは意外と多い。上手に活用するためには、自社の顧客DBのUpdate性と密度を把握することは不可欠である。死んでいる顧客のデータなど何件あってもはっきり言ってほぼ価値はない。一橋の楠木先生がダメな経営者の条件のひとつとして「シナジーおじさん」という話をしていて、私は激しく同意するが、私としては「顧客DBおじさん」も世の中いっぱいいそうな気がする。AIの時代になり、情報は集めれば集めるほど価値があるとなるのかもしれないが、2024年時点で私が経験している範囲でいうとやはりUpdate性と密度の良し悪しでそこから享受出来る成果は大きく異なると思っている。では、そのために何が必要かと言えば、まず始めにできることは、自社の顧客DBに真剣に向き合い、リピート率を改善させるために何が出来るのかを考えることである。少なくても私は人材サービスというおそらくビジネス人生で最も利用頻度の低そうなサービスの顧客DBを真剣に見た時に最初は愕然とした。正直、最初はUpdate性も密度もこれまで経験した業種とは比較にならないくらい低かったからである。でもそれはスタートに過ぎず、様々なアイディアで活用法を検討して、大きな成果を出すことも出来たと思っている。顧客DBの情報は放っておいてもお金になることはない。利用価値があると思うのであれば、本気で使ってみなければならない。顧客DBおじさんにならないために。。。

※、もしお時間があったらここまで読んだ後で、もう一度CRMの最初の記事「CRMの可能性」の記事を読んでもらいたい。より内容が深く理解できるはずである。繰り返すが、CRMはまだまだ改善の余地が大きい分野である。しかも個々の効率を上げれば上げるほど顧客LTVは高まるため、競合よりも高い新規獲得CPAを投資することができ、CRMの所与条件とした顧客DBの顧客数も実現できるという完全に正のサイクルが回ることになる。これを実現できればマーケティング視点での競争優位性を長期的に実現可能となる。

リピートユーザ獲得の基本構造を理解する

ロイヤリティプログラム、MAツールとCRMの代表的な手法の具体的な解説をここまでしてきたが、これらはあくまで手段であるので、今回はもう少し上位レイヤーの適切なCRMの目標設定と限界値の見極めについて話をしたい。

まず、CRMを顧客データベースにいる顧客に対するサービスのリピート利用率であると定義すると、CRMで獲得できるリピートユーザー数は下記の計算式で計算できることになる。

• A：前年度末DBユーザー数×（１＋B:年間顧客DB成長率）×C:年間のユーザーリピート率

凄く単純な計算式であるが、Aを100万人、Bと10％、Cを20％とすると、このサービスの年間のリピートユーザー獲得数は、100万×1.1×0.2＝22万人となる。

私自身が数年前に事業計画を作るためにあたらめて考えて計算しだしたことなので、余り人のことは言えないが、実は昔の私のように、この基本的な計算式を把握している会社は意外と少ない。

しかし、あたらめて考えてみると、この基本的なメカニックを理解できていないとＣＲＭの適切な目標設定というのは出来ないことになる。Ａの数値は前年度の実績なので確実に算出可能なはずである。Ｂの数字は基本的にはＣＲＭの責任範囲ではなく新規顧客獲得チームの責任範囲であるため、ＣＲＭチームとしては基本的には所与の数字である。このため、実際にＣＲＭチームの目標値を決めようと思うと、Ｃのリピート率の数字の目標設定を正しく行うということになると覚えておいてもらいたい。

この数字の算出は多くの場合、前年からの改善率を見るという方法がシンプルで、私もよく利用する方法である。前年の実績がある程度改善基調を保っており、今年度もさらにPDCAの精度を上げていけばその改善ペースを実現出来そうな場合は、大きな問題はない。一方で、判断が難しく、多くの会社が判断を誤りがちなのが、PDCAの精度の改善の限界値が来ているかどうかの判断ある。この判断を誤らないようにするためには、リピート率をもう一段階ブレイクダウンして考えてみるとよい。

• Cリピート率＝D：年間リピートユーザー数／E;年間の接触回数

概念として一般化すると分かりにくいかもしれないが、メルマガ施策を例に考えてみるとイメージしやすいかもしれない。Dは年間にリピートする顧客の数、Eは一年間に配信するメールマガジンの総配信数である。リピート率を改善するロジックは、リピートユーザー数の改善率が年間の接触回数の増分を上回れば改善するということになる（Dの成長率＞Eの増大率）。ここで、さらにEの接触回数をブレイクダウンする。

• E；接触回数＝年間のDB顧客数　×　F：顧客当たり接触回数

となる。ちなみに、月次の増加率など若干の精緻化は必要だが、年間のDB顧客数は、最初に示した、AとBのパラメーターから所与の数値としてCRMチームには与えられている。

つまり、DとEの改善率でD＞Eとなるためには、DとFの改善率がD＞Fになっていなければならないという事である。しかし、私の経験上、メルマガなどCRM施策での顧客への接触回数というのは、ある地点を越えると回数が増えるほど効果は低減していく。いわゆるスパム化に近い状態になるからである。このため、前年のパフォーマンスでFを増やしているのにDの増加が伴わずCが悪化しているような状況において、Cの改善を計画することは危険であることが分かる。しかし、最初のA、B、Cの関係値を因数分解して把握しておかないと、リピートユーザー数の改善のために、DB規模を拡大するのか、リピート率を改善して実現するのかが把握出来ておらず、リピート率の大幅な改善をしないと計画が実現しないことに気が付かないことが結構多い。

リピート率悪化し続けているときにCRMの目標値を増大させてはいけない

これで、結果的に計画が実現しませんでしたという、単年の問題であれば、良くはないが、大きな問題ではない。ワーストケースは、この構造に気が付かずに、Cの悪化を無視して（もしくは、気が付かず）、何年にも渡ってFを増大することを現場に明確にか盲目的かは別にして実行させてしまうことである。

なぜ、そのようなことが起こってしまうのかというと理由は2つある。ひとつは、Fの回数を増やすと多くの場合Dも増える構造になっていることが多いからである。問題は、Cのリピートへの転換率が悪くなっているだけで、今月、今四半期、今年度の売上を1件でも積むことをポジティブなこととして評価してしまうと、Cの悪化に気が付かずFの回数を目標増に応じて増やしてしまうという状況が状態化してしまうのである。

そして、この悲惨な状況をストップ出来ない原因がコストである。メールが代表例だが、CRMのコストというのは接触コストが非常に低い場合が多いので、全体で平均化してしまうと、Cが悪化しても表面上は投資ROIが悪化はしていてもポジティブであり続けているケースが多い。

この状況を私は、余り良い言葉ではないが分かりやすく、CRMジャンキーと呼んでいる。誰とは申し上げられないが、かつての先輩で「スパムこそ営業」という名言（迷言？）を残した人がいたが、それはあくまで短期的な評価である。

CRMジャンキーの恐ろしさ

では、CRMジャンキーを発症してしまった場合のデメリットとは何であろうか？実は、Aの既存顧客DBが気が付かないうちに減少していくという事である。元々は、メルマガなどのCRM施策においてチャーンレートという指標があり、一回の配信において配信停止の数を施策のマイナスの効果として把握するという考え方があるが、最近はCRMジャンキー状態になるとスパム扱いされて配信停止すらされないことも多いため、チャーンレートだけを見ていてもCRMジャンキーになるのを止められないと考えている。少なくてもチャーンレートでCRM施策にストップをかけられた経験が私には殆ど記憶がない。では、実態はどうなるのかというと、顧客は企業になにも言わずサイレントに死んでいくのである。接触回数が顧客の許容範囲を越えると、ある日突然迷惑メール設定をするなどして、我々が知る由もなく顧客ではなくなってしまうのである。しかし、企業側はそのような状態を把握できないため、読んでもらえるかどうかも分からないメールなどを送り続けることになる。分かりやすく言えば、実際には死んでしまっている幽霊に一生懸命CRM施策をしているようなものである。この状況になると、今度はAの数が減っていくので、さらにCを改善させないと目標に行かなくなる。ここまで来ると容易に想像がつくと思うが、どこかで止めないと悲惨な負のスパイラルが永遠と回り続けることになる。

このような話はメールマガジンに限った話ではない。例えばポイント施策などでも同様のことが言える。最近は、楽天などでセール時等の様々なタイミングでポイントの還元率を上げて顧客の購買意欲を喚起する施策をよく見かけるが、実際の数値は見たことがないので推測だが、ユーザーにそのサイクルが理解されてしまうと、このような施策は、月なら月の中での売上の上がる日付の山と谷の位置と高低差が変わるだけで、売上の総額は殆ど変わらないという状況になることが多い。つまり、キャンペーン期間を区切って効果検証をしている場合などは、個別施策のROIは確保できていることになっているが、実はそれは購入されるタイミングが変わっているだけなのだ。

では何故それを続けるのか？大抵の場合、1社がポイントの倍付施策の上限値を上げてしまうと競合している企業は顧客を競合に取られないために追随せざるを得ないとリアクションしてしまうことが多い。これで一度売り上げてしまうと、これまたジャンキー症状から抜け出せないということになる。ポイント施策の場合などは、顧客のトータルの購買量増になっていないケースが多いだけで、顧客が死ぬわけではない点はメルマガなどとは異なるが、止められない構造はCRMの施策コストが新規ユーザー獲得よりも低く抑えられるので、見過ごされてしまっていることも多い。

私の経験上、上場企業が業績の適時開示をしなければいけない環境になり、CRMジャンキーの症状を発症してしまうと、分かってはいても抜け出せなくなってしまうことが多い。この深みにはまると、売上高マーケティング費比率の悪化を食い止めるのは、よほど無駄なコストを使っていない限り難しい。

　（ちなみに、自己保身ではないが、楽天のポイント倍付の歯止めが聞かなくなったのは、私の退職後で、Yahoo Shoppingとのポイント倍付競争において、楽天がYahooから売られた喧嘩に乗ってしまったことがトリガーであったと記憶している。もちろん、当時はYahooとその親会社の孫さんが威勢よくECを伸ばすと話していたので対抗せざるを得ない状況もあったのかもしれないし、外から見ていただけなので、当時の判断が結果的に正しかったのかどうかは分からないが）

CRMの目標管理を正しく行うのはCRMの重大な責任

　私はマーケティング責任者には、自社のCRMがこのような状況にならないようにCRMの目標値を適切に管理することを自分の業務として強く認識してもらいたいと思っている。そのためには、自社のCRMの置かれている状況を見極める必要がある。特に、CRMの拡大を顧客当たりの接触回数増によってしか増やせない状況で右肩上がりに目標値を上げていくことは避けなければならない。CRMジャンキーの症状はデジタル広告と違い費用が小さいことが多いので見過ごされることが多いわりに、発見されたときには止められない状況になっていることが多い。DBの量が急速に拡大しているか、それ以前にCRM施策を殆ど実施しておらずパフォーマンスが異常に高い場合を除いて、CRMの目標値の改善は、リピート率の改善により行われなければならない。そのために、ロイヤリティ施策やMAツールによるCRMシナリオの運用など様々な手法がある。しかし、どの施策にも長いPDCAのプロセスが必要であるため、一度拡大してしまったCRMジャンキー症状を脱することが出来るほどの成果を上げることは困難であることが多い。このため、これらの手法も発症してしまったジャンキー症状の特効薬にはなりえないことも多い。一度ジャンキー症状になってしまうとよほど天才的なマーケターでない限り、抜け出すためには一時的な売上減のような痛みを伴い改革を覚悟するしか方法はないことが多いのだ。

くれぐれもジャンキーにならないようにご注意いただきたい。

使いこなすのが難しいマーケティングオートメーション（MA)ツール

私がゲーム業界にいてCRMマーケティングから少し離れていた間にすっかり浸透したツールがMAツール（Marketing Automation）である。代表的な商品名でいうと、MarketoとSalesforceのMarketing Cloudになるが、最近国内勢でもB-DashとかL Stepとかいうものが出てきた。特にLine対応となると、国内勢でないと対応されていない感じがする。それにしてもMAとはずいぶん思い切ったネーミングであるが、私がこの3年くらい見てきた感覚では、なんでも自動でやってくれるそんな便利なツールではない。実は使いこなすのが結構難しいツールだと思っていて、統計を取る手段がないので実態は分からないが、MAツールを使いこなして、費用回収出来ている企業の割合って、それほど多くないのではないかと感じている。

MarketoをはじめとするMAツールで具体的に何ができるのかというと、基本的には、こういう場合はこのコンテンツを配信するというルールを事前に決定しておいて、そのルールにしたがって自動的にメールを始めとしたコンテンツを配信してくれるという仕組が主な機能である。

このため、MAツールを使いこなすために、最初に取り組まなければいけないことはルール作りということになる。このルールを、多くのMAツールではシナリオと呼んでいる。一般的なセグメント配信のような使い方も出来るが、それであれば高いMAツールを利用せずにもっと安価なメールの配信ツールを利用する事で十分なので、ここではセグメント配信以上にMAツールのシナリオでしかできないことを具体的に説明する。

MAツールのシナリオを作る！

上記の表は、あるECサイトのメルマガ送信に対する簡単なシナリオを示したものである。メルマガの送信に対して、クリックがあったか、個別商品ページへのアクセスがあったか、商品に対しるリマインドメールにアクセスがあったか、購入したかという４段階でYes/Noの条件分岐を作り、それぞれの結果に応じて次のアクションを決め、商品の購入に至るまで顧客に継続的に次のステップに進むことを促すシナリオになっている。

通常のセグメントメールというのは、顧客セグメント毎に、その志向に合わせたコンテンツを作成しコンテンツを出し分けるということをするが、MAツールにおけるシナリオは、それに追加して顧客の行動履歴をトリガーとして、何時、何のコンテンツを送るのかという点まで細かく設定可能である。このシナリオを一度設定してしまえば、あとは、MAツールがトリガーを引いた顧客に対して、自動的に事前に指定されたアクションを発動するため、Marketing Automationという名前がついているという分けである。

折角具体例を出したので、少し詳細に見てみよう。楽天をはじめとするECサイトでは、最近は以前よりは減ってきている傾向があるが、依然としてメルマガというのは有力なタッチポイントのひとつである。しかし、幾らセグメント配信して顧客の趣味嗜好にあったコンテンツを作成したとしても、何万人、何十万人、何百万人という膨大な顧客一人一人のニーズに対応することには限界がある。このため、このシナリオでは、メールマガジンを顧客がECサイトにアクセスして具体的な商品をみる切っ掛けとして活用する。ダイレクトで購入してくれればラッキーだが、そこまでは期待しない。

顧客がメルマガからECサイトにアクセス後は、Web上での行動履歴をトラッキングして、実際にどの商品を閲覧しているかを把握する。具体的に顧客がページを閲覧した商品であれば、おそらく顧客が購入を検討している可能性が高いと判断出来るからだ。複数商品を閲覧している場合は、例えば一番閲覧時間が長いとか、最後に閲覧していたとか何らかの判定基準をいれても良いかもしれない。そして、顧客が購入しそうな商品を判定したら、その商品のリマインドメールを顧客に送信することになる。このシナリオでは、リマインドメールは購入するまで３回送る設定にしている。

MAツールの活用で期待できる2つの効果

このMAツールを活用したシナリオの良い点は、大きく２つある。１つ目は、セグメントメールとの違いのところでも説明した、顧客の行動履歴をトリガーとしてコミュニケーションのタイミングがコントロールできるという事である。このBlogで何度もマーケティングの基本は、「何時、誰に、何をいうか」をコントロールするかであると申し上げてきたが、セグメントメールの場合は、「誰に」と「何を」をざっくり分けて、コントロールしていることになる。これに対して、MAツールを用いたシナリオでは、これに「何時」の要素を項目として追加しているだけでなく、「誰に」「何を」の部分の精度をOne to Oneで格段に上げることが可能になっている。マーケティングの基本要素のすべてを確実に向上させることができるようになっているわけである。当然、精度の高いシナリオを作ることが出来れば、通常は単純なセグメントメールよりも顧客の反応率が大幅に向上することが期待できる。

２つ目のメリットは、１つ目のメリットの反応率の向上の結果として実現できる。当然反応率が高くなるということは、同じ効果を上げるために必要な行動量（このケースの場合はメルマガの配信量）を削減することが可能となる。皆さんご存じのように、現在は大量のメールを送るとそのメールが迷惑メールと判定されるリスクも高くなるため、メールでのコミュニケーションは適切なタイミングで適切な量で行うことが顧客からも期待されている。しかし、行動量の効率が一定であるとすれば、当然行動量が減れば成果も減ると考えるのが自然である。このため、成果を維持しながら行動量を減らすためには当然効率を改善しなければいけない。この目的のため、MAツールの活用によるシナリオは有効である可能性が高い。なお、CRMの行動量については、非常にクリティカルな問題なので後日詳細に議論したい。

いずれにしても、MAツールのシナリオを活用したCRM施策は、上手く設定できれば、CRMマーケティングの効率の向上が期待できる。では、次に考えるべきは、どのようにすれば上手く設定できて、効果を上げることが出来るかである。

まずはPDCAを回しやすいシンプルなシナリオから

まず、大前提で理解すべきは、デジタルマーケティングではなんでもそうであるが、どんなにスキルが高い人がやったとしても、一発で正解にたどりつくことを期待しないことである。シナリオのメリットでも説明した通り、MAツールのシナリオは「誰に、何時、何を」の３つの項目の組み合わせをコントロールすることになるわけであるが、当然その組み合わせは非常に多い。その最適な組み合わせを一発で言い当てるのは、どんなに詳細な顧客分析をしても簡単には行かないと思っておいた方がよい。つまり、シナリオの精度向上においても行うべきはPDCAの高速回転である。この点は誰が何と言おうと絶対である。たまに、MAツールの導入コンサルをしてくれる会社に依頼してシナリオ設定を外注すればすぐにうまくいくと思っているマーケティング責任者がいるが、それは大きな間違いである。同業他社事例などをもとに若干の時間短縮にはなるかもしれないが、そのような一般的な業界標準的なレベルのシナリオを入れても競合優位性を獲得できるレベルの洗練されたシナリオが出来ることはほぼないと思った方がよい。

そのうえで、注意すべき点を述べる。それは、導入時は余り複雑に考えすぎずに、出来るだけシンプルに考えていくという事である。先ほど示したシナリオのサンプルは４階層のトリガーを作っていたが、説明の便宜上このような例を作ってみたが、最初のトライとしてはもしかしたら複雑すぎるかもしれない。このようなツールを導入すると、人間の嵯峨なのか、担当者は一生懸命考えて、最初から複雑なことを考えがちである。単純にそういうことを考えることが楽しいからかもしれないし、ツールの機能を使い切らないと宝の持ち腐れと思うからなのかもしれない。ただ、動機はともかく、最初から複雑なことをしようとするのは余りお勧めしない。理由は、まずこのような新しい施策を導入した際には、可能な限り初期段階で分かりやすい成果を出すことがよいと考えているからである。私の経験上、マーケティングのアイディアというのは基本的にはシンプルに考えたほうが初期フェーズの成果は出やすいことが多い。

私がこの話をするときにいつも用いるのが、楽天市場のマーケティングをしていて、One to Oneに顧客別に膨大な楽天市場の商品群から適切な商品をレコメンドするレコメンデーションエンジンを開発した際の話である。ECのレコメンデーションエンジンというのはおそらくAmazonが先駆者で相当初期からWebサイトに導入されていて、競合の私からみても非常に効果の高そうな機能であった。当時のAmazonはまだ、書籍とCD、DVDといったメディア系の商材を中心に扱っていた直販Onlyのサイトであったため、商品カタログもシンプルで、レコメンドの精度も比較的高く見えた。楽天でも当然そのような機能はあった方がよいよねという話になり開発したが、外部のツールを導入したかは忘れたが実装を検討し始めた。では効果検証の比較対象を何にするかといえば、それまで、特にセグメンテーションもせずに男女とか、年齢層とかくらいで出し分け配信していたPick Up商品みたいな枠であったと思う。当然、複雑な統計処理をしてOne to Oneでカスタマイズしたレコメンデーションエンジンでだしたコンテンツの方がクリック率や購入転換率は高かったと思う。でも、この時、誰かのアイディアで、同時にもう一つテストのパターンを追加していた。それは、楽天市場の買い物かごに一度入れたが、購入を途中でやめてしまった商品（買い物カゴ落ちの商品）を出してみようということであった。落ちとしては、最後に説明したカゴ落ち商品リストのパフォーマンスが圧倒的に高かった。この話が意味するところは、人間はどうしても高度な技術を使い、複雑な分析をした結果は常に良い結果を生むと考えがちであるが、実は論理的に考えて精度が高い可能性が高いシンプルなデータを用いた施策の方がパフォーマンスが多いことは結構多いということである。もちろん常にそうとは限らないが、カゴ落ち商品のように顧客の意思が相当強く反映されたデータの活用のような場合は、対して複雑な統計処理などしなくてもすでに強固にスクリーニングされたデータであり、それ以上の処理などいらないのだ。

MAツールの導入当初は、このカゴ落ち商品の例のように、ひとつかふたつのトリガーにするところから始める。その方が、おそらく結果も早く認識でき、チームのモチベーションも向上し、その後のPDCAの回転速度も加速しやすくなる。

シンプルに考える利点は効果検証のフェーズでも発揮される。複雑なシナリオを作る最大のリスクは実は効果検証のフェーズで現れることが多い。複雑なシナリオというのは、当然分岐の数が多くなる。分岐の数が多いということは、必然的に、一つ一つの分岐のパターンの対象となる対象人数が少なくなるという事である。こうなると以前説明したCRM施策が上手くいかない典型例にはまっていくことになる。要は、分岐パターン毎の対象人数が少なすぎて効果検証が出来なくなってしまうのだ。そうなると、そもそもシナリオのアイディアが悪いのか、分岐パターン毎に配信しているコンテンツが悪いのかなど、PDCAを回すためのプロセスが回せなくなってしまう。前述のとおり、最初から正解にたどり着くことはなく、PDCAを回していくことがMAツールでも絶対条件なので、このようなシナリオを最初に作ってしまうといきなり息詰まることになる。

PDCAサイクルを回す分析母数を確保する

効果検証しやすくするためのシナリオ設計にあたっては、シンプルにすることと同時に、もう一つ注意点があるので、補足しておく。これも考えれば当然なのであるが、分岐のパターンが多い方になるべく多く顧客が残るように設計できる方がよいということだ。その意味で私が例示したメルマガのシナリオは余り良いアイディアではないかもしれない。なぜなら分岐が複雑なメルマガクリックNoの方が普通のメルマガの場合は対象人数が圧倒的に少ないからである。最初の分岐で人数を絞ってしまうと、それ以降の分岐を増やすと益々分岐ごとの対象人数は減っていく。それは当然効果検証の困難さを伴うことになるわけだ。では、なぜ私が良い例をすぐに思いつけないのかというと、そもそもCRM施策の殆どの施策というのは、タッチポイントの獲得コストが安いのをよいことに、施策の初期段階（シナリオの上位階層）で顧客を大量に離脱させてしまうことが殆どだからである。この注意点の理想を実現するのは正直なかなか難しいが、常に頭の片隅に置いておくことをお勧めする。私の経験上、典型的に上手く行かない例は、シナリオの分岐を詳細に落とし込むために最初の階層でアンケートを取るという手法である。私の知る限り大規模な顧客DBにアンケートを配信して得られる回答率というのは良くて一桁％程度であるので、多くの場合9割以上の顧客を最初の分岐で落としてしまうことになる。このようなシナリオは、経験上殆どうまくいかないので、注意が必要である。

このように、最終的には複雑に組み上げられたMAのシナリオを目指しても良いと思うが、導入当初はなるべくシンプルに考えてほしい。大抵複雑なシナリオを時間をかけて作り、その複雑なシナリオをオペレーションするコンテンツを準備するということをしても、時間がかかったわりに、リターンが見えないことが多い。経験上、MAツール導入当初は、準備にかけた時間が長くなる＝成果が見えにくくなるという反比例の関係と言っても言い過ぎではない気がしている。PDCAの回すデータを入手し、チームのモチベーションを高めるためにも注意が必要な点である。

ちなみに、このように書くのは、当然私自身もすんなりうまくいことよりも、同じような失敗を何度も経験敷いているからであることは付記しておく。最初に申し上げた通り、私の知っている範囲でいうと、MAツールを導入しても、投資回収できるレベルで使いこなせている企業というのは非常に少ないと少ないと思う。どの会社も少なくても導入当初は、社内の誰かは積極的に利用する前提で、意思をもって導入したはずである。少なくても、放置する前提で導入するような人はいないであろう。では、なぜ上手くいかないのかといえば、私はこの導入フェーズを真面目にやりすぎ、上手くいかなかった事でのモチベーションの低下のパターンが相当多いのではないかと推測する。どうせ直ぐに正解にたどり着くことはないのだ。であれば、もっとシンプルに、気楽にやってみる方が良いはずである。成果こそ、PDCAを加速させる最高のエネルギーなのだから。

差別化の難しい事業は別の方法でリテンションを高める必要がある

楽天のマーケティングを2002年に一人で始めた時に、一番最初に行ったことのひとつが楽天スーパーポイント（現楽天ポイント）のサービスの立上げであった。それから22年くらいが経とうとしていて、楽天のサービスを使うとき以外でも、様々なお店などで、楽天ポイントはお持ちですかと聞かれるようになって、ビジネス一人、開発プロデューサー一人、エンジニア数人という感じで数カ月で作ったサービスが、これほどまでに成長したのもなかなか凄いものだなとしみじみ感じてしまう。

楽天ポイントを作ろうと思った動機は以前にも少し述べたが、楽天市場を使うユーザーのLTVを最大化するというのが当初の目的であった。その後、楽天グループのサービスが多角化していき、楽天経済圏という一連のサービス群の連携のキーとして楽天ポイントが利用されるようになった。その最大の成功例が楽天カードであろう。ゼロから立ち上げて、わずか10数年で一気に日本で一番利用されるクレジットカードになってしまった。

今回は、少し昔の話を思い出しながら、ポイントをはじめとするロイヤリティプログラムについて議論しいたいと思う。ポイントをはじめとするロイヤリティプログラムの最大の目的は、顧客の囲い込みである。ロイヤリティプログラムを提供することで、自社のサービスを継続的に使うことを促す。2002年ごろに、ロイヤリティプログラムの代表例は航空会社のマイレージプログラムであった。それ以外でも、クレジットカード会社のポイントプログラムも比較的普及していたものであった。では、このようなサービスの特徴とは何であろうか？基本的に飛行機の移動とか、カードでの決済などのメインとなるサービスでの差別化が非常に困難で、顧客のサービス間のスイッチングコストが非常に低いことが上げられる。このような商品、サービスは、何らかの方法で一度獲得した顧客を囲い込み、他社のサービスを利用するインセンティブを下げなければならない。マーケティング用語ではリテンションを高めるという。では、このリテンションが低くなってしまうとどのようなデメリットが発生するのであろうか？

まず一番大きな問題は、価格の維持が困難になる。差別化のない商品というのは、結局どのブランドを使っても同じということなので、サービス選択における価格の占める重要度が高くなる傾向にある。このため、顧客のリテンションが低い状態を放置しておくと、サービスの値下げ競争に真正面から参戦しなければならなくなる。そのような状況になると当然利益率は下がっていき、事業の継続性が厳しくなる。最近は聞かなくなったが、10年くらい前までは国内外でよく航空会社が倒産したというニュースを耳にしたのはこの点が関係しているのだと思う。

もう一つ発生しうる問題は、どの企業も永遠と新規顧客の獲得数を増大させなければいけなくなるため、顧客獲得の競争が激しくなり、顧客獲得単価が高騰していくことになる。しかし、獲得した顧客のリテンションを上げる施策を同時に準備しておかないと折角高い獲得単価で獲得した顧客を早々に失うことになりかねない。そうなると、顧客獲得コストを回収できないので、この場合も収益性が悪化する要因となる。

まずリワードとベネフィットという基本構造を決定する

このような状況を解決するための有力な施策が顧客ロイヤリティプログラムであり、その代表例がポイントプログラムである。今回は、私が最も経験のあるポイント系のロイヤリティプログラムについて考えていく。

まずポイントプログラムを構成する基本的なファンクションは2つである。ひとつはサービスの利用に対してポイントを付与するリワード機能である。楽天市場であれば、基本は100円に対して1ポイント付与するというのがベーシックな設計である。今は、様々なポイント倍付キャンペーンみたいなものが作られているので、1％の還元というのは低そうな感じがするかもしれないが、2002年に始めた当時航空会社のマイレージやクレジットカードのポイントというのは、基本的に0.5％程度の還元率であったので、相対的には高い還元率になるように設計した。楽天市場の売上マージンは2－3％程度であったので、その意味でもこの1％の還元率というのは相当思い切った還元率であったのだが、ここはロイヤリティプログラムの魅力の向上と、説明の分かりやすさを重視して、結構すんなりと決まったと記憶している。

そして、ロイヤリティプログラムのもう一つの機能が獲得したポイントの利用である。ここではベネフィット機能と呼ぶことにする。楽天ポイントの例で100円1ポイントを1％還元と先走って述べてしまったが、楽天ポイントの場合は、1ポイント＝1円で楽天市場での買い物に利用できるようにした。最低利用金額は確か100ポイントからであった。

実は、このポイントプログラムを作る時に重要なのは、このベネフィット機能の設計であったりする。ポイントプログラム自体のコスト構造は、リワード機能が決めるのではなく、ベネフィット機能が決定することになるからだ。

楽天ポイントの場合は、1ポイント＝1円と設定したので、1％の還元率となったが、1ポイント＝0.5円と設定すれば、それは0.5％の還元率となる。このようにベネフィットプログラムのポイントの価値の決定の仕方で、プログラムの収益性が決定される。

楽天ポイントの普及以降、ポイントを通貨的に利用できるロイヤリティプログラムが増えたが、2002年当時は、非常に珍しかった。

ロイヤリティプログラムとして最も規模が大きそうであった航空会社のロイヤリティプログラムのメインの特典は自社のサービスの利用＝航空券のチケット（特典旅行）であった。実はこれは結構賢いベネフィットの提供の仕方である。なぜなら、航空会社のような箱ものビジネスの空席を特典として提供するというベネフィット提供は追加コストが発生しない。もちろん、本来であれば売れたであろう座席を無料で提供することになるため、機会損失が発生するリスクはあるが、おそらくこの辺もシーズナルな空席情報の過去データなどから特典旅行として提供する座席数はコントロールしているはずである。このため、繁忙期には特典旅行のチケットの枠が殆どないということが発生する。

それ以外のベネフィットの提供方法として一般的だったのは、商品との交換という手法である。最近はだいぶ減ってきたような気がするが、実はこれも賢い方法で、そもそもの金額感が明確でないものとの交換になるケースも多いため、明確な還元率が顧客に分からないことになるし、例えば1万円の商品を8,000円で仕入れて、1万円相当の商品と交換とすれば20％程度プログラムの運営コストを減らすことも可能である。

このような競合環境の中で、当時考えたのは、ポイントプログラムの価値を最大限高めるためには、このベネフィット機能の差別化を徹底的に図ることが最も重要であると考えた。このため、いま記載したような競合のベネフィット機能を徹底的に研究してプログラムをデザインした。

まず、ベネフィットプログラムの内容は徹底的に明確な方がよいと考えた。1ポイント＝1円というのはそのような方針で決定した。次に考えたのは利用ハードルを下げることであった。100ポイントから利用可能としたが、競合するサービスは1,000円分のポイントからというケースが結構多かった。この点は、実は結構悩ましい部分であった。当初思ったのが、ポイントを利用しやすくしすぎると、ポイントを付与してもすぐに使われてしまい、ポイントの残高がなくなるとリテンション効果がなくなってしまうのではないかと心配したのだ。この点は、他のサービスを見ていても利用ハードルは高くする方が良いのではないかと思った。じつは航空会社のマイレージプログラムの特典旅行のチケットの金額と必要マイレージの関係を調べてみたところ、マイレージプログラムの場合は、マイレージをためて高額なチケットと交換すればするほど1マイルあたりの価値が高くなるという設計になっていた。これはマイレージプログラムの設計としては凄く合理的であるように思えた。なぜなら、良い還元率のベネフィットを得るためには長くサービスを利用し、多くのマイレージをためなければならず、それはすなわち自社のサービスを継続利用するという本来のロイヤリティプログラムの役割に一致するように思われたからである。

そのような視点で、プレゼント交換系のベネフィットプログラムを見てみると、なんとなく同様な感じもするし、1000円程度の自分でも買える商品をもらうよりも、あまり自分で買わないような高額な商品をお金を払うことなくもらえるようポイントをためるモチベーションを高めさせる事の方がリテンションが高まる気がした。

ロイヤリティプログラムの基本設計の2つの方向性とは？

先行事例を分析しながら、そもそもポイント系のロイヤリティプログラムの基本設計というのは大きく分けて2つの方向性があるのでは考えるようになった。①ポイントを貯めることでリテンションを高める設計、②ポイントの獲得と利用を高速回転してサービス利用頻度とリテンションの双方を高める設計の2つである。先行事例を見て、純粋にロイヤリティプログラム本来のリテンションを高めるだけの目的であれば①の方が効果が高くなる。ポイントを多くためればためるほど1ポイントの価値を高くすれば顧客は積極的により多くのポイントをためるようになる。当然自分のポイントの口座に多くのポイントが残っていれば他のサービスを利用するスイッチングコストも高くなる。しかし、①のプログラムの弱点は、サービスの利用頻度を上げる仕掛けが弱いことである。そもそも、航空会社のマイレージプログラムの場合、飛行機での移動という需要自体をロイヤリティプログラムで追加で発生させること自体は余り重点においているようには思えず、飛行機での移動という需要が発生した際に他社ではなく自社のサービスを使ってくださいという目的のプログラムであると考えれば、①のようなデザインの方が合理的であると理解できる。

一方で、楽天市場でポイントを導入する目的は、日々発生する買い物をするという人々の需要のうちの多くの部分を楽天市場での買い物に置き換えることである。そのように考えると、もちろんリテンションも重要であるが、それと同時に頻度高くサービス利用することを促す要素もサービスデザインに組み込むことが必要である。それを実現するためには、ベネフィットプログラムの利用ハードルを下げ、獲得したポイントを積極的に活用してサービス利用を促す②型の方が目的にフィットすると考えた。このように考えて、最終的には100ポイントから利用可能という低い利用ハードル設計にして、競合サービスと差別化を図ることにした。

ポイントの失効期間は顧客の利用サイクルから判断する

また、細かいがポイントプログラムを作るうえで、意外とコスト面で違いが出てくるのが、ポイントの有効期間の設計である。私の記憶では、楽天のポイントプログラムはサービス開始当初は資金決済法の範囲外として行っていたと記憶しているが、現状ではポイント系サービスを実施しようとすると、この法律の適用を検討せざるを得ないことが多いので、ポイント残高に対して供託金的な資金のストックが必要になることも多い。このため、ポイントの有効期限を設けないと、何時利用されるかわからないポイント残高のためにも資金を抑えておかなければいけないことになる。この状況を避けるためにポイントの有効期限を設けるわけだ。詳細は覚えていないが、おそらく会計的にはポイントの発行時点でコスト認識をするはずなので、ポイントの失効は収益として計算されることになる。このため、ポイントの失効はロイヤリティプログラムの運用コストの削減に繋がるわけだ。

しかし、ポイントの失効は、すなわちその顧客との関係性が喪失される、もしくは、希薄化することを意味するため、コストメリットを重視して失効を推進しすぎると、そもそもロイヤリティプログラムとしての意味をなさなくなる。この設計については、自社のサービスの目指すべき利用頻度を過去ユーザーの分析を行ったうえで理解したうえで設計することが求められる。例えば、年に1回利用するかどうかの顧客が多いサービス（たぶん航空会社とかはそれに近いかもしれない）ではポイントの有効期限が1年ではおそらく短すぎ、折角獲得した大半の顧客を失うことになりかねない。一方で、1年に1回利用するかどうかの顧客の比率が非常に引く、年1回程度の利用ユーザーのリテンションにはコストを使いたくないという業態であれば有効期間は1年未満でも問題ないことになる楽天市場の例もそうだし、地場の食品スーパーなどはその典型であろう。

最終的には、様々なデータ分析であるとか、競合の同種のプログラムであるとかを見ながら最終的なデザインを決めていくことになるが、大体ここで上げたポイントをもしポイントプログラムを作る時は考えてもらうと切っ掛けとしては良いのではないかと思う。

ちなみに、競合サービスを担当する人と突っ込んで話したことはないが、おそらく楽天ポイントの設計は、競合からすると結構嫌がられたのではないかと思っている。ポイントの還元率も高く、利用ハードルも低く、失効も余りさせないなど、ポイントプログラムのコスト構造としては、悪い＝マーケティングコストが高い設定としたからである。仕事として詳細にみることがないので、印象レベルの話だが、大手企業の最近の各種ポイントプログラムを見ると基本設計は楽天スーパーポイントに近いサービスデザインになっているので、ポイントサービスとしての競争という意味で、もしかしたら楽天のポイントが、日本におけるポイントプログラムのスタンダードを設定してしまったのかもしれない。

ロイヤリティプログラムの運用：RFM分析を例に

ここまでで、ポイントプログラムの基本設計の考え方を説明してきたので、次のステップとして、このポイント機能を使ったロイヤリティプログラムの運用について簡単に紹介したい。なお、私自身はデータ分析のプロフェッショナルではないので、凄くベーシックな手法を紹介するが、これ以上詳細な検討をするのであれば専門の人材に当たってもらいたい。

ロイヤリティプログラムの設計をする上で、おそらくベーシックでポピュラーな分析手法は、RFM分析という手法である。R（Recency　最終購入日）、F（Frequency　購入頻度）、M（Monetary　購入金額）の3つの頭文字を取ってRFMである。例えば、ロイヤリティプログラムを、ゴールド、シルバー、レギュラーの3階層とかに分けるのであれば、RFMそれぞれの数字に基準値を作り、その条件をクリアした顧客が、それぞれの顧客ランクを付与され、それに見合った特典を得られるようにプログラムをデザインすることが必要となる。

プログラムの設計においてどの指標を重視するべきかという点については、実際のデータと、将来の目指すべき姿の2つを作りながら、そのGapが大きい項目を促進しやすい設計とする。例えば、顧客の利用が一定期間なくなると再利用率が著しく下がるというような数字が見えているのであれば、Rの数字はシルバーへのランクアップ条件として設定すべきである。例えば、顧客の一回当たりの利用金額はほぼ一定であるようなサービスにおいては、ランクアップの条件はMよりもFを重視した方がよいことになる。最近は見かけなくなった気がするが昔あった美容院のスタンプカードみたいなものはこの考え方に近い。なぜなら、1回あたりの利用金額は実施内容ごとにメニュー化されて決まっているからだ。一方で、基本的には一人当たりの利用頻度が大きければ一人当たりの購入金額も大きくなるのが一般的であるが、購入金額の額が利用頻度よりも、1回あたりの購入額の差で発生していることが多い場合はMを重視したロイヤリティプログラムの設計をすることになる。良い例かはよくわからないが、食品スーパーのロイヤリティプログラムでFを重視した設計とするが、毎回10円のうまい棒一本だけ買われてFをクリアしても100円とか200円とかにMがなってしまっても困るので、Mの値を適切な数値に設定しましょうという話かもしれない。

ロイヤル顧客育成のロードマップをデザインする

スキルのある人が顧客の利用履歴のデータを分析すると、例えば、1年でMが幾ら以上になると、それ以降購入金額の伸びが加速するであるとか、逆に利用頻度が月〇回以下になると翌月の利用がなくなる可能性が高いとか、顧客の利用の加速ポイントや、離脱ポイントが見えるようになるはずである。ロイヤリティプログラムの基本設計とは、利用者に離脱基準や利用加速基準となる地点までマーケティング施策で意図的に移行させる手法である。そのため、サービス設計時点では、顧客がロイヤル顧客になるためのロードマップを作成することがスタート地点となる。RFMのモデルというのは、昔から使う古されたものであるが、このロードマップ作成のための分析フレームワークとしては比較的有効であることが多い。顧客のデータというのは、例えば新規ユーザー獲得数であるとか、総購入者数であるとか、平均購入単価であるとか、合計数や平均数の数字は日常的にみることは多いが、顧客セグメント別の分析を細かく見る機会というのは、実はそれほど多くなかったりする。その意味で、一度時間をかけ、顧客のセグメント分析をしっかり行い、顧客育成のロードマップのフレームを作っておくことは、CRMチームの目標設定や目指すべきGoalを明確にする意味でも非常に有効である。

ここまで、ポイントプログラムのサービス設計とロイヤリティプログラムの設計までに考えるポイントの概略程度はご理解いただけたであろうか？ここまで整えてしまえば、基本的にはデジタルマーケティングの鉄板である、顧客を動かす方法をPDCAで様々な施策を試しながら、行っていくことになる。一つ一つの施策の例を言い始めるときりがないので、注意点を一点だけ申し上げて終わりとしたい。RFMでもなんでも分析のフレームワークは良いと思われるものでやれば良いと思うが、RFMであれば、CRMの施策で実施するひとつひとつについて、必ずR.F.M.のどの指標を動かすのかというのを見定めて施策実施をするのを忘れないようにしてほしい。CRM施策というのは、どうしても分析が甘くなりがちなので、折角自社の顧客を動かすための顧客理解の基本フレームを作ったら、それを単発の理解に終わらせずに、そのフレームをもとに必ず顧客を継続的に理解するようにしてほしい。よくあるケースは、ECであればメールマガジン毎の売上高の多い少ないで一喜一憂し、多いメルマガはOKで悪いものはNGのような短絡的な判断をしないという事である。もしかしたら、売上の低いメルマガに、RやFを改善できているものが含まれているかもしれないからである。Mを見ない人はほとんどいないと思うが、RやFのような指標は忘れがちなので注意してもらいたい。

CRMの進化は遅い？

22年前に楽天のマーケティングを始めた時の話を自己紹介で書いたが、その時からマーケティングにおいて最も大事なことは顧客LTVの最大化だと思っている。自社の顧客LTVが対競合比で高ければ高いほど、その会社は高い単価で、多くの顧客を獲得するチャンスが出来るわけなので、事業成長の可能性が広がるのはほぼ間違いない。

では、この22年の間に、デジタルマーケティングの世界において、Googleを中心としたデジタル広告の発展と比較して、CRMがマーケティングの現場がどれだけ高度化してきたかといわれれば、実は大きく劣っていると思う。

ゲームアプリの世界のCRMというのは、どちらかというとマーケティングの領域ではなく、日々のゲーム内のイベントを実施したり、新しいアイテムやキャラクターを投入したりというゲームバランス、ゲーム運営の領域の側面が強いため、実は8年間ゲーム会社でマーケティングをしている間は、もちろん各タイトルのゲーム内でどのような運営を行っているのかは把握していたが、主体的にCRMマーケティングを突っ込んで行っていたわけではなかった。8年のブランクの後、トライトに転職したときに、最初に取り組んだことのひとつが、実はCRMの強化だった。その当時のCRMチームは人数も予算も少なく、大きな予算を使うデジタル広告の運用チームの隣で、細々と既存の顧客DBに対してメールやSMSを送って、転職活動を再開している人を獲得するという活動をしていた。これは、実際にその業務をしていたメンバー自身が私に言ってくれたことなので、個人の批判でもなんでもないが、当時のトライトのCRMチームのやっていたことは、ベーシックな施策のみで、MAツールを導入していても使いこなせているとはとても言えるような状況でもなかった。

ただ、よくよく数字をみてみると、実現しているKPIの数字はデジタル広告よりも遥かに効率がよかったため、ここはポテンシャルがあると判断して、結局3年半でCRMのマーケティング予算は10倍以上まで拡大させた。

そうこうしているうちに、最初はMAツールのベーシックなシナリオ構築みたいなことから始めてCRM業界の勉強会で教えてもらうばかりであったメンバーが、勉強会で自社の事例を話してほしいと依頼されるようなになってきた。おそらく、CRMの世界でもある程度クオリティの高い施策ができるようになったといえる証拠であろう。

楽天をやめてから、こんな感じでCRMに関わってきて思ったのは、他社から事例紹介を依頼されるようになったとはいえ、正直CRMの世界というのは、デジタル広告に比べて、まだまだ改善の余地があるということである。

CRMの高度化には個別企業のスキル向上が不可欠

では、なぜデジタル広告の高度化のスピードと比較してCRMは進化のスピードが遅いのであろうか？

ひとつはCRMマーケティングを高度化するプレーヤーの違いであると思う。デジタル広告をこの20年でここまで高度化してきたのは間違いなくGoogleである。では彼らがどのようにしてデジタル広告を高度化してきたのかといえば、Googleが、自社で保有するインターネットユーザーの行動履歴情報という巨大なBig Dataと、広告クライアントが提供する獲得したいユーザーの情報をAIでマッチングするシステムをひたすら高度化し、精度を上げることを絶え間なく行ってきた。つまり、AIがBig Dataを活用して、ターゲットユーザーとのマッチング精度を改善してきたわけだ。

このプロセスの最大のポイントは、この精度の改善をGoogle自身が行うことができた事であると思う。彼らが、巨大なユーザーの行動履歴情報を収集できるプラットフォームを自社で展開することが出来き、さらにそれを拡大し続けることが出来たため、他社に依存せずに自己完結的にこのプロセスを推進することが出来たわけである。

一方で、CRMを同じ視点で考えると、状況がだいぶ違うということになる。おそらくCRMの高度化を考えるときもディレクションは同じであると思う。Big Dataに蓄積された顧客情報の中からその時に動かししたいユーザーをピックアップするというマッチングをAI等を用いて高度化していくというのが、あるべき方向性であると思う。しかし、デジタル広告と大きく異なる点は、Big Dataのある場所である。デジタル広告の場合はこのDataがGoogleやMetaなどのメディア側に蓄積され、利用可能であったのと比較して、CRMの顧客情報は個々の企業において蓄積されており、個人情報保護法等の関連法規の問題もあり、外部企業が利用可能にするためには非常に高いハードルを越えなければいけない状況にある。

このため、CRMを高度化しようとすると、まず主体がGoogle等の巨大なIT企業ではなく、それらの企業とは規模もテクニカルなスキルも遥かにおとる個別企業になってしまう。こうなると、当然高度化のスピードが遅くなる。

では、個別企業がそれを出来ないのであれば、どこかの企業がツールみたいなものを作って、それを皆が利用すればいいのではという発想になる。そのアイディアが形になったものが、MarketoとかSalesforceのMarketing CloudのようなMAツールとかKarteみたいなWeb接客ツールであったりする。しかし、私が見たところ、CRMのツールの現状には、デジタル広告と比較して２つのGAPがある。ひとつは、そもそも各企業の顧客DBが全く汎用的ではなく、個々の企業によってDBの構成がバラバラであるため、それに汎用的に対応可能なお手軽なＭＡツールのようなものを提供することがほぼ不可能であるということである。どこに、どのようなデータがあって、それをどのように活用すると実施したい施策を実現できるのかが個々の企業ですべて異なる状況であるため、そもそも、Googleほど高度化されたAIによるマッチングのレベルにはこれらのツールは到底達していない。正直、まだ主流はAIが本格的に組み込まれておらず、シナリオベース、ルールベースのものである。

しかも、私が見たり聞いたりしている限りでは、MAツールを導入している多くの会社で、そのシナリオベースのツールすらまともに使いこなすことが出来ていない。昔のトライトも正直そうであったが、それなりの金額を支払って導入しているツールが、導入時にちょろっと作ったシナリオが少し動いているだけで、後はお高いメール配信ツールになってしまっているなどというケースは結構あるのではないかと思う。

CRMが高度化しなくても効率が良い理由

では、それが何故そのような状態のまま大きな改善活動もなく維持されてしまっているのか、それは私はCRMのパフォーマンスがそれでも新規ユーザー獲得のデジタルマーケティングよりも効率が良いからなのではないかと思っている。コトラーの伝統的マーケティングでは新規顧客へのマーケティングコストは既存顧客へのマーケティングコストの５倍かかるとか言われている（どうやって調べたのか知らないが）。まあ、その統計がどの程度正しいのかは別にして、私の経験上も既存向け施策の単価の方が新規顧客向けの単価よりもかなり安いという点には同意する。しかし、ここまで述べてきたように、その施策の高度化、洗練度のレベルでいうと、新規向けの施策の方がかなり洗練されていることが殆どである。それでもパフォーマンスがよいため、CRMはもっと改善の余地はあるが、とりあえずこの程度でよいという話で落ち着いてしまっていることが、結構多いのではないかという気がしている。

では、なぜCRMは効率が良いのであろうか？それは、既存顧客向けのCRM活動は新規顧客向けの広告と比較して、圧倒的にタッチポイント構築のための接触コストが低いことが要因だと思われる。代表的な例がメールの配信コストである。メールの配信コストは自社でツールを作ってしまえばサーバー費用分くらいしか費用くらいしかかからないし、外部のツールを使っても、一通の配信単価は１円よりも遥かに安い。それであれば、１万人に接触しても１万円にもならない。そうなると、ある程度効率が悪い運用をしても、既存顧客の獲得単価は、新規顧客と比較して相当安くできるのだと思っている。

このようにCRMの分野というのは、そもそもGoogleのような巨大な企業による集約的な活動によって精度向上するのではなく、個々の企業の施策の高度化が要求されることにより改善スピードが遅くなる構造的な問題があること。そして、その問題が、改善しなくてもパフォーマンスがそれほど悪くないため、問題視されていないこと。この２つの理由により、多少１０年前よりは精度は高くなったとはいえ、正直デジタル広告と比べればそのスピードはかなり遅くなっていると私は考えている。

CRM高度化にしなければいけない2つのこと

そして、この私の仮説が正しいのであれば、CRMというマーケティングのエリアは実はこれまで以上に重視され、強化されるべき分野なのではないかと考えている。では、具体的には何をすれば良いのだろうか？基本的にはデジタル広告と同じことをすればよいはずである。ひとつは、徹底したデータ分析による顧客理解の精度向上である。はっきり言って、多くの事業会社においてこのエリアの施策精度はデジタル広告と比較すると相当に低いことが多いというのは私の見立てである。はっきり言って、このレベルをGoogleやMetaがやっているレベルまで個々の企業が高度化するのは現実的には相当難しいと思っている。ただ、すぐには難しくても、個々の企業は何としてでもこの精度向上には取り組まなければならない。

そして、もう一つの重要な課題は、その顧客理解のもとに、適切なタイミングでタッチポイントをつくり、適切なコンテンツを配信するというオペレーションスキームを構築するということである。どれだけ顧客分析を深く細かくしたとしても、その顧客理解に即して、適切なタイミングで適切なコミュニケーションを行えなければ、その顧客理解はマーケティング的にはほぼ意味をなさないからである。

別にこの話はCRMに限らずマーケティング的には当然の話なのであるが、実はデジタル広告の分野では、広告メディアがこのあたりのオペレーションツールを開発して、その運用ノウハウも整備しているため、事業会社のマーケターというのは、この業務をなんとなく広告の運用ツールの使い方として実行してしまっている。しかし、CRMの場合は、顧客理解とその理解に基づいたコミュニケーションの精度向上のオペレーションを事業会社が自分で行わなければいけない。このため、本当に同レベルでマーケティングをしようと思うと、おそらくデジタル広告の運用をするよりも、CRMのオペレーションを行う方が遥かに高いスキルを要求されるのである。

CRMのオペレーションスキームを作るのは難しい！

私自身の失敗例も含めて、CRMが上手くいかないケースは、実はデータの分析の精度よりも、後者のコミュニケーション精度向上のオペレーションが回らないことによって発生することの方が多い。実は、データ分析というのは、分析を細かくしてセグメントとかクラスタとか言われる傾向が近しい顧客群を細分化していく作業というのは比較的容易に出来てしまう。分析するパラメータの数を増やせばその選択肢の数分掛け算でパターンが分かれていくからである。簡単なデモグラ分析でも、10代から50代までの年代×性別で5×2＝10パターンが作れる。私が直近で仕事をした人材紹介などでは、北海道の人が東京の仕事に応募することは普通は起こらないためエリアのセグメンテーションが重要なのだが、例えばこの10パターンを県別でセグメント分けしようとすると、10×47＝470とおりになる。みたいな感じである。年齢と性別と県だけでもこんな調子なので、顧客セグメントを100とか1000とかにするのは実は簡単なのである。知らない人が、自社の顧客を1000のパターンに分類して詳細に特徴を分析しましたとか聞くと、物凄い精緻な分析をしているように聞こえるかもしれないが、私から言わせれば、別に大したことはないのである。

では、CRMがどこで躓くのかというと、その細かく分けたセグメンテーションに対して、どのタイミングで、何をすると良いのかというオペレーションを回す部分である。まず、単純に先ほどの人材の例で、年代×性別×都道府県＝470とおりのセグメント分けをしたとして、それぞれの顧客に適切な転職案件を紹介するメルマガを作りましょうといっただけでも、470種類のメルマガを準備しなければいけないことになる。単純に考えても相当面倒である。おそらく人海戦術ではすでに不可能であろう。これに、例えば、希望職種の情報を登録時に取っていて20個ある職種で分けましょうとなると、おそらく手に負えなくなる。470×20＝9,400通りである。これを週1でやりましょうとか言ったら、100％人手では難しい。ただ、この辺のツールはシステム部門と相談して作ってもらい、何とか9,400通りのメルマガコンテンツを作って配信するところまで漕ぎ着けるかもしれない。これで一件落着であろうか？

実は全くそうではない。この事例の企業の顧客DBには例えば100万人分のメールアドレスが蓄積されているとしよう。私の経験上、100万人規模のメルマガを送って、1％程度転職意思表示をしてくれたとしたら、そのメルマガの効果は相当優秀である。では、100万人に9,400通りのメルマガを配信したらどうなるだろうか、1パターンで配信される対象者数は100人程度であるので、1パターンで転換するユーザー数は1％の確率だとすると一人いるかいないかである。つまり、細かく分類しすぎると、今度は実行できたとしても効果検証が非常に難しくなってしまうのである。このような状況になると、大抵のCRMチームは途方に暮れて立ち止まってしまう。よくある悪いケースは、データ分析チームは一生懸命作ったデータをオペレーションチームが使ってくれないと不満をためるし、オペレーションチームは使えるデータを分析チームが作ってくれないと不満をためる。典型的なCRMあるあるな状況である。

私は、CRMはデジタルマーケティングにおける重要な改善エリアであると思っていると述べたが、実はすぐに劇的に良くなるエリアであるとは思っていない。たぶんこれから5－10年くらいかけて精度を向上させていかなければいけないのだと思う。それを普通にやっている企業ではなく、相当リソースをかけて、精緻に取り組んだ場合においてである。オペレーションまで考えると、CRMを一気に精度Upすることはたぶん難しいであろう。チームのモチベーションをキープしたまま、精緻なPDCAを回すためには、しっかりしたプランニングとディレクションが不可欠なエリアだと思う。

しかし、競合企業と比較して相対的に規模の大きく、質の高い顧客DBを構築し、それをFullに活用できるCRMオペレーションを構築できれば、その企業にとって圧倒的な差別化のポイントになるのは間違いない。次回からはCRM戦略を成功させるうえで重要だと思うポイントを検討していくことにする。