新しいアルゴリズム、より高速な処理、大規模なクラウドベースのデータ セットの出現により、すべての主要なデジタル メディア プロバイダーがそれを可能にしています。彼らは広告を販売して人工知能を実験し、広告主のパフォーマンスを向上させます。マーケティングのすべての分野は特に変革の機が熟していますが、私は新規顧客の獲得と収益成長の分野に焦点を当てます。これらの領域 (まとめて顧客獲得 3.0 と呼ばれます) は、ビジネスの成長を拡大する上で最も重要な影響を及ぼし、将来の資金調達ラウンドを解き放つ力をもたらします。 スケールと学習の新しい次元 まず、顧客獲得 1.0 を、さまざまな物理サーバーに存在するサイロ化された顧客データのフェーズとして簡単に定義してみましょう。その結果、パフォーマンスの良さに完全な自信がないまま、質の低いデータで有料ユーザー獲得の取り組みが行われました。 顧客獲得 2.0 は、クラウドとデータ処理機能を活用して、複数のソースからのすべての顧客データを 1 つの統合された顧客データ プラットフォームに統合する機能です。これにより、優れたデータを共有して、個々の AI 機能と、Facebook、Google、Snapchat などのサイロで実行されている主要な広告パートナーの自動化を活用して、パフォーマンス目標を達成するために予算をより適切に最適化することができます。 これにより、私が Customer Acquisition 3.0 の世界と呼んでいるものへと導かれます。スケールはもはや、コスト リーダーシップを達成し、安定した製品の提供を最適化するという従来の価値のみを表すものではなくなります。代わりに、スケールは複数の次元にわたって新しい方法で価値を生み出します。企業が生成してアクセスできる関連データの量をスケールし、このデータから抽出できる学習の量をスケールし、実験のリスクを軽減するためにスケールし、スケールします。協調的なエコシステムの規模と価値において、これらの要因の結果として生成できる新しいアイデアの数を拡大し、予期しないショックのリスクを緩衝することを拡大します。 学習は常にビジネスにおいて重要です。 、企業は通常、累積的な経験が増えるにつれて、限界生産コストを予測可能な割合で削減できます。しかし、従来の学習モデルでは、重要な知識 (1 つの製品を作る方法や 1 つのプロセスをより効率的に実行する方法を学ぶこと) は静的で永続的です。新しいことを行う方法を学び、新しいテクノロジーと膨大なデータセットを活用して「学習方法を学ぶ」など、動的学習のための組織能力を構築することが必要になります。 Bruce Henderson が 50 年以上前に観察したように 今日、人工知能、センサー、デジタル プラットフォームによって、より効果的に学習する機会がすでに増えていますが、BCG によると、2020 年代には学習速度を競うことが必要になるでしょう。 ダイナミックで不確実なビジネス環境では、企業は予測と計画だけでなく、発見と適応にもっと集中する必要があります。企業はますます AI の採用と使用を拡大し、学習の競争力を高めます。そして、そのメリットは「データ フライホイール」効果を生み出します。より速く学習する企業は、より優れたサービスを提供し、より多くの顧客とデータを引き付け、学習能力をさらに高めます。 しかし、静的なプロセスを改善するために学習するという従来の課題と、組織全体で新しいことを継続的に学習するという新しい義務との間には、大きなギャップがあります。したがって、学習で競争に勝つためには、単に AI を現在のプロセスや構造に組み込むだけでは十分ではありません。代わりに、企業は次のことを行う必要があります。 センサー、プラットフォーム、アルゴリズム、データ、自動意思決定など、学習に関連するあらゆるモードのテクノロジーを包含するデジタル アジェンダを追求する より遅い階層的な意思決定によってゲートされるのではなく、データの速度で学習できる統合学習アーキテクチャにそれらを接続します 動的でパーソナライズされた顧客インサイトを作成し、それに基づいて行動できるビジネス モデルを開発する マーケターがより多くの顧客データにアクセスできるようになったことはかつてありませんでした。企業がユーザー プロファイルと共に収集するファースト パーティ データには、基本的な名前や人口統計データだけでなく、エンゲージメント、リテンション、収益化などに関するダウンストリームの豊富なデータ ポイントが含まれる場合があります。企業はこれを使用して、成長チーム向けのプロスペクティングおよびリターゲティング キャンペーン用の重要なユーザー セグメントを構築できます。これらのメディア パートナーは、豊富なユーザー データの上に階層化されたブランドからのファースト パーティ データをすべて取り込んで処理することで、数年前には不可能だった機械学習による高度なモデリングと分析を実行できます。これにより、新しい洞察とデータ分析によるより良いターゲティングが実現します。 5 年前と同じ方法で手動でキャンペーンを最適化している場合は、顧客獲得ゲームで急速に姿を消していくタイプに自分自身がいることに気付くかもしれません。手動プロセスは、非効率性を攻撃するために急速に出現する新しいソリューションよりもはるかに効果が低く、人的ミスがはるかに発生しやすい可能性があります。 顧客獲得 3.0 の未来はインテリジェント マシンの肩にかかっており、主要なマーケティング プラットフォーム間で複雑なキャンペーンを調整し、予算を動的に割り当て、クリエイティブを絞り込み、洞察を明らかにし、自律的に行動を起こします。これらのマシンは、人工知能を活用したはるかに効率的な無駄のないチームとハンズオフ管理アプローチにより、卓越したパフォーマンスを実現する可能性を秘めています。 著者について は、スタートアップ企業が成功するビジネスに成長するのを支援してきた 20 年の経験を持つ先見の明のあるリーダーです。 Lomit は、Roku (IPO)、TrustedID (Equifax が買収)、Texture (Apple が買収)、IMVU (売上高第 2 位のゲームアプリ) などのスタートアップ企業の成長に重要な役割を果たしてきました。 Lomit は講演者、作家、アドバイザーであり、Liftoff による Mobile Hero として認められるなど、キャリアを通じて数々の称賛と賞を受賞しています。 Lomit の著書 は、Eric Ries のベストセラー「The Lean Startup」シリーズの一部です。 ロミット・パテル Lean AI
