～マーケティングオートメーションの精度を向上するために～
マーケティング手法の多様化によるカスタマージャーニーの複雑化や、テクノロジーの進化によるデータ活用の促進を背景に、BtoB においてもマーケティングオートメーションが注目を集めています。
中でもスコアリングは、商談になりやすいリードの掘り起しにもつながるため、興味をもつマーケターが多いようです。しかし、スコア設計手法の確立が難しく、スコアリングの活用には時間を要すると考える方も多いのではないでしょうか。
最初からある程度精度の高いスコアルールを設計するには、キャンペーンごとの商談化・成約率を把握する、さらに商談化あるいは成約したリードの属性や行動履歴を分析し、傾向を探ることが近道です。
本記事では、データ分析に基づいたスコアリング設計の重要性や、分析のための準備と実際の分析手法などについて考察しています。
ここまで、スコア値算出のためのデータ分析の一連やスコア値の例をご紹介しました。最終回となる第5回は、リードを抽出した後のアクションについて解説します。どの場合も分析結果を余すところなく活用し、仮説に基づいた施策につなげていきます。
今回も前回に続き、ニューラルネットワークモデルによるスコア値の算出を解説します。複数の計算を実行することで、それぞれの行動履歴から影響度が高いものを絞り込んでいきます。
マーケティングオートメーションの精度を高めるため、データ分析に基づいたスコアリング設計の重要性や、分析のための準備と実際の分析手法などについて考察する本特集。第3回はニューラルネットワークモデルによるスコア値の算出を解説します。
最初から精度の高いスコアルールを設計するには、キャンペーンごとの商談化・成約率の把握や、商談化あるいは成約したリードの属性や行動履歴の分析と傾向の探索が近道です。今回は一例として、シャノンが実際に自社データを活用して試したスコアルール設計手法を紹介します。
本特集では、マーケティングオートメーションの精度を高めるため、データ分析に基づいたスコアリング設計の重要性や、分析のための準備と実際の分析手法などについて考察します。第1回はマーケティングオートメーションにおけるスコアリングの役割を解説します。