日常的によく見るDM(ダイレクトメール)。
実際にはどれほど効果を出せているでしょうか。電子的なダイレクトメールにせよ、紙媒体のダイレクトメールにせよ、見られずに捨てられる、あるいは開封はされるけど次のアクションにならずに放置されるという実態が多く見られます。
DM送付の最適化を目指すにはいくつかの視点にわけて理解をしておくことが重要です。よく以下の項目が重要になってきます。
・送付先(ターゲット):
誰にDMを送付するのかという絞り込みが重要です。自社の目的にあった送付先リストを作成・メンテナンスすることが重要です。
・送付時期:
目的に応じて誰に送付をすべきかが決まっても、いる送付するのか?も開封率などの影響がでます。例えば季節性のある商品を告知する際に、直前では遅すぎるかもしれませんし、3ヶ月前の送付では早すぎるかもしれません。
・送付回数:
一度送っただけでは反応は低いが、適切な期間をおいてもう一度DMを送ることでアクションにつながることがあります。他方で、何度も送りすぎるとオプトアウトされかねません。そこでどのような頻度で送るとよいかも重要な変数となります。
・送付頻度
・クリエイティブ:
デザインなど、いわゆるクリエイティブの要素ももちろん重要です。ただし、色、文字の大きさ、写真の選択、印刷物であれば印刷サイズも変数になってきます。
今回の特集では、上記のようなDMの基礎知識をふまえながら、 DM送付の最適化に成功した事例や、方法論についてご紹介していきます。
このサービスは、自社が保有する顧客名簿(ハウスリストなど)に対して、目的に応じてどの顧客に送付することが好適かを示唆する解析サービスです。 例えば10万人の名簿から開封される確率が高い方から上位1万人に絞ることができます。
「DM送付最適化」では
・DMの送付効率をUPしたい
・同じ送付コストで多くの顧客を獲得したい
といった課題の解決をサポートしてくれます。
より具体的には、自社の名簿に反応率(開封するかなどの反応)の数値を付与することができます(図表)。
これまで勘や経験に基づいて送付先を工夫していた作業がさらに精度が高まることが期待されます。
また、反応率とどのような変数が相関関係が強いのかもわかるので、反応率を高めるための施策の検討も定量的な根拠をもとに行うことができます。
ご紹介した「DM送付最適化」はこちらからより詳しい情報をご覧いただけます。
顧客ごとの反応を予測して、ダイレクトメールの送付先を最適化します
データ解析
この事例では、通信教育を提供する事業会社において、入会率の向上を目的にDM送付の最適化を行った事例です。結果として従来の方法に比べて、入会率が約30%向上できています。
解析の背景として、従来のDM送付では新規顧客の獲得率が悪化しており、改善が求められていました。そこで、過去の入会者の傾向を分析し、開封率の改善を目標としました。
具体的には、過去のデータにおける「性別」、「発送回数」、「各媒体の資料請求履歴」、「購入回数」、「兄弟情報(人数、年齢差)」、「添削提出回数」、「クレーム回数」、「紹介/被紹介履歴」、「保護者世帯購入累計金額」、「保護者アクセス履歴」、 「最新行動履歴」など数十の要素を用いて入会しやすい人の傾向を学習しました。結果として、入会し易いと示唆された順(スコアが高かった順)にDMを送付し、結果として入会率が30%程度向上しました。
ご紹介した「入会率の向上」はこちらからより詳しい情報をご覧いただけます。
DM送付先の最適化によって通信教育への入会率が30%向上
スコアリングエンジン
カード事業者は、ゴールドカードへの切替を促したいと考えており、これまでも過去1年間の利用金額が高い順番で案内(DM)を送っていましたが、さらなる最適化の方法を模索していたところでした。結果としては、DM送付最適化を行うことでゴールドカードへの切替率が従来対比で1.2倍に向上できた事例です。
今回の事例においてカード事業者は、
・ゴールドカードへの切り替え確立を向上
・DM送付のコストカットを実現
・切り替え率の高い顧客像が明らかに
がそれぞれ行えました。データとして利用したのは カードブランド、都道府県、入会店舗、職務、職業、性別、入会年月日、配偶者有無、年齢、などで、カード切替率の向上だけではなく、1件あたり獲得コストを約2900円削減もできました。
ご紹介した「ゴールドカードの切替率向上・顧客像把握」はこちらからより詳しい情報をご覧いただけます。
DM送付先の最適化によってゴールドカードへの切替率が1.2倍に向上
スコアリングエンジン
こちらは別のカード事業者におけるゴールドカードへの切替向上を行った事例です。こちらでは従来方法の施策にくらべて 200%の切替率にアップができた事例になります。
この「ゴールドカートの切替向上」事例では、
・顧客ごとの切り替え確立を予測
・DM反応率の高い顧客が明確にする
ために、カード種類、都道府県、職業、入会年月日、
年収、住居区分、キャッシング付帯、カード発行枚数、
配偶者有無、契約者性別、契約者年齢等のデータを解析し、DM送付によるゴールドカードへの切替確率を予測しています。
ご紹介した「ゴールドカード切替率向上」はこちらからより詳しい情報をご覧いただけます。
DM送付先の最適化によってゴールドカードへの切替率が200%向上
スコアリングエンジン
募金運営団体では、スポットでの募金会員から、毎月継続的に募金を行う会員へのスイッチを狙った施策を実施していましたが、DM送付の最適化を行うことでさらなるスイッチ率の向上を目指した事例です。結果としては、募金額の向上を達成した事例です。この事例では、スコアリングエンジンも使っているのも特徴です。
今回の事例において寄付運営団体は、
・募金履歴からDMへの反応率の高い顧客を分析
・反応率の高い顧客に定期的な募金への会員変更を訴求
をそれぞれ実施。具体的には、過去の募金履歴等から、DMを送付すると募金に結び付く可能性が高い人順のランキングリストを作成し、このリストを用いてショットでの募金から定期的な募金への会員変更を訴求しました。
ご紹介した「募金額の向上」はこちらからより詳しい情報をご覧いただけます。
DM送付先の最適化によって募金額が向上
スコアリングエンジン
bodaisプラットフォーム上で稼働するスコアリング行う際に利用するアプリケーションになります。高い専門知識などを必要とせずに、誰でも簡単にスコアリン グ分析が行えるのが特徴です。
スコアリング分析とは、過去のデータから正解(あり)/不正解(なし)を判定できる状況において、新しいデータのその結果が得られる可能性・確率を予測する手法です。
例えば、過去商品を購入したお客様のデータから、新しくコンタクトをしたお客様が商品を購入する可能性・確率を分析できます。
より可能性の高いお客様に情報を提供するなど、ビジネスや営業活動の効率化を推進します。
営業のほかにも採用、DM送付、消費量予測など多様多種の予測に使われています。
bodaisでは、データマイニングに多変量解析という手法を用いており、顧客に紐づく様々なデータ(年齢や性別などの顧客属性、購買に関する指標など)をもと に、どのデータ項目が正解率にどの程度影響しているかを定量的に可視化することができます。
その結果、新しい個別のデータが持つ情報からそのデータがどれだけ正解に近いかをスコアリングにて判定できるようにしています。
ご紹介した「スコアリングエンジン」はこちらからより詳しい情報をご覧いただけます。
過去のデータから未来の成功可能性・効率を高めます
アプリ
ここでご紹介したサービス事例等に関連する用語をご紹介します。是非、こちらもご参照ください。
ご紹介した「用語」や関連する「用語」はこちらからより詳しい情報をご覧いただけます。
物事の間に、どの程度、どのように因果があるかのモデルを構築します
データ解析
取引実績のある会社名一覧を頂くだけでスコアリングした潜在顧客リストを作成いたします
データ解析
貴社の商品も、特集に加えませんか?
下記の問い合わせから、ご連絡下さい。
本HPに関する使い方の動画です。是非こちらもご覧下さい。