Oracle Unity Customer Data Platformインテリジェンス・ワークベンチ・モデル・カタログ

アカウント・リード・スコアリング・モデル

アカウント・リード・スコアリング・モデルは、プロファイル、収益、行動データおよびエンゲージメント・パターンを使用して、B2Bアカウントのコンバージョンの可能性をスコアリングする、予測型のすぐに使用可能なデータ・サイエンス・モデルです。スコアは、アカウントが購入する可能性を示します。

メリット

• コンバージョンの可能性が高い適切なアカウントをプロアクティブに育成します。
• アカウント・ベースド・マーケティング（ABM）施策の効果を高めます。
• マーケティング適格リード（MQL）の数とコンバージョン率を向上させます。

業界ユースケース

• 製造:グローバルな製造企業は、Oracle Unityの予測モデル、アカウント・リード・スコアリング・モデルおよびコンタクト・スコアリング・モデルを使用して、プロファイルとエンゲージメントのパターンに基づいて販売転換の可能性を推定し、スコアリングできます。
• テクノロジー：テクノロジー企業は、予測アカウント・スコアリングを活用して、特定のアカウント内でコンバージョンに至る可能性が最も高いコンタクトを特定し、それらをキャンペーンやアウトリーチ・プログラムに積極的に追加することで、ABMの取り組みを加速できます。

コンタクト・リード・スコアリング・モデル

コンタクト・リード・スコアリング・モデルは、プロファイル、収益、行動データ、エンゲージメント・パターンを使用して、コンタクトのコンバージョンの可能性をスコアリングする、予測型ですぐに使用できるデータ・サイエンス・モデルです。

モデルは、各コンタクトに対してリード・スコア値とリード・スコア・タイムスタンプを生成します。販売ファネルのさまざまな段階でアクティブなコンタクトとその購買可能性を把握し、顧客セグメントを的確にターゲティングして、営業戦略とマーケティング戦略を効果的に連携させることができます。

メリット

• コンバージョンの可能性が高いコンタクトをプロアクティブに育成します。
• マーケティング適格リード（MQL）数とコンバージョン率を向上させます。

業界ユースケース

• テクノロジー:ビジネス・ソフトウェア企業は、このモデルを活用して、特定のアカウント内でコンバージョンの可能性が最も高い担当者を特定し、営業活動を加速させたうえで、それらの担当者をアウトリーチ・プログラムに積極的に追加できます。

顧客生涯価値モデル

顧客生涯価値（CLV）モデルは、特定の期間における顧客の価値を推定する、すぐに使用可能なデータ・サイエンス・モデルです。この予測は、顧客プロファイル・データ、過去の取引履歴、取引の金額や頻度など、複数のタッチポイントに基づいています。

ビジネス・ユーザーはCLVモデルをカスタマイズし、顧客のライフタイム・バリューを3か月、6か月、または12か月で算出できます。

メリット

• 顧客の獲得、維持、サービス提供におけるマーケティング費用の予算をより効果的に策定できます。
• 価値の高い顧客を特定し、より重点的に対応することで、顧客維持率を高め、収益を拡大します。

業界ユースケース

• 消費財:オンライン化粧品会社は、顧客生涯価値モデルを使用して、顧客のプロファイルと取引パターンに基づき、時間の経過に伴う顧客の価値を推定します。過去6か月間に購入したスキンケア製品が2点未満で、かつ200ドル以上利用した顧客をターゲットに、新しい高級スキンケア製品のキャンペーンを作成します。
• 自動車業界:自動車メーカーはCLVモデルを活用して顧客の支出範囲を特定し、その支出範囲内の車に合わせたオファーを提供します。
• 小売:食料品店がCLVモデルを実行し、ブランドに対する顧客生涯価値が高い顧客を特定して、新しいロイヤルティ・プログラムを促進するキャンペーンの対象に含めます。

キャンペーン収益アトリビューション・モデル

キャンペーン収益アトリビューション・モデルは、売上やコンバージョンにつながるタッチポイントを分析することで、キャンペーンの成功を判断するのに役立つ、すぐに利用可能なデータ・サイエンス・モデルです。キャンペーン収益のアトリビューション・モデルには2種類あります。

• 収益キャンペーン・アトリビューション・モデルは、各キャンペーンに金銭的価値を割り当てることで、キャンペーンの効果を測定します。
• 非収益キャンペーン・アトリビューション・モデルは、各キャンペーンにアトリビューション率を割り当てることで、キャンペーンの効果を測定します。モデルは、各キャンペーンについて、総コンバージョン数に対するキャンペーンのコンバージョン数の割合としてアトリビューション率を算出します。

各モデルは、キャンペーンのコンバージョンに貢献したすべてのタッチポイントを考慮します。

メリット

• 収益ベースの成果にとどまらないアトリビューションを把握します。
• 主観的な選択ではなく、客観的なデータ分析に基づいて意思決定を行います。
• 最も効果的なコンバージョンを生み出すイベントを把握し、予算の配分先を判断してROIを向上させます。

業界ユースケース

• 小売:小売業者はキャンペーン・アトリビューション・モデルを使用して、マルチチャネル・ジャーニーをより深く理解し、最も多くのコンバージョン促進に貢献しているチャネルについてインサイトを得ることができます。
• テクノロジー: SaaSテクノロジー企業は、キャンペーン・アトリビューション・モデルを活用して、マルチタッチ・キャンペーンや、収益の成約に最も影響を与えたコンテンツ、チャネル、キャンペーン活動をより深く理解できます。

Recency、Frequency、Monetaryモデル

RFM（Recency、Frequency、Monetary）モデルは、イベント・データおよびトランザクション・データに基づいて、最新性、頻度、金額の数値スコアを生成する、すぐに利用可能なデータ・サイエンス・モデルです。これにより、顧客をさまざまなペルソナにセグメント化し、最も関連性の高いメッセージでターゲティングできます。

RFMモデルは、エンゲージメントと購買行動を測定するために、次の特性を使用します。

• 最新性: 顧客の直近のトランザクション。
• 頻度: 顧客がトランザクションを行う頻度。
• 金額：顧客の取引規模/総額。

各特性は1から5までのスコアで表されます。1は最も最近でない、頻度が最も低い、または購入額が最も低いことを示し、5は最も最近、頻度が最も高い、または購入額が最も高いことを示します。

このモデルでは、各顧客の価値を示すために次のペルソナを使用します。

• 離反:一定の観察期間中、最小限の購入活動しかない最も弱い顧客。
• 不安定:離反し始めており、購入行動も低い顧客。
• 潜在:非アクティブの傾向が強い加入者。まだ挽回可能です。
• 安定:リーセンシと購入額が平均的な顧客。
• 新規:高額な購入を行う確率が高い最近の顧客。
• チャンピオン：最高峰。高額な購入を行う確率が最も高い最近の顧客。

メリット

• RFMペルソナを使用して、相対的な顧客価値に基づき、最も関連性の高いメッセージやオファーで顧客をターゲティングします。このように顧客エンゲージメントが向上することで、レスポンス率、顧客満足度、顧客維持率、顧客生涯価値を高めることができます。

業界ユースケース

• 小売業:小売業者は、RFMモデルを活用して過去のインタラクションに基づき、さまざまなホリデー・キャンペーン向けにオーディエンス（高価値、有望、離反リスク、離反済みなど）を特定およびセグメント化することで、ターゲティング、パーソナライゼーション、全体的なコンバージョンを向上できます。

トップに戻る

解約傾向モデル

チャーン傾向モデルは、顧客のトランザクションおよび行動パターンに基づいて、顧客離反の可能性をスコアリングおよび測定する、すぐに利用可能なデータ・サイエンス・モデルです。

解約する可能性が高い顧客を特定し、維持するために特定のキャンペーンやメッセージの対象とすべき顧客について、マーケターにインサイトを提供します。

メリット

• このモデルにより、離反リスクのあるオーディエンスやセグメント（優良顧客を含む）をプロアクティブに特定できます。マーケティングおよび広告チームは、顧客維持率を向上させるため、これらの顧客に対して関連性の高いメッセージを用いたウィンバック・キャンペーンを開始できます。

業界ユースケース

• 通信:通信プロバイダーは、別のプロバイダーへの切替えを検討している可能性のある顧客に、特別なプロモーションを自動的に送信できます。

エンゲージメント傾向モデル

エンゲージメント傾向モデルは、過去のインタラクションに基づいて、顧客がEメールにエンゲージする（開封、クリック、購読、購読解除）可能性を測定します。

メリット

• メールターゲティングとキャンペーンエンゲージメントを向上させます。
• エンゲージメントの可能性が最も高いオーディエンスに注力し、疲弊している可能性のあるオーディエンスを除外することで、キャンペーンのタッチポイントを的確に増やします。

製品傾向モデル

このすぐに使用可能なモデルは、過去のやり取りと顧客プロファイル・データに基づいて、顧客が特定の製品を購入する可能性を予測します。

このモデルにより、顧客と製品の組み合わせに対する傾向スコアを確認することで、特定の製品を購入する可能性が最も高い顧客を特定できます。

メリット

• 購買可能性の高い顧客と製品の組み合わせをターゲットにすることで、マーケティング予算をより効果的に活用できます。

貴社では通常得られないインサイトを獲得し、意思決定の向上につなげます。

業界ユースケース

• 小売:小売業者は、商品傾向モデルを活用して、新たにエンゲージした顧客に適切な商品オファーを特定し、コンバージョンと顧客獲得の向上を図ることができます。
• 通信：モバイル通信会社は、製品購買傾向モデルを活用して、顧客を新しい電話機、ハードウェア、サービスのアップグレードへと導くことができます。

再購入傾向モデル

再購入傾向モデルは、顧客が特定の製品を再購入する可能性を評価します。再購入傾向スコアは、過去の顧客取引および属性データ、行動データに基づいて計算されます。

メリット

• Oracle Unity Customer Data Platformで作成されたオーディエンスに再購入傾向スコアを活用し、クロスチャネル・エンゲージメント・キャンペーンを最適化して、製品を再購入する可能性が最も高い顧客をターゲットにします。

トップに戻る

最適なネクスト・アクション・モデル

Next Best Actionモデルは、販売およびトランザクションのパターンに基づいて顧客ニーズを予測し、各顧客に最も関連性の高いアクションを推奨する、すぐに利用可能なデータ・サイエンス・モデルです。

モデルは、顧客プロファイル・データ、顧客エンゲージメント、製品カタログ・データ、購入データを使用して、顧客向けの上位5件の推奨アクションを生成します。これらのレコメンデーションを使用して、特定の顧客に最も関連性の高いアクションを判断できます。

メリット

• カスタマー・ジャーニーにおける次善のアクションで適切に顧客とエンゲージし、コンバージョン率を向上させます。

業界ユースケース

• 自動車:ある世界的な自動車ブランドは、UnityのNext Best Action（NBA）モデルとNext Best Offer（NBO）モデルを活用して、すべての顧客に対して販売と取引のパターンに基づき、最も関連性の高いアクションとオファーを推奨できます。
• 金融サービス:金融サービス企業は、ネクスト・ベスト・アクションおよびネクスト・ベスト・オファーのモデルを使用して、投資口座、信用枠、住宅ローンなどの金融商品の新しいオファーにコンバージョンする可能性が高いオーディエンスを特定し、その推奨に基づいてチャネル全体で顧客体験をパーソナライズできます。
• 旅行・ホスピタリティ:クルーズ会社は、NBOおよびNBAモデルを使用して、顧客が次の旅行や滞在を予約するためにどのオファーを送信すべきかを特定できます。

次なるベスト・オファー・モデル

Oracle Unityのネクスト・ベスト・オファー・モデルは、すぐに利用可能なデータ・サイエンス・モデルであり、販売およびトランザクションのパターンに基づいて顧客ニーズを予測し、各顧客に最も関連性の高いオファーを推奨します。

モデルは、顧客プロファイル、顧客エンゲージメント、製品カタログ、購入データを使用してレコメンデーションを生成します。これにより、ユーザーはさまざまな製品やサービスに関連付けられたオファーに関する最適な推奨事項から選択できます。ユーザーは、これらのレコメンデーションを使用して、特定の顧客に送信する最も関連性の高いオファーを判断できます。

メリット

• ネクスト・ベスト・オファー・モデルを活用し、最も関連性の高いコンテンツやオファーで顧客に働きかけることで、コンバージョン率を向上させます。

業界ユースケース

• 自動車:ある世界的な自動車ブランドは、next best action（NBA）モデルとnext best offer（NBO）モデルを活用して、最も関連性の高いアクションとオファーを、すべての顧客について販売と取引のパターンに基づいて推奨できます。
• 金融サービス:金融サービス・プロバイダーは、ネクスト・ベスト・アクションおよびネクスト・ベスト・オファーのモデルを使用して、投資口座、信用枠、住宅ローンなどの金融商品の新しいオファーでコンバージョンする可能性が高いオーディエンスを特定し、そのレコメンデーションに基づいてチャネル全体で顧客体験をパーソナライズできます。
• 旅行・ホスピタリティ:ホテルチェーンは、NBOおよびNBAモデルを使用して、顧客が次回の旅行や滞在を予約できるよう、どのオファーを送信するかを特定できます。

次善のプロモーション・モデル

ネクスト・ベスト・プロモーション・モデルは、顧客の過去の製品購入履歴を使用して、特定の製品に対して顧客が支払う意思のある価格を判断する、すぐに使用可能なデータ・サイエンス・モデルです。このモデルを活用することで、顧客向けの製品価格をインテリジェントにパーソナライズできます。

メリット

• ネクスト・ベスト・プロモーション・モデルにより、製品の価格設定をパーソナライズでき、コンバージョン率、総収益、平均注文額の向上につながります。

業界ユースケース

• 医療:ある医療機器販売会社は、Next Best Promotion（最善プロモーション提案）モデルを活用して、新しい睡眠支援製品の価格を個々の顧客の購入履歴に基づいて微調整することができます。
• 保険：保険ブランドは、ネクスト・ベスト・プロモーション・モデルを活用して、追加保険パッケージ向けにパーソナライズされた価格設定を提供し、コンバージョン率を向上させ、顧客がバンドルして節約できるよう支援できます。

トップに戻る

キャンペーン・レコメンダ・モデル

キャンペーン・レコメンダ・モデルは、すぐに利用できるデータサイエンス・モデルであり、さまざまなキャンペーンにおける顧客の過去のエンゲージメントおよびコンバージョン傾向に基づいて、各顧客に送信する最も効果的なキャンペーンを特定します。

このモデルは、さまざまな期間（3か月、1年、3年）を使用して、コンバージョンの可能性に基づき、任意のインスタンス内のすべての顧客について、定期的および1回限りのB2Cキャンペーンをランク付けします。

メリット

• 最近のエンゲージメントとコンバージョンの傾向に基づいて、顧客に最適なキャンペーンをインテリジェントに予測し、キャンペーンのコンバージョンとROIを向上させます。

業界ユースケース

• ヘルスケア:医療機関はこのモデルを活用し、過去のコンバージョンとエンゲージメントに基づいて、今後のどのデジタル患者エンゲージメント・キャンペーンが各患者に適しているかを特定できます。
• 小売：小売企業は、過去のエンゲージメントおよびコンバージョン履歴に基づいて、顧客が最もエンゲージする可能性の高いキャンペーンにオーディエンスを配置することで、このモデルを活用してキャンペーンのコンバージョンと顧客生涯価値を向上できます。

チャネル推奨モデル

このすぐに利用できるデータ・サイエンス・モデルは、過去のインタラクション・データに基づいて、顧客に最適なマーケティング・チャネルを推奨します。

チャネル推奨モデルは、任意のインスタンス内のすべての顧客について、コンバージョンの可能性に基づいてエンゲージメント・チャネルをランク付けします。どのチャネルが収益を生み出しているかについてのインサイトを得られ、コンバージョン率の高いチャネルに支出を配分することで収益拡大の機会を見つけることができます。

以下のチャネルが評価されます。

• メール
• SMS
• プッシュ
• Web

メリット

• 最適と予測されるチャネルを使用して、セールス・ファネルを進む顧客プロファイルをターゲティングし、コンバージョンを向上させます。

業界ユースケース

• 公益事業:ある電力会社は、このモデルを活用して、エネルギー使用量のピーク時間とオフピーク時間に特定の顧客とコミュニケーションを取るのに最適な手段はEメール、SMS、プッシュ、Webのどれかを判断できます。

疲労セグメンテーション・モデル

このすぐに利用できるデータ・サイエンス・モデルは、プロファイルとエンゲージメント・レベルに基づいて、顧客をメッセージ疲れのさまざまなレベルに分類します。

疲労セグメンテーション・モデルは、各顧客プロファイルに送信すべきキャンペーン数やメッセージ数に関するインサイトを提供することで、顧客の疲弊を防ぐのに役立ちます。

顧客のエンゲージメント、受信および開封したキャンペーンの履歴、そして何よりも顧客プロファイルのペルソナに基づいて、各顧客プロファイルのメッセージ疲れを測定します。各顧客プロファイルに送信するメッセージの最適な数を決定および制御して、疲弊を回避します。

メリット

• アクティブでエンゲージメントの準備ができている顧客と、疲弊している顧客をインテリジェントに識別します。
• 各顧客の疲弊度に基づいてキャンペーンのアウトリーチを制御するためのインサイトを獲得できます。
• エンゲージメントおよび/またはコンバージョンを向上させ、離脱を減らします。

業界ユースケース

• 製造:ある太陽光パネル製造業者は、このモデルを使用して、顧客のプロファイルとエンゲージメント・レベルに基づいて、顧客を疲労度の異なるレベルに分類します。これにより、対象顧客に送信するメッセージの量を調整することができるようになります。
• テクノロジー:あるB2Bテクノロジー企業では、このモデルを活用して、ハイタッチのABMキャンペーン施策から除外し、一般的なクロスチャネル・キャンペーンに戻すべき潜在顧客を特定しています。

送信タイミングの最適化モデル

送信時間最適化モデルは、過去のEメール行動に基づいて、顧客にキャンペーンEメールを送信する最適な時間を決定する、すぐに使用可能なデータ・サイエンス・モデルです。

たとえば、このモデルは、顧客が通常受信トレイを確認する前にキャンペーンメールの送信をトリガーします。その結果、メッセージはお客様の受信トレイの最上部に表示され、メールが表示されて開封される可能性が最大限に高まります。

メリット

• 顧客がメールを閲覧、開封、読了、または確認する可能性が最も高いタイミングでターゲティングし、キャンペーンを最適化することで、顧客エンゲージメントとコンバージョンを向上させます。
• 顧客が通常受信トレイを確認する直前にEメールを送信することで、Eメールが閲覧され、開封される可能性を高めます。

業界ユースケース

• 小売:ファッション小売業者は、このモデルを活用してチャネル全体でのキャンペーン配信時間を改善することで、新しいキャンペーンにおける顧客エンゲージメントとコンバージョンの可能性を高めることができます。
• 旅行・ホスピタリティ:リゾート施設は、週次の低価格バケーション特典メールを、顧客がそのコンテンツに最も反応しやすいタイミングで送信できます。

トップに戻る