リアルタイムターゲティングガイド：アプリマーケターによる動的セグメンテーション

ユーザー行動の変容、断片化されたエンゲージメントパターン、複雑なプライバシーフレームワークや規制により、固定化されたオーディエンスリストを利用してマーケターがセグメンテーションを行うことは難しい状況となっています。従来のセグメンテーションで利用される固定化されたリストでは、ユーザーの関心や意図（インテント）、アクティビティのレベルが変わっても、これに合わせて調整することができません。動的なセグメンテーションでは、リアルタイムの行動に基づいてオーディエンスを自動的に更新することで、この問題に対処できます。

この記事では、動的セグメンテーションの仕組み、このアプローチの主なメリット、そしてアプリマーケターがこれを活用して計測可能な成長を促進している事例をご紹介します。

従来のセグメンテーションでは、ターゲット層やデバイス属性によってユーザーをグループ化していました。しかし、固定化されたリストでは、ユーザーの行動変容に対応できずに正確性が失われ、リアルタイムのパーソナライゼーションへの対応や適応が不十分となっています。

一方、動的セグメンテーションは、最近のアクティビティや行動に関するコンテキスト、インテントの情報を使用して、オーディエンスを最新の状態に保ちます。ユーザーがアクションを起こしたり、エンゲージメントパターンを変えたり、新しい興味を示したりすると、セグメントが自動的に更新されます。

セグメンテーションの進化

ターゲティングがリアルタイムのユーザー行動と一致する場合、チームはデータに基づいてより迅速に意思決定を行い、ファネルのすべての段階でオーディエンスへ正確にリーチできます。このアプローチを実装し、実行することで、次の3つの重要な価値を測定できるようになります。

• パフォーマンスとユーザー獲得の効率性： インテントの兆候がデータで即座に示されるため、マーケターは無駄な支出を削減し、エンゲージメントやコンバージョンの可能性が最も高いユーザーに予算を割り当てることができます。各キャンペーンでは、ライフサイクルの適切な段階にいるユーザーをターゲティングできるため、広告費用回収率（ROAS）が高まり、ユーザー獲得コストが削減され、チャネルの効率性が向上します。
• 継続率と顧客生涯価値（LTV）：利用パターンやエンゲージメントの低下は、ユーザー離脱リスクの初期の兆候を示すデータです。適応型のオーディエンスリストを活用することで、チームはユーザーが離脱する前にパーソナライズされたオファーやプロンプトを提供し、リエンゲージメントを促すことでユーザーの長期的価値を高めることができます。
• パーソナライゼーションの強化とユーザージャーニー： リアルタイムのセグメンテーションでは、最初のオンボーディングから製品の推奨まで、ユーザー体験全体を通じて高度なパーソナライゼーションをサポートします。ユーザー行動との関連性が強まることでユーザーの満足度が向上し、ブランドへの信頼が深まり、ユーザージャーニー全体の一貫性が高まるため、エンゲージメントと収益化が促進されます。

以下のワークフローは、簡単な5つの手順で動的なセグメントを作成し、有効にするプロセスを示したものです。

ステップ1：価値の高いデータを特定する

最初に、アプリの成功に最も重要となるユーザー情報を特定します。これらはセグメントの「入口」および「出口」の基本的なルールとなり、以下が含まれる可能性があります。

• アプリ内イベント：「購入完了」や「サブスクリプション開始」などの特定のアクション。
• エンゲージメント指標：セッションの頻度、直近のログイン、または機能の利用。
• 予測指標： 離脱やコンバーションの可能性を示すAIを利用したスコア。
• ゼロパーティデータ： ユーザーが提供した嗜好に関する情報（お気に入りのスポーツチーム、食事の好みなど）。

これらの重要なデータポイントによってユーザーがどのセグメントに移行するかが決まります。また、実際のエンゲージメント合わせてオーディエンスの定義が確実に維持されます。

ステップ2：アクティビティに応答するロジックを定義する

ユーザーがセグメントに移動するための、自動的に適用される明確な基準を策定します。例えば、「ユーザーが30日間アプリを開いていない場合、ユーザーを「離脱のリスクが高い」セグメントに移動する」というルールを設定できます。このアクションが発生すると、手動でリストを管理することなく、セグメントのメンバーシップが即座に更新され、オーディエンスコホートの関連性が維持されます。

ステップ3：予測型モデルを組み込む

予測型モデルを組み込むことで、基本的なユーザー行動だけなく、それ以上の情報を入手します。AIによる予測は、単なる行動データからは明らかにできないパターンや、ユーザーがアップグレードまたは解約する可能性が高いかどうかといった予測結果を特定します。マーケターが問題解決に向けて早期に行動し、最高の精度で戦略を策定するには、AIの利用が不可欠です。

ステップ4：すべてのチャネルでコホートを有効にする

コホートはセグメントとは異なり、ユーザー行動やライフサイクルの段階に基づいてユーザーをグループ化します。ユーザー獲得（UA）や顧客管理（CRM）、リターゲティング、コネクテッドTV（CTV）、メールやその他のチャネル全体でコホートを有効にすると、各グループはオンボーディング、アクティベーション、リエンゲージメントなど、ユーザージャーニーの段階に応じて適切なメッセージを受け取ることができます。これにより、コミュニケーションの一貫性が保たれ、タッチポイント全体で矛盾したメッセージが排除されます。

ステップ5：モニタリング、テスト、最適化

動的セグメンテーションは継続的なプロセスです。ユーザーエンゲージメントのパターンが変われば、セグメントも変わらなければなりません。定期的にパフォーマンスを確認することでチームは基準を改善し、新しい指標を採用したり、重複するグループを統合したり、活性化戦略を調整したりできるほか、明確性と正確性を維持しながら最適化することが可能です。

さまざまな業界をリードするアプリは、動的セグメンテーションを活用してパーソナライゼーションを強化し、支出を最適化して測定可能な成果を達成しています。以下は、Adjustと提携しているアプリ企業の事例です。

Boutiqaat

Boutiqaatは、行動ベースのセグメントを使用して、アイテムを閲覧したりカートに商品を追加したユーザーを特定しています。カートに商品を入れたままのユーザーである「かご落ち」セグメントを関連性のある広告を用いてリターゲティングした結果、コンバージョン率は3倍に増加し、注文あたりのコストは28％減少しました。

ユーザー行動と収益化モデルはアプリのカテゴリーによって異なるため、当然ながら動的オーディエンスのロジックに使用される主要指標もカテゴリーごとに異なります。固有の行動パターンを適切に活用すれば、マーケターは個別のユースケースに合わせて戦略を調整できます。

• ゲーム： セッションの頻度、レベルアップ状況、課金のパターンからエンゲージメントの高さが明らかになります。このようなシグナルは、関連するオファー、再有効化のプロンプト、クロスプロモーションコンテンツのターゲットとなるプレイヤーを特定する際に役立ちます。

• 金融： 財務情報、トランザクション、またはツール使用状況などの更新情報を使用して、特定の商品に適したユーザーや特定のメッセージを送信するユーザーを特定できます。これらの情報によって、財務上のニーズの変化に合わせた、コンプライアンスに準拠する正確なターゲティングが可能になります。

• フードデリバリーとマーケットプレイス： 閲覧パターン、カートの内容、表示された商品によって、ユーザーの嗜好や近い将来の購買意図が明らかになります。これらのインサイトは、推奨、プロモーションのタイミング、パーソナライズされたリーチに関する情報として活用できます。

• サブスクリプション： コンテンツの購入や機能の利用の変化によって、満足度や離脱の可能性が示されることがあります。これらの変化を早期に特定することで、チームは継続率を維持するための施策を策定し、長期的な価値を高めることが可能です。

Adjustが提供する業界先進のソリューションにより、マーケターは正確なセグメンテーションを行って変化するユーザー行動に適応することができます。Adjust Audiencesを使用するチームは、アプリ内イベント、機能へのエンゲージメント、ライフサイクルのマイルストーンなどのデータを活用して、行動に基づく柔軟なセグメントを作成できます。オーディエンスリストは設定した条件に基づいてリアルタイムで更新され、属性が変化したユーザーは自動的に追加または削除されます。Adjustは、これらのセグメントを有料チャネルおよび自社保有のチャネルと安全に共有するための連携機能を提供し、パートナープラットフォームが常に最新のリストを受け取ってアクティベーションできるようにします。