如何提升客户复购率并最大化LTV（客户终身价值）？实现“One to One营销”的关键是什么？其中一种解决方案是充分利用积累的客户数据，但要实现基于数据的个性化服务，离不开工具的支持。ActiveCore公司社长山田贤治将结合AI（人工智能）、DMP（数据管理平台）和MA（营销自动化），讲解如何通过“One to One营销”提升LTV的秘诀及最新案例。
MA、推荐引擎、AI、DMP以及邮件和LINE推送的一体化优势
ActiveCore的“activecore marketing cloud”的一大特色是将MA功能、推荐功能、AI、DMP、邮件和LINE推送功能以及分析功能整合在一个包中提供。
与分别签约和运营分析工具、推荐系统和MA工具相比，据称可以削减系统投资和运营成本。ActiveCore社长山田贤治表示，这样做还能实现高精度的“One to One营销”。与分别签约和运营相比，可以削减系统投资和运营成本据称。此外，能够实现高精度的“One to One营销”ActiveCore社长山田贤治表示。
由于“推荐”、“DMP”、“数据分析”和“MA”已集成，因此比单独运营各种工具能够提供更高精度的提案。例如推荐功能。在推荐邮件和网站上显示相同的推荐内容也是可能的。这一功能也可以在LINE或应用内实现。
支撑这一由“MA、推荐、邮件和LINE推送功能集成为一体的全能型解决方案”（山田社长语）构成的营销基础的是ActiveCore开发的AI“Pythagoras”。
“Pythagoras”允许营销人员无需编程即可在界面上创建学习模型，并自动与MA系统联动。此外，该系统引入了深度学习技术，不依赖人的直觉和经验，支持实现用户行为的评分化。
凭借这些功能性，Mizuno、乐天西友Net超市、ASICS、Paru System、MTG、Oisix Daichi等知名电商企业均采用“activecore marketing cloud”。山田社长基于“activecore marketing cloud”的应用案例，阐述了提升LTV的最佳实践。
要在MA（营销自动化）中取得成果，整合的客户数据至关重要
要在MA中取得成果，需要整合客户信息以及EC网站浏览历史、Web行为记录等与客户信息和EC业务相关的数据来构建客户数据。管理此类数据的是DMP，它在基础层面支持实现以单个客户为单位的营销策略。
山田社长向希望在MA中取得成果的企业提出的建议是：客户触达策略应由客户行为数据决定。
许多EC运营商将首次购买后未购买期间超过1年的客户定义为休眠客户。因此，唤醒休眠客户的对象是超过1年未购买的客户。但是，从数据来看，针对未购买客户的唤醒措施在更早的时期进行效果更好。（山田社长）
据山田社长介绍，数据显示，即使有客户超过1年未购买商品，也有很多人在未购买的情况下再次访问了EC网站的情况。基于此，山田社长指出：“最终行动应基于最近的客户接触点”，”。
例如，对于自最终购买日起超过180天没有任何行动的顾客，将其定义为休眠顾客。针对该顾客群体，他建议应采用利用MA促进其再次访问EC网站的触达方式。
此外，山田社长还强调了可视化本公司会员顾客并明确优质顾客的重要性，在此基础上制定方案的重要性。
基于会员漏斗制定策略，并通过MA实现营销活动的自动化。希望根据客户数据预测其喜好，利用机器学习分析偏好，向每位客户发送个性化的推荐邮件。（山田社长）
利用AI助力电商业务MA的效率提升与精度优化
AI的应用有助于提高MA的效率和精度。
AI分析大数据，针对用户的每一个行为，评估其对转化率（CVR）或销售额的贡献度，并根据贡献程度进行打分——采用这种深度神经网络方法，可以对用户行为进行评分，从而预测客户行为。
下图展示了针对客户每一项行为的销售贡献度进行评估并打分的结果。根据分数预测其是否有可能购买。
将其应用于电商营销会产生什么效果呢？在某电商网站对优质客户和休眠客户特征进行分析的案例中，我们发现，仅购买单一品类商品的客户成为休眠客户的概率较高，而同时购买多个品类商品的客户休眠率较低。也就是说，我们成功梳理出了优质客户和休眠客户的特征。
根据单一品类和多品类的购买历史，识别出潜在优质客户和休眠客户，并通过网络广告促进进一步购买和唤醒休眠客户。通过吸引潜在优质客户和唤醒休眠客户，经由广告带来的购买比例达到了7.1%。
AI预测两步式营销的可能性
在面向女性的化妆品网购中，预测申请免费样品的客户是否会正式购买。仅给予AI流入历史记录时，命中率为15.7%。在流入历史记录中加入广告详细数据后，命中率提升至29.1%。此外，加入站内浏览数据后，命中率提高至86.2%。因此，基于这一预测对客户特征进行了模式化分类。
促成正式购买的客户行为模式如下。根据该分析结果优化了营销策略。
- 50多岁人群通过积分网站、Yahoo搜索和Criteo广告获取优惠券
- 40多岁人群通过其他积分网站、Google搜索对商品功效产生反应
- 30多岁人群对手机和App广告产生反应，浏览痛点页面后实际购买概率提高
AI预测重复购买用户
也可以利用AI预测重复购买用户。在此案例中，基于会员用户的顾客行为数据（如收据金额、商品单价、网页访问次数、网页停留时间、跳出率、性别/年龄段、都道府县等），AI可视化了重复购买用户的特征。
随后，系统自动提取目标客户并通过MA进行推荐。但在此案例中，根据两次购买用户及相似用户的数据，为每位顾客定制邮件内容。仅针对一次购买会员发送的这封推荐邮件，使购买顾客数量较传统促销邮件增加了4倍。。
AI可视化退订用户特征
AI还可以可视化退订用户的特征。如果提前了解可能退订顾客的行為模式，就可以提前提供符合用户行为的防退订内容等。。
在本案例中，通过可视化退订用户特征，对退订用户的行为进行机器学习，并根据浏览模式推荐与聊天联动的FAQ等，从而防止用户退订。
如今，消费者触点日益多样化，且营销人才短缺等环境变化显著，因此需要通过以顾客为中心的数据统一管理，实现业务效率化，并为每位顾客提供一致的顾客体验。。
"activecore marketing cloud"将数据以客户为中心进行整合，构建私有DMP。基于整合数据的分析结果制定策略，并执行针对客户状态优化的营销行动。
搭载AI、机器学习和深度学习技术，以一体化包形式提供以客户为中心的数据分析、推荐和MA（营销自动化）服务。许多EC企业将其作为课题提出的“能够实现为每位客户提供一致的顾客体验””（山田社长）
【相关链接】
- activecore marketing cloud
- ActiveCore