（１）「顧客理解エンジン」を活用したマーケティング事例

[新谷]
パート2では、顧客位置情報やアプリ使用情報など、サイバー・フィジカル（オンライン・オフライン問わず）の膨大な情報をNTTドコモは保有しており、そのデータをAIで分析し、分析をさらに拡張することで予兆分析が可能になるということをお伝えしました。

現在、「顧客理解エンジン」を使うことで、NTTドコモならではのマーケティングAI活用実績が生まれています。その事例を吉田さんにご紹介してもらいます。
[吉田]
NTTドコモには、QR決済サービスのｄ払いというものがあります。あるスーパーでｄ払いを促進させようという試みを行った事例です。そのスーパーで過去にｄ払いを行ったことがある顧客情報を元に、未来にｄ払いで支払いをする可能性がある予兆ユーザーに対して、お店に誘導するようなマーケティング施策を行いました。
もう少し詳しく説明すると、過去の実績顧客を最初に抽出します。抽出条件は、位置情報から店舗に訪問したと推測される顧客であり、かつｄ払いを過去に利用した顧客です。それだけでは従来とあまり変わりませんが、そこに「顧客理解エンジン」により予兆ユーザーの抽出を行います。これはドコモが保有するさまざまなデータから実績顧客に似たと判断されたユーザーを抽出する試みです。この二つのユーザー抽出を組み合わせた施策により、実際に新規顧客が増えました。

■資料13：顧客理解エンジンを活用したマーケティング事例(１)

予兆ユーザーに対してマーケティングアプローチを行った顧客と行わなかった顧客の獲得率、ドコモデータを使った従来広告と顧客理解エンジンによる広告の獲得率は、あきらかに顧客理解エンジンを使ったほうに軍配が上がりました。
特に予兆ユーザーに対して広告配信を行った場合、しなかった場合と比べても7.2倍もの送客、6.6倍ものｄ払い決済が行われました。また従来手法による広告と比較すると（ドコモデータは活用している前提）送客は1.7倍、ｄ払いは1.4倍といずれも高いパフォーマンスを発揮しました。リアルな顧客の予兆をうまく引き出した結果だと思います。

■資料14：顧客理解エンジンを活用したマーケティング事例(２)

[新谷]
私も実際にスーパーでドコモのメッセージSを使って予兆ユーザーに広告を配信した結果、店舗でのｄ払いが促進された事例があります。吉田さんの事例と同じように、高い効果が得られました。
[吉田]
次の事例ですが、インターネット通販や課金アプリなど、過去の課金ログからどのポイントで顧客が課金をするかを予兆し、マーケティング活用した事例があります。また顧客年収をアンケートから理解し、年収が高めの顧客に対して広告配信をすることで、マーケティングの結果が数倍上がった例もあります。
資料15の事例(３)の表では、実際にあらかじめプリセットされたセグメント向け広告（課金や年収、看護婦、運動不足などをセグメント情報として使用）は、顧客理解エンジンを利用するとコンバージョン率が非常に高くなりました。
資料16の事例(４)からわかるように、プリセットセグメントの効果として、課金と年収セグメントを行った場合、いずれも顕著にCPAが改善されました。

■資料15：顧客理解エンジンを活用したマーケティング事例(３)

■資料16：顧客理解エンジンを活用したマーケティング事例(４)

（２）ドコモならではのプロファイリング手法

[新谷]
一般的な拡張方法としては、アンケート結果や消費者のWEBサイトへのアクセス傾向から趣味趣向や属性を分析して拡張する手法だと思うのですが、ここではそれが良い効果をもたらしたということですね。またNTTドコモがリアルに近い顧客データを大量に保持し、AIを使ってそのデータを分析できたことが高い効果につながったのだと思います。
次に顧客理解エンジンとデジタルOOHの組み合わせ事例について解説をお願いします。
[吉田]
これはあるスポーツメーカーの広告主様の事例です。新しい製品をリリースするにあたって、販促したいというご要望がありました。NTTドコモの子会社で屋外広告会社 LIVE BOARD（株式保有NTTドコモ 51%）によるデジタルOOHを使った場合、どのエリアに効果が高まるのかを顧客理解エンジンを使って行いました。
街の中でスポーツ好きの顧客がより多く出現するエリア・時間・曜日をヒートマップ化し、その中からターゲットとなる顧客が出現しやすいエリア・時間・曜日に広告を配信しました。これによりメディア（面）単位でのターゲットプロファイリング分析が可能になりました。

■資料17：顧客理解エンジンを活用したマーケティング事例(5)

[新谷]
面白い事例ですね。ドコモならではのプロファイリング手法だと思います。
最後にご紹介は、事例とともに今後のアプローチについて解説をお願いします。
[吉田]
先ほどは、送客やｄ払いについてマーケティングの中でコンバージョンの一歩手前の状態をいかにリフトさせるかという事例をご紹介しました。NTTドコモはdポイントをはじめ、d払いが可能なさまざまな流通加盟店様とお取引をさせて頂いています。中でも流通加盟店様がお持ちの実際の購買データと弊社のデータと組み合わせて、次のようなマーケティングを想定しています。一つは特定の商品を購入したかどうかを理解することができ（ターゲットとなる消費者の属性分析）、将来その商品を購入する可能性がある顧客に対してマーケティング施策を行っていくことが可能だろうと考えています。つまりオフラインの購買も踏まえた予兆分析と、高度な配信施策ができるスキームが行えるということです。
[新谷]
POSデータに対して、顧客理解エンジンによって予兆データを輩出し、顧客の精緻なマーケティングデータが抽出できるということですね。今後さらに期待できそうです。

■資料18：顧客理解エンジンを活用したマーケティング事例(6)

[新谷]
最後に少しまとめますと、ドコモのデータはｄポイントクラブ・ｄアカウントを中心とした約8,900万人の顧客データが基になっています。現在、プライバシーを守りながら、スマートフォンを中心とした位置情報やスマートフォン利用の履歴を、AI顧客理解エンジンを使って予兆分析を行っています。
事例ではメッセージSやライブボード（デジタルOOH）が出てきましたが、さまざまなメディア施策の中で、予兆ターゲティングを行いながら、d払い・dポイントを使って購買まで追いかけていく。それらを繰り返すことで予兆データを把握できるキーとなるテクノロジーが「顧客理解エンジン」であるということですね。
今回はNTTドコモが持つ「顧客理解エンジン」とその事例についてご紹介させていただきましたが、今後そのエンジンを進化させて行き、実例をもっと充実させていく所存です。データ×「顧客理解エンジン」による一気通貫したプラットフォームへの進化にご期待ください。

■資料19：第2回対談パート３サマリー

（４）最後に

Cookieレスにより、今後広告界はますます変化が求められるようになります。今回のディスカッションは、Cookieレスになりつつある現状でも、AI活用により新たなマーケティング領域に進化を続ける「顧客理解エンジン」とその事例をご紹介しました。
一口に言うと「ドコモだからできること」と言える技術ですが、通信事業者として多くのユーザーを獲得し続けていることや過去の実績データから生まれたものに相違ありません。NTTドコモのAI技術の進化に今後もご注目ください。