CDPはAIである

あるBloomreachの朝食会で、さまざまな規模のブランドから集まったフィンテックマーケターたちが「AI」について議論した。しかし、議論の中心はAIそのものではなく、データを使いやすい形に整理するという共通の痛点だった。企業の規模に関わらず、データは互いに通信しない複数のシステムに分散しており、高度な機能を活用するには至っていない。

現在の市場には大きなギャップがある。一方には、ブランドが購入できるどのソリューションよりも数世代進んだ機械学習を本番環境で運用する少数の消費者プラットフォームが存在する。もう一方には、ライフサイクルスタックにおける機械学習の利用が「ESPのいくつかの予測機能」から「実際に有効にしたものはない」までに留まる中小ブランドのロングテールが広がる。その中間には、より最先端に近い技術をブランドに販売しようとする新しいカテゴリーの製品が登場している。しかし、肝心なのは、これらすべてがデータの整頓に依存しており、ほとんどのブランドがその状態にないことだ。

「チャネルの成熟度」と呼ばれるものは、より正確にはAIの洗練度による分類である。一部の送信者はチャネルを機能させるためのコストを負担できるが、ほとんどの送信者はできない。そして、決定要因は予算や人員ではなく、データが何かを行うための状態にあるかどうかである。

最先端の事例として、Pinterestの週次通知予算最適化、Duolingoのバンディットアルゴリズム、Twitterのモデル駆動型プッシュ配信判断、LinkedInのオフライン強化学習、Zillowのツリー分類器、MetaのInstagram通知オークションシステム、KuaishouのPushGenなどが挙げられる。これらのシステムは4つの特徴を共有している：自社のイベントストリームに基づく、内部エンジニアリングチームによって運用される、長期的な価値関数に対して最適化される、ユーザーの応答がメッセージによって変化するという前提に立つ。

最後の点が重要である。静的モデルは「どのユーザーが開封または購入する可能性が高いか」を尋ねるのに対し、適応モデルは「このメッセージを送ることがユーザーの行動をどのように変えるか」を尋ねる。応答は固定された特徴ではなく、メッセージ自体が動かす結果であり、そのため同じモデルは何も送らないことを厭わない。

残念ながら、ほとんどのブランドが購入するツールは意思決定支援であり、意思決定ではない。送信時間の最適化、予測スコア、コンテンツ提案を提供するが、最終的な決定はマーケターが行う。これは最先端システムの意思決定能力とは大きく異なる。

真の成長は、より少なく、よりターゲットを絞ったメッセージを送ることから生まれる。Twitterの最適な設定は、総送信量が減少したにもかかわらず、ユーザーあたりの送信上限を引き上げた。これは、ポリシーが誰に送信するかをより選択的にしたためである。スキルは誰に送信しないかを知ることであり、それは誰に送信するかよりも難しいシグナルを必要とする。リフト研究も、累積増分効果がリスト全体に到達するずっと前にピークに達し、そのピークを超えるとターゲティングの増加が効果を減少させることを示している。

最終的に、カスタマーデータプラットフォーム（CDP）こそがAIである。データがプラットフォーム内で整理、管理、利用可能になって初めて、AIは真のビジネスインパクトを生み出す。ブランドは高度な機械学習を検討する前に、まずデータ基盤に投資する必要がある。