リテールメディアで高い成果を達成するために機械学習が重要な理由

どうしてAmazonやWalmartは毎年数十億米ドルもの広告収益を上げられるのでしょうか？これらのEコマースマーケットプレイスは、消費者が購入するタイミングに合わせて出店者が消費者にリーチし、影響を与えられるようにすることが、エコシステム内のすべてのステークホルダーにとって有益であることを理解しています。マーケットプレイスは売上と顧客の粘着性（スティッキネス）を向上させ、出店者はショッピングカートの金額を増やし、買い物客はより関連性の高い商品を素早く見つけることができます。

しかし、出店者の広告活動向けのターゲティングキャンペーンを通じて広告ビジネスで成功を収めているのはAmazonやWalmartだけではありません。リテールメディアを適切に活用することで、あらゆるマーケットプレイスがコンバージョン率とショッピング体験の向上を実現できます。

キーワード依存の問題点：限られたオーディエンスと求められる経験

キーワードキャンペーンには2つの主な落とし穴があります。1つ目は、買い物客の好みや行動が常に変化するため、関連性の高いキーワードを広告主が手動で正確かつ継続的に調査・維持するのはほぼ不可能であるということです。

2つ目は、キーワードベースのキャンペーンでは広告に関する専門知識やオーディエンスに関する深い理解が必要とされることが、広告主としての経験が浅い、もしくは広告の経験がまったくない出店者の多くにとって高い参入障壁となる点です。このような出店者は手動でキャンペーンの設定や管理ができず、多額の広告費が使用されないまま眠ることになります。

キーワードは実際には「成功の鍵」ではない

最高収益責任者（CRO）の主な役目は、新たな収益を生み出すことです。リテールメディアに関して、多くのCROはキーワード入札エンジンを導入することで、AmazonやWalmartの成功を再現できると考えています。しかし、Molocoのビジネス開発担当シニアディレクターを務めるJames ArredondoがSpiceworks への投稿記事で指摘しているように、出店者によるターゲティングや広告購入を自動化し、出店者の広告活動の活性化、精度の向上、購入の促進を実現する手段として機械学習（ML）に注目しているマーケットプレイスが増えています。

機械学習を利用して広告キャンペーンにおける最も困難な部分であるターゲティングと入札を自動化することで、あらゆる規模の出店者から広告費を引き出すことができます。この能力をパフォーマンス最適化と組み合わせることで、経験がなくても専門チームを雇う必要なく、あらゆる出店者が広告主として成功することができます。

隠れたシグナルを見つけてショッピングカートの金額をアップ

機械学習（ML）は自動化だけではなく、広告主が予算を最大限に活用できるよう支援します。買い物客がすでにカートに追加するつもりだった補完的な商品を広告するのではなく、MLは可能性の高い特定の利用シーンに基づいて商品を提示します。例えば、パーティーサイズのピザのソースやトッピングをカートに追加した買い物客は、ピザ生地も購入する可能性が高いです。この場合、MLはその買い物客が自宅でパーティーを計画している可能性を推測します。この場合、すでに購入予定のピザ生地の広告よりも、ボードゲームの広告を表示する方がカートの金額を増やすのに効果的です。買い物客自身が欲していることに気づいていなかった商品を提示する必要があるのです。

このように、MLはすべての買い物客に関するリアルタイムのショッピング行動におけるシグナルを大規模に検出します。そしてCROの誰もがご存知のように、商品の発見は買い物客にリピートを促す重要な手段のひとつです。

巨大企業に追いつく

膨大な買い物客のデータを持つAmazonやWalmartは、あらゆる出店者にとって魅力的なプラットフォームです。しかし、それ以上に重要なのは、出店者が簡単にキャンペーンを運用し最適化できるテクノロジーをこれらのプラットフォームが提供していることです。

こうした機能はAmazonやWalmartだけのものではありません。実際、すべてのマーケットプレイスにはファーストパーティデータを持つという独自の強みがあります。適切な広告テクノロジーとアプローチを活用することによって、あらゆるマーケットプレイスが出店者の広告活動を活性化し、コンバージョンを促進しつつ、データを収益化することが可能になります。

‍

リテールメディアビジネスに興味がおありですか？Molocoのマーケットプレイス向けソリューションをぜひご覧ください。

‍