CX改善プラットフォームを提供する株式会社Sprocket（本社：東京都品川区、代表取締役：深田 浩嗣）は、データ分析ツール「Sprocket Insights（スプロケット インサイツ）」に新機能「行動クラスター分析」を実装したことを発表しました。この機能は、ユーザーの行動パターンを機械学習で自動的に分類し、AIが類似した行動を取るユーザーグループを可視化します。性別や年齢などの属性情報ではなく、実際のサイト上での行動データに基づいて分類されるため、客観的なサイト利用実態の把握が可能になります。
この記事の目次
機能実装の背景
企業のデジタルマーケティング領域では、顧客理解を深めるためのペルソナ設計やセグメント施策が重要な取り組みとされています。しかしながら、これまでの属性データのみに基づくアプローチでは、ユーザーのサイト上での実際の行動実態を十分に反映できず、施策の精度向上に課題がありました。
多くのマーケティング担当者は「なんとなく感じているユーザー層の違い」を経験的に認識していても、それをデータで裏付けること、さらには具体的な施策へ落とし込むことが困難な状況でした。データ分析の専門知識がなくても、実データに基づいたユーザー分類を行い、効果的な施策の材料として活用できる仕組みが求められていました。
こうした背景から、株式会社Sprocketは機械学習とAIを活用し、誰もが実際の行動データから顧客理解を深められる「行動クラスター分析」機能を実装することになりました。
「行動クラスター分析」の特長
機械学習による自動分類とAI解説
「行動クラスター分析」機能は、ユーザーの行動パターンを機械学習によって自動的に分類し、類似した行動を取るクラスター（ユーザーグループ）を生成します。さらに、AIが各クラスターの特徴を分かりやすく解説し、具体的な施策の提案も行います。
分類の基準となるのは「どのページを何回閲覧したか」という行動データです。本機能では、サイト内のURLごとにユーザーの平均ページビュー数を算出し、その傾向をもとにクラスターを作成します。これにより「商品比較を重視するユーザー」や「特定のカテゴリーに集中するユーザー」といった行動パターンの違いが明確になります。
施策提案と実用的な活用
AIは各クラスターの特徴を分析するだけでなく、クラスター全体の構造を読み取り、具体的な施策案を提案します。例えば、商品比較を重視するクラスターに対しては「比較表の最適化」を、特定のカテゴリーに集中するクラスターに対しては「関連商品のレコメンド強化」といった形で、実践的なアクションにつなげることが可能です。
分析結果は月次で自動更新され、過去の分析結果も閲覧することができます。これにより、時系列でのユーザー行動の変化を把握し、継続的な改善活動に活用できるようになっています。
具体的な活用方法
「行動クラスター分析」は、さまざまなマーケティング施策に活用できます。具体的な活用例としては以下のようなものが挙げられます。
ECサイトにおいては、商品閲覧の多いクラスターに対してカート放棄防止の施策を実施したり、特定のカテゴリーへの関心が高いクラスターに対して関連商品のレコメンドを強化したりすることが可能です。
ブランドサイトでは、製品情報を深く閲覧するクラスターには詳細スペックの充実を図り、導入事例を重視するクラスターには事例コンテンツの拡充を行うといった施策が考えられます。
金融サービスサイトでは、ローンページを集中的に閲覧するクラスターにはローン返済シミュレーターへの誘導を強化し、比較検討を重視するクラスターには他社比較コンテンツを充実させることで、それぞれのユーザーの関心に応じたコミュニケーションが可能になります。
これらの施策は、クラスターの行動特徴を分析した上で、「特定ページを複数回閲覧したユーザー」といった具体的な条件に落とし込むことで、新規訪問者を含めた恒常的な施策として展開することができます。
データドリブンなマーケティングの実現へ
「行動クラスター分析」の導入により、経験則や直感ではなく、実際の行動データに基づいた客観的な顧客理解が可能になります。データ分析の専門知識を持たないマーケティング担当者でも、AIによる解説と施策提案を活用することで、誰もが次の一手を導き出すことができるようになります。
これまで数日かかっていたユーザー分類作業が数分で完了するため、ペルソナ設計やセグメント施策の立案プロセスが大幅に効率化されます。さらに、実データに裏付けられた施策を展開することで、推測ではなく事実に基づいたマーケティング活動を推進でき、施策の精度向上と成果の最大化が期待できます。
出典元： 株式会社Sprocket プレスリリース
