MECCA が実店舗でのカスタマーエクスペリエンスをオンラインで再現し、劇的な結果をもたらした方法

1997 年に設立された MECCA は、世界でも極めて強い羨望の的となっている美容製品とスキンケア製品を集め、120 を超えるブランドをオーストラリアとニュージーランドの 200 万の顧客に販売しています。IBISWorld によると、同社は、オーストラリアの 42 億 USD 規模の美容市場の 10%、プレステージ美容セクターの約 25% を占めています。

MECCA の成功の秘訣の 1 つは、親身で質の高いサービスを提供する美容ブティックにあります。Vogue によると、MECCA はカスタマイズおよびパーソナライズされたアドバイスをあらゆる顧客に提供できるように、収益の約 3% を費やしてスタッフをトレーニングしています。

MECCA は現在、このユニークな対面エクスペリエンスをオンラインで再現しようとしています。「MECCA の店舗に足を運ぶと、ホストからパーソナライズされたサービスやレコメンデーションを受け取ることができます。当社は、これをオンラインの世界にも持ち込みたいと考えています」と MECCA の Head of CRM and Loyalty である Lauren Shepherd 氏は述べています。

MECCA は e コマースのアーリーアダプターであり、2001 年にオンラインショッピングを開始しました。同社は戦略的パートナーである Amazon Web Services (AWS) と Servian に、データと分析を活用してオンラインでのカスタマーエンゲージメントを改善するためのサポートを求めました。

高度にパーソナライズされた製品とオーダーメイドのジャーニーを提供することは、カスタマーエクスペリエンス (CX) を改善してビジネスの成長を促進することの中核にあります。しかし、Gartner によると、CX を担当するリーダーの 70% 超が「顧客ロイヤルティを高め、結果を実現するプロジェクトの設計に苦労」しています。

MECCA のデータ変換ジャーニーは、2018 年に AWS と連携してデータプラットフォームを構築し、Tableau をビジネスインテリジェンスレポートツールとして採用したことから始まりました。

MECCA の技術チームは、ビジネス全体で前向きに普及していることを確認した後、データを利用して顧客のためにより多くの価値を付加することで限界を押し広げたいと考えました。同社の最終目標は、ビジネスのさまざまな部分でセルフサービスを可能にすることです。これは、誰もが自分の役割に関連するデータを掘り下げることができるようにするビジネスインテリジェンスの一形式です。 

MECCA の CRM チームおよび Loyalty チームは、データを利用して、どの製品がさまざまな顧客にアピールする可能性が最も高いかを予測することに特に熱心に取り組みました。

「当社はお客様に関する多くの情報を持っていましたが、エクスペリエンスを最適化するためにそれらを利用してはいませんでした。どのお客様も、同じコンテンツとプロモーションを受け取っていたのです」と Shepherd 氏は述べています。

MECCA のデータチームは Servian と提携して、Amazon Personalize の試用を開始しました。Amazon Personalize は、パーソナライゼーションモデルを構築および実行するためのシンプルなフレームワークを提供する機械学習サービスです。革新的な小売業者は、特定の製品のレコメンデーション、パーソナライズされた製品の再ランキング、およびカスタマイズされたダイレクトマーケティングを提供するために Amazon Personalize を利用しています。

MECCA は、AI を活用するパーソナライズされたマーケティングに移行する前に、E メールプラットフォームに含まれる 23 年分のデータをクレンジングして再構築し、クリーンで簡単にアクセスできる整理されたデータシステムを作成する必要がありました。

ここから、MECCA の機械学習ジャーニーの「現状把握」の段階が始まりました。CRM、データ、Servian のエキスパートからなる学際的な技術チームが集まり、概念実証 (POC) を開発しました。同社の仕事は、ターゲットを絞ったマスカラマーケティングキャンペーンの一環として、Amazon Personalize を利用して製品のレコメンデーションを提供する POC の妨げとなる障害を予測して対処することでした。キャンペーンでは既存のメタデータを活用し、前回マスカラを購入してから 90 日が経過した顧客を対象に、マスカラのプロモーションメールを配信しました。

「実現」段階に移行した後、Amazon S3 データ環境へ移行したり、自動化されたエンドツーエンドのデータ処理を可能にするマーケティングシステムへの統合を新たに構築したりするなど、技術チームは複数の変更を行いました。また、パーソナライゼーションと機械学習への移行が、それぞれのビジネス領域にどのように好ましい利益をもたらすかをエグゼクティブやマネージャーが理解できるようサポートすることに時間を割きました。

MECCA の IT Delivery Manager for Digital and Data である Paul Erskine 氏によると、これが POC の成功の鍵でした。「多くのエグゼクティブは、全体的に、データサイエンスの複雑さを前に尻込みしていました。『誰かが仕事を辞めた場合、誰がモデルを管理するのか? 費用対効果はどの程度あるのか? 長期的に誰がそれをサポートするのか?』という疑念を抱いていたのです」。

これらの懸念に対処するために、テクノロジーチームはデータガバナンスフォーラムでビジョンと計画を共有しました。チームは、Amazon Personalize によって生成された製品のレコメンデーションを提示し、データサイエンスを使用して顧客のコンバージョン率とエンゲージメント率を最適化する方法を説明しました。その証拠は非常に説得力があり、MECCA の経営陣は POC に力強いゴーサインを出しました。

Amazon Personalize が 2019 年末にオーストラリアでリリースされたとき、MECCA と Servian はすぐにそれを導入しました。これらの企業は、オーストラリアで最初期にデプロイしたいくつかの企業に含まれています。数時間で、カスタマイズされた製品のレコメンデーションの作成を開始することができました。現在では、MECCA のカタログ全体にわたって製品のレコメンデーションを作成しています。

「Amazon Personalize を利用する利点の 1 つは、AWS マネージドサービスで既存のデータを利用してカスタムモデルを簡単にトレーニングできることです。これにより、データサイエンティストだけでなく、デベロッパーもレコメンデーションアルゴリズムを構築できます」と Erskine 氏は説明します。

MECCA はまた、長期短期記憶 (LSTM) 傾向モデルをデプロイして、製品補充の最適なタイミングを特定しました。AB テストでは、E メールの 50% にパーソナライズされた製品のレコメンデーションが含まれていて、残りの 50% には含まれていませんでした。パーソナライズされたレコメンデーションを受け取ったユーザーは、コンバージョン率の大幅な増加に寄与しました。

「Amazon Personalize を統合して以来、E メールのクリックスルー率が大幅に向上し、おすすめの製品に関連する E メールを通じた収益が増加しています」と MECCA の Chief Digital Officer である Sam Bain 氏は述べています。

MECCA は現在、すべてのアクティブな顧客のためにパーソナライゼーションモデルを毎週実行しており、すべてのマーケティングキャンペーンにわたって毎週 1,000 万件を超える製品レコメンデーションを生成しています。

また、Amazon Personalize は、E メール管理システムのネイティブ機能を使用して製品レコメンデーションを実装する MECCA の以前のシステムよりも優れたパフォーマンスを発揮しています。

Shepherd 氏は次のように述べています。「当社は、Amazon Personalize のレコメンデーションを、E メールプロバイダーのシステムレコメンデーションと比較するテストを行いました。理論的には、E メールプラットフォームからのレコメンデーションも購入履歴に基づいていますが、パーソナライズモデルほど多くの指標が考慮されていないため、効果が低くなります」。

「当社は、お客様のライフステージ、ジャーニー、購入履歴に関連する製品をお客様に示すことで、コンバージョン率がはるかに高まる可能性があることを証明しました」

MECCA は引き続き AWS および Servian と連携して、デジタルエクスペリエンスを革新し、ロイヤリティの高い顧客に喜んでもらえるよう取り組んでいきます。その目標は、機械学習の力を活用して顧客が何を好むかを予測し、MECCA の需要を満たす能力を最適化することです。同時に、基盤となるデータセットを改善して、これまでよりも優れた予測モデルを構築します。