デジタルイノベーション・AIを活用した顧客開拓

Transcription

1 KPMG Insight KPMG Newsletter Vol.24 May 2017 特集 1( 経営 ) デジタルイノベーション AI を活用した顧客開拓 kpmg.com/ jp

2 デジタルイノベーション AI を活用した顧客開拓 KPMG コンサルティング株式会社 SSOA ( シェアードサービス アウトソーシング アドバイザリー ) 日本統括デジタルレイバー コグニティブ イニシアティブ日本代表一般社団法人日本 RPA 協会専務理事パートナー田中淳一 ディレクターシニアマネジャー 宇都野好弘塩野拓 成熟市場における消費者の嗜好は かつてないほど多様化し 一方で製品やサービスで明確な差別化が困難になった現代において 多くの企業が 顧客 ( 消費者 ) の理解を深めるために デジタルイノベーション AI( 人工知能 ) の活用を視野に入れた取組みを推進しています 顧客を理解するという点において 企業が顧客接点力を高めることにより 他社との競争優位を獲得し 自社の顧客を増やし 最も顧客に愛される企業になれると想定されます さらに 顧客を理解すると同時に 顧客にも自社のこと また自社の製商品 サービスを深く理解してもらい 顧客にとっていないと困るくらいの距離感を創出することが必要になります 多くの企業が目指している 顧客接点力の強化 は デジタルイノベーション AIの進化を自社に活用することにより 企業の顧客生涯価値 (Life Time Value 以下 LTV という ) を向上させ さらには新規顧客の開拓に結びついています 本稿におけるデジタルイノベーション AIは 仮想知的労働者 (Digital Labor: デジタルレイバー ) とも呼ばれるロボティック プロセス オートメーション (Robotic Process Automation 以下 RPA という ) やデジタルマーケティング ( Digital Marketing) マーケティングオートメーション (Marketing Automation 以下 MA という ) 人工知能(Artificial Intelligence 以下 AI という ) を包含した近年の技術革新を総称しています 本稿では デジタルイノベーション AIなど先進的な技術を活用し 企業が 顧客接点力 を高めることにより LTV を向上させ さらには新顧客開拓の実現に向けたポイントについて解説します なお 本文中の意見に関する部分については 筆者の私見であることをあらかじめお断りいたします 田中淳一たなかじゅんいち 宇都野好弘うつのよしひろ 塩野拓しおのたく KPMG Insight Vol. 24 May

3 ポイント 消費者の嗜好は多様化し 製品やサービスで明確な差別化が困難な状況において 企業は他社との競争優位を獲得する必要がある 企業は 顧客 ( 消費者 ) の理解を深めるために デジタルイノベーション AIの活用を視野に入れた取組みを推進していく必要がある デジタルイノベーション AIを活用することにより 企業の 顧客接点力の強化 が加速し LTVの向上 さらには新規顧客の開拓が実現できる Ⅰ. デジタルイノベーション AI の進化 ディープラーニングを中心とした AIは 識別 予測の精度が向上することにより適用分野が広がり かつ複数の技術を結合することで 幅広い分野で実用化されています 画像認識技術の領域においては 認識精度の向上により 広告 医療分野における画像からの診断などへの活用 またマルチモーダルな抽象化技術により 感情理解 行動予測が可能となり 多くの企業がビッグデータの活用に取り組んでいます さらに 行動とプランニング技術における自律的な行動計画が可能となり 自動運転や ロボットなどの取組みが現在行われている状況であるといえます 将来的には 行動に基づく抽象化という技術発展により 環境認識能力の向上による介護ビジネスへの適用 感情労働の代替などが 実現されると推測されます 企業がデジタルイノベーション AIの進化を自社に活用することにより LTVの向上 および顧客の新規開拓を行ううえで 今後さらに顧客志向の企業を目指し 企業にとってのLTVを向上させる必要があります Ⅱ. LTV の向上に関する主要な論点 多くの企業が LTVの向上において 既存顧客とのリレーションの強化 新規顧客の開拓においても ペイドメディア ( テレビ 新聞 雑誌 ラジオ等 ) から オウンドメディア ( 企業サイト 自社コミュニティー メールマガジン等 ) に誘引し 顧客との接点の強化に取り組んできたと認識しています 1. 顧客データの統合化と拡張 2. マーケティングインテリジェンス 3. カスタマーエクスペリエンス ( C X ) 上記取組みにより 顧客の視点にたった製商品 サービスを顧客に提供している企業が他社との競争に勝利し 顧客に必要とされる企業になってきました 昨今のデジタルイノベーション AI の進化により 消費者は多くの情報を取得しやすくなったため 多くの企業は さらに顧客志向を追求し 顧客の期待を超えていくことが必要になると想定されます この章ではこれらのポイントを中心に LTV 向上に向けた取組みにおける主な論点を解説します ( 図表 1 参照 ) 図表 1 LTV 向上に向けた取組み LTV 向上に向けた取組み 顧客データの統合化と拡張 顧客データ統合 顧客データ関連付け 顧客データ拡張 マーケティングインテリジェンス 顧客データの可視化 (BI) 顧客データプロセスの定型化 (MA/RPA) 顧客データの蓄積と傾向分析 (Big Data Mining) カスタマーエクスペリエンス (CX) 顧客開拓を促進するカスタマーエクスペリエンス (CX) の自動最適化 (AI) 出典 :KPMG 2 KPMG Insight Vol. 24 May 2017

4 1. 顧客データの統合化と拡張 2. マーケティングインテリジェンス これまで多くの企業はLTVの向上 および新規顧客開拓に向けたデータの活用として 自社に蓄積されたデータ ( たとえば 購買履歴やサイト閲覧履歴 ) デジタルマーケティング ソーシャルメディアなどの技術を活用した取組みを進めてきており さらにデジタル化の流れにより さらに取組みを加速させています 当項ではデジタルイノベーション AI を活用した顧客データの統合化と拡張を実現していくための3 つのステップを論じます ( 1) 顧客データの統合顧客データ統合という観点では 複数の事業における製商品 サービスを顧客に提供している場合 ( 企業の買収 合併などによる顧客データ統合も含む ) まずは部門や事業部といった範囲のなかで 顧客データの統合を実践していく必要があります その際 名寄せ ( データの重複排除 ) や関連付け ( 関連性のあるデータを新たなキー項目をもって紐づける ) を実施し 顧客を一意にとらえることを実現します さらに 部門や事業部を横断した全社視点でのデータ統合へと進めます この際 BtoBビジネスであれば帝国データバンクや DUNSナンバーのような不変のコードを利用し また BtoCビジネスであれば全社的にCIFコードの採番ルールを統一したうえで 全社横串の顧客データ ( 統合顧客 ID) として全体最適を実現します ( 2) 顧客データの関連付け自社の顧客が一意に特定されたうえで LTVの向上に向けた取組みとして 顧客の家族情報 顧客の交友関係などの関連付けを行い 企業は顧客自身の情報のみならず 顧客を取り巻く情報を含めて 顧客データの管理を実現します ( 3) 顧客データの拡張さらに昨今では 自社内の顧客データにとどまらず 外部の顧客データまで収集範囲を拡大しているケースが見られます たとえばソーシャルネットワークサービスで自社製品についてつぶやかれている潜在顧客のeメールアドレスを取得しマーケティングに活かす また インターネットポータルで自社製品を検索している潜在顧客のクッキー IDを取得し当該ユーザにバナー広告を配信する などといった施策を実現します 統合 拡張されるデータを如何に活用していくかといったマーケティングインテリジェンスの領域についても革新的変化が進んでいます 当項ではデジタルイノベーション AIを活用したマーケティングインテリジェンスに関する 3 つのステップについて論じます (1) 顧客データの可視化 ( ビジネスインテリジェンス ) 顧客データの可視化のステップにおいては 顧客データを見える化し 人が考える というマーケティング方針が主となります 統合化や拡張された顧客データを CRM( 顧客関係管理 ) や予約管理ツールなどの顧客管理システムを用いて検索可能な状態にします また 当該データを基に 担当者が判断したうえで顧客フォローやリテンションを進めていきます (2) 顧客データプロセスの定型化 (MA/RPA) 顧客データプロセスの定型化のステップにおいては 基本的に 人が考えたことを自動的に実行する ことに重きを置きます 日々増加していく見込み顧客の行動 ( 自社のウェブサイト訪問の有無 メール開封の有無など ) に応じ ホットリードを特定し追加のダイレクトメールを一斉送信する ( マーケティングオートメーション ) また CRMに表示されている見込み顧客データや予約管理ツールに格納されている予約済みの顧客データに関し 手動でエクセルに転記する作業をロボットに代替させるRPA などと言ったように顧客データを扱うプロセスを定型化し 自動化していく施策を実現させています (3) 顧客データ蓄積と傾向分析 (Big Data Mining) さらに昨今では 顧客データ蓄積と傾向分析のステップに進んでいるケースも多々見受けられます 当ステージでは 大規模データに対し ソフトウェアが考えて示唆を生む ことにフォーカスしています 日々大量に増加し 蓄積されていく数テラバイトといった既存顧客 見込み顧客のデータを人間がオペレーションしていくことは困難であるため ビッグデータマイニング技術を用いて 顧客の嗜好やシーズナリティを考慮したレコメンドをクイックにマーケティング担当者に提示する といった傾向分析を基とした施策を実現させています KPMG Insight Vol. 24 May

5 3. カスタマーエクスペリエンス (CX) そして 統合化 拡張され マーケティングインテリジェンスにより可視化された大量データ を最終的に顧客体験にどう活かすか といった問いに対しては デジタルイノベーション AI を活用した 顧客開拓を促進するカスタマーエクスペリエンスの自動最適化 に答えがあると考えます たとえば銀行のコールセンターでは電話問い合わせをAI の 音声認識 でテキスト化し A I の 自然文解釈 で意味を理解し 膨大なマニュアルから 適切な回答の上位候補 をオペレータに瞬時に表示するといった施策が採用されています また 顧客からの問い合わせ窓口チャネルにチャットを採用し 質問や要望に対しAIがより適切な回答を選択し返答する といった施策 ( チャットボット ) を導入しているケースもあります 機械学習の技術により ユーザからの質問や要望が進むにつれ最適な回答を返すようプログラミングされており いわば 人間が介在することなくカスタマーエクスペリエンスが自動最適化されていくことが実現できていると考えられるのです いずれも デジタルイノベーション AIの進化を企業が活用することにより これまでにないカスタマーエクスペリエンス ( CX ) を提供することで LTVの向上 およびさらなる顧客開拓のドアを開いているケースといえます Ⅲ. 企業のデジタルイノベーション AI の活用 企業がデジタルイノベーション AI を活用するためには 自 社のデジタル化後の姿をやみくもに描くのではなく 自社のデ ジタル化の状況を評価し 自社のビジネスの方向性に整合した デジタル化施策の立案を行う必要があります この章では 企業におけるデジタルイノベーション AI の活 用に向けた推進プロセスにおける主な論点を解説します 1. デジタルイノベーション AI 活用推進のプロセス デジタルイノベーション AI 活用に向けた主要なプロセスは 以下から構成されます ( 図表 2 参照 ) デジタル化への取組み状況の収集 デジタル成熟度アセスメント デジタルイノベーション施策の策定 デジタルイノベーション施策の実行 そのなかで最も重要なプロセスはデジタルイノベーション AI 活用に向けた 始動時における デジタル化への取組み状況 の収集 と デジタル成熟度アセスメント により 競合他社の デジタル化への取組み状況と自社とのかい離をまず認知するこ とが必要です 図表 2 デジタルイノベーションプロセス デジタル化への取組み状況の収集 デジタル成熟度アセスメント デジタルイノベーション施策の策定 デジタルイノベーション施策の実行 まずは知る評価する方向性を定め 攻め に転じる 目的 デジタル変革の構成要素を考慮し 自社のデジタル化への取組み情報を網羅的に収集 外部環境の先端事例 動向調 優先的に取組むべきデジタル デジタルイノベーションを加速 査やアセスメントアセットを通して自社のデジタル成熟度を診断 評価 施策の策定 及びデジタルリソースを十分に考慮したプランニングと KPI 設定 させる組織 機能体制を定義し 改革ロードマップを策定 持つべき視点 経営層のビジョンと戦略顧客接点のデジタル化オペレーション / プロセス組織 人材 (HR) 先進的なデジタルテクノロジー 先端的なデジタル技術オープンイノベーションデジタル プラットフォーム競合他社のデジタルへの取組み進度とのかい離の評価 競争優位性を確保するためのデジタル利活用のスコープ全ステークホルダーに対する価値提供 デジタル経営企画事業 業務開発 (R&D) アライアンス / パートナーシップ IT 機能 / 部門改革 かい離をまず認知することが必要 4 KPMG Insight Vol. 24 May 2017

6 (1) デジタル化への取組み状況の収集 デジタル変革実現に向けた5つの視点自社のデジタル化への取組み進度を評価 特定する際には 社内の課題や問題を想定や仮説ベースで単に収集するのではなく デジタル化の変革がどのような構成要素から成り立っているかを考慮し 網羅的なアプローチを採る必要があります KPMGは デジタル技術の革新とそれに付随する破壊的影響が急速に進展するなかで 企業が デジタル経営改革 を成功裏に進めるための羅針盤となる成熟度評価の分類を規定しています ( 図表 3 参照 ) 当成熟度モデルは 5つの領域と 2 2テーマのカテゴリーで構成され KPMGのメンバーファームの知見を基に 5 段階の成熟度レベルの判定が可能となっています 特に 顧客対応のデジタル化 の領域では 下記 4つのテーマにおけるデジタル化の推進状況の情報を収集できます 顧客対応のデジタル化領域の4テーマ : 顧客の魅了 取込み 囲い込み 既存顧客との関係性深化 潜在顧客へのアプローチ 顧客接点業務の自動化 効率化 顧客の魅了 取込み 囲い込み においては ポイント制度による顧客誘引 リピーター醸成ができているか 既存顧客との関係性深化 においては VoC(Voice of Customer) をデジ タル化し 顧客からの要望やクレームに迅速に応えられているか 潜在顧客へのアプローチ においては デジタルマーケティングやマーケティングオートメーションの技術を用いて未到達な顧客の誘引ができているか 顧客接点業務の自動化 効率化 においては 例として チャットボットを利用したカスタマーサポート業務の自動化ができているか など 顧客に関連したデジタルイノベーションにおける自社のコンディションが明確化されます (2) デジタル成熟度アセスメント 競合他社と比較した自社の成熟度評価 5 段階で判定された自社のデジタル成熟度レベルからのみでは 優先的に施策 検討すべきデジタル課題対象を判断 決定することは難しいといえます この際 KPMGがHarvey Nash 社と共同で実施したグローバル CIOサーベイの最新の調査結果に基づいた 他社の成熟度診断スコアの平均値をインプットすることで 競合他社のデジタルへの取組み進度と自社とのかい離の評価 をすることが可能です ( 図表 4 参照 ) 次頁の例から たとえば 顧客対応のデジタル化 の 既存顧客との関係性強化 への取組みは他社と比較して遅れている と客観的に評価できます このようなプロセスを経て デジタルイノベーションの始動時においては効率的かつ有用なアプローチで施策化の検討対象の選別を実施していくことが重要です 図表 3 デジタル成熟度アセスメントモデル 5 つの領域と 22 テーマのカテゴリー デジタルビジョンと戦略 顧客対応のデジタル化 オペレーションのデジタル化 デジタル起点の経営改革ビジョン全方位的なデジタル戦略構想経営層のコミットメントデジタル文化の醸成 顧客の魅了 取込み 囲い込み既存顧客との関係性深化潜在顧客へのアプローチ顧客接点業務の自動化 効率化 CXデザイン志向デジタル開発手法の実践デジタルプラットフォームの最適化実行プロセスのデジタル化 組織 人材のデジタル化 デジタル化実行の推進基盤 デジタル人材の獲得と組織編制デジタル リテラシー教育への投資デジタル人材の起動的配置 管理 活用ワークスタイル / ナレッジ共有の確立 デジタル セキュリティモバイル技術環境への洞察モバイル接点強化 / オムニチャネルソーシャルメディアによる影響力拡大クラウド活用 ITインフラの自由度向上デジタル化へのテクノロジー基盤改革 KPMG Insight Vol. 24 May

7 図表 4 デジタル成熟度評価 5. 顧客対応のデジタル化 1. デジタルビジョンと戦略 顧客接点業務の自動化 効率化潜在顧客へのアプローチ既存顧客との関係性深化顧客の魅了 取込み 囲い込み 4. デジタル化実行の推進基盤デジタル化を支えるデジタルテクノロジー基盤改革クラウド活用による ITインフラの自由度向上ソーシャルメディアによる影響力拡大モバイル活用による接点強化 / オムニチャネルモバイル技術環境への洞察 デジタル起点の経営改革ビジョン 全方位的なデジタル戦略構想経営層のコミットメントデジタル文化の醸成外部の高度デジタル人材の獲得努力と組織編成 2. 組織 人材のデジタル化デジタル リテラシー教育への投資デジタル人材の起動的配置 管理 活用オープンで柔軟なワークスタイル / ナレッジ共有の確立 CXデザイン志向デジタル開発手法の実践 デジタル セキュリティ実行プロセスのデジタル化 デジタルプラットフォームの最適化 平均値 対象企業のスコア 3. オペレーションのデジタル化 Ⅳ. おわりに デジタルイノベーション AIなど先進的な技術を活用し 企業が 顧客接点力 を高めることにより LTVの向上 さらには新規顧客の開拓の実現に挑戦しています KPMGコンサルティングでは 国内外のデジタルイノベーション AI 活用の先端事例 および自社への活用に向けた改革の圧倒的知見を基に最適に導入を支援します 関連情報 仮想知的労働者 (Digital Labor RPA) が変える企業オペレーションとホワイトカラーのあり方 (KPMG Insight Vol.17/Mar 2016) 仮想知的労働者 (Digital Labor RPA) の日本企業への導入による今後のホワイトカラー業務の姿 (KPMG Insight Vol.19/Jul 2016) RPA(Robotic Process Automation) や AI(Artificial Intelligence) が実現する 働き方改革 と企業の生き残り戦略 (KPMG Insight Vol.22/Jan 2017) 仮想知的労働者 (Digital Labor RPA) が活躍する管理 運用体制のあり方 (KPMG Insight Vol.23/Mar 2017) デジタル時代のインバウンド顧客戦略 (KPMG Insight Vol.23/Mar 2017) 本稿に関するご質問等は 以下の担当者までお願いいたします KPMG コンサルティング株式会社パートナー田中淳一 TEL: ( 代表番号 ) Junichi.J.Tanaka@jp.kpmg.com 6 KPMG Insight Vol. 24 May 2017

8 KPMG ジャパン FSC マークをこちらに入れてください 本書の全部または一部の複写 複製 転訳載および磁気または光記録媒体への入力等を禁じます ここに記載されている情報はあくまで一般的なものであり 特定の個人や組織が置かれている状況に対応するものではありません 私たちは 的確な情報をタイムリーに提供するよう努めておりますが 情報を受け取られた時点及びそれ以降においての正確さは保証の限りではありま せん 何らかの行動を取られる場合は ここにある情報のみを根拠とせず プロフェッショナルが特定の状況を綿密に調査した上で提案する 適切なアドバイスをもとにご判断ください 2017 KPMG AZSA LLC, a limited liability audit corporation incorporated under the Japanese Certified Public Accountants Law and a member firm of the KPMG network of independent member firms affiliated with KPMG International Cooperative ( KPMG International ), a Swiss entity. All rights reserved. Printed in Japan KPMG Tax Corporation, a tax corporation incorporated under the Japanese CPTA Law and a member firm of the KPMG network of independent member firms affiliated with KPMG International Cooperative ( KPMG International ), a Swiss entity. All rights reserved. Printed in Japan. The KPMG name and logo are registered trademarks or trademarks of KPMG International.