第3章：セグメンテーションとパーソナライゼーション

パーソナライゼーションの取り組みは、平均で売上を10〜15%向上させ、業界によっては25%にまで達する。しかし、不都合な真実がある。実際にチャネルをまたいでパーソナライズされた体験を提供できると感じている企業は35%にすぎない。大半はいまだに全員に同じメールを送り続けている。

セグメンテーションの重要性を知っているだけと、実際にうまく実行することの間にある差——それが利益の源泉だ。しかもその差はかなり大きい。ほとんどのブランドはパーソナライズすべきだと知っている。ほとんどのブランドはセグメンテーションがより良い結果をもたらすと知っている。それでもほとんどのブランドが「セグメントを設定する時間がない」や「データが十分にクリーンでない」という理由でリスト全体に同じメールを送っている。どちらの言い訳も本質を外している。大雑把なセグメンテーション（顧客対非顧客、エンゲージメントあり対なし）でさえ、セグメンテーションなしを圧倒的に上回る。完璧なデータがなくても始められる。必要なのは始めることだ。

ファーストネームのパーソナライゼーションを超えて

Kath Pay（Holistic Email Marketingの創業者、Holistic Email Academyの共同創業者）は何年もこう言い続けている。「こんにちは{first_name}」で終わるパーソナライゼーションは実際にパフォーマンスを損なう可能性があると。彼女の研究結果は広く引用されるようになった。件名に受信者のファーストネームだけを入れて本文内容をパーソナライズしていないメールは、まったくパーソナライズしていないメールよりも効果が低い場合がある。名前は個人的な関連性への期待を設定するが、汎用的なコンテンツはその期待を満たせず、断絶を生み出す。

本物のパーソナライゼーションとは、コンテンツ自体が受信者に応じて変わることを意味する。異なるセグメントに異なる製品を見せるダイナミックコンテンツブロック。実際の行動に言及する件名。個人の習慣に最適化した送信時刻。ランダムなベストセラーではなく購入履歴に基づいた製品レコメンデーション。

数字もこれを裏付けている。顧客データでメールキャンペーンを強化すると、開封率が29%、クリック率が41%向上する。80%の顧客は、真にパーソナライズされた体験を提供するブランドから購入する可能性が高い。購入履歴に基づく製品レコメンデーションは、収益インパクトの観点でファーストネームのパーソナライゼーションを10〜20倍上回る。

影響の大きい順に並べた、パーソナライゼーションの階層を提案する。

1. 行動パーソナライゼーション。 閲覧履歴と購入履歴に基づいて製品を推薦する。直近の購入に言及する。ロイヤルティ tier を認識する。これが最も影響力の高いパーソナライゼーションだ。なぜなら実際に行ったことに基づいているからだ。
2. ライフサイクルパーソナライゼーション。 新規購読者、アクティブ顧客、VIP、リスク顧客に対して異なるコンテンツを提供する。各ステージには根本的に異なるメッセージとオファーが必要だ。
3. ダイナミックコンテンツブロック。 単一のメールテンプレート内で、セグメントのメンバーシップに基づいて異なる画像、製品、またはコンテンツセクションを表示する。1回の送信で多くのバリエーション。
4. 送信時刻のパーソナライゼーション。 各個人が最もエンゲージしやすい時間に配信する。主要なESPのほとんどがこれを提供している。
5. ロケーションベースのパーソナライゼーション。 現地の天気、現地のイベント、近くの店舗の場所、タイムゾーンに適したコンテンツ。
6. 名前と基本的な人口統計パーソナライゼーション。 名前の使用、誕生日のお祝い。より深いパーソナライゼーションへの追加としては良いが、それ自体では意味がない。

リストを順に進めよう。各レベルが価値を付加するが、上位3つが収益インパクトの大部分をもたらす。

セグメンテーションの種類

人口統計。 年齢、性別、収入、場所。基本的なもの。広いターゲティングには有用だが、それだけでは十分でない。地理的セグメンテーションにより、メッセージをローカライズし、場所固有のプロモーションを実施し、適切なタイムゾーンで送信できる。グローバルな視聴者に対しては、タイムゾーンのセグメンテーションだけで開封率を有意に改善できる。ニューヨーク時間の午前10時に送ったメールは、シドニーでは午前3時に届く。これが、誰かがスマートフォンを確認するころには14通の他のメールの下に埋まってしまう理由だ。タイムゾーン調整送信は多くのブランドが見落としている簡単な解決策だ。

行動。 人々が実際に何をするか。購入履歴、メールのエンゲージメント、ウェブサイトの閲覧、カートの放棄。ここに本当の優位性がある。行動トリガーメールは特定のアクションに合わせてタイミングを設定するため、本質的に関連性が高い。行動が新鮮なうちにメールが届くため、他のどのタイプのセグメンテーションよりも一貫して高いコンバージョン率を生み出す。

ライフサイクル。 ブランドとの関係においてどのステージにいるか。新規購読者は3年間の忠実な顧客とは異なるコンテンツが必要だ。顧客ライフサイクルセグメンテーションはこれを認識し、それに応じてメールを調整する。新規購読者はオンボーディングを受ける。アクティブな顧客はクロスセルとロイヤルティ報酬を受ける。離脱しつつある顧客はウィンバックキャンペーンを受ける。既に離脱した顧客は抑制前に最後の試みを受ける。各ステージには根本的に異なるメッセージ、トーン、オファーが必要だ。

ほとんどのブランドが追跡すべきライフサイクルステージ：

1. 見込み客（登録済みだが未購入）
2. 新規顧客（過去30日以内に初回購入）
3. アクティブ顧客（過去90日以内に複数回購入）
4. VIP（高頻度および/または高い金額）
5. リスク顧客（以前はアクティブだったが、エンゲージメントが低下している）
6. 休眠中（90〜180日間購入またはエンゲージメントなし）
7. 離脱（180日以上活動なし）

メールフローをこれらのステージにマッピングすれば、自然にすべての購読者にとってより関連性の高い体験が作られる。

サイコグラフィック。 ライフスタイル、興味、価値観、態度。取得が難しいが、持っていれば強力だ。ある購読者が持続可能性を気にしていることがわかれば、単に割引を押し付けるのではなく、エコフレンドリーな取り組みを強調できる。別の購読者が価格のみで動機付けられていることがわかれば、最高のお得情報をトップに持ってこよう。ゼロパーティデータ（以下で詳述）はサイコグラフィック情報を収集する最良の方法だ。クイズ、ウェルカムサーベイ、プリファレンスセンターの選択はすべて、行動から推測するよりも信頼性の高いサイコグラフィックシグナルを提供する。

RFM（直近性、頻度、金額）。 ダイレクトマーケティングから借用したフレームワークで、メールに見事に機能する。最後に購入した時期、頻度、使用金額で顧客をスコアリングする。これにより、異なる顧客タイプを異なる方法で扱う構造化された方法が得られる。Val Geisler（Fix My Churnの創業者）は、行動ベースのセグメンテーションを使用してチャーンを減らし、リテンションを高めることを中心とした実践全体を構築している。

RFM実施ガイド

RFM分析は複雑に聞こえるが、実装は簡単にできる。各顧客を3つの軸でそれぞれ1から5でスコアリングする。

直近性。 最後に購入したのはいつか？昨日購入した顧客は5を得る。8か月前に最後に購入した顧客は1を得る。

頻度。 購入頻度は？毎月購入する人は5を得る。1回だけ購入した人は1を得る。

金額。 いくら使うか？最も多く使う顧客は5を得る。最も少ない顧客は1を得る。

これらのスコアを組み合わせると、各顧客のプロファイルが得られる。主要なセグメントの扱い方：

正直なところ、シンプルなRFMは20%の努力で80%の価値を捉える。始めるために洗練されたスコアリングモデルは必要ない。最後の購入の直近性だけで3〜4グループに分けよう。

1. 過去30日以内に購入（アクティブ）
2. 31〜90日前に購入（ウォーム）
3. 91〜180日前に購入（冷えつつある）
4. 180日以上前に購入（コールド）

各グループを異なる方法で扱えば、すぐに結果が出る。より詳細な粒度が必要になったら、頻度と金額の軸を追加しよう。

Klaviyoを使用するeコマースブランドの場合、予測分析がこの作業の多くを自動的に行える。Klaviyoは各顧客の購入履歴に基づいて、予測次回注文日、予測生涯価値、チャーンリスクを計算する。SaaSおよびプロダクト主導型企業には、Veroが異なるアプローチを取る。データウェアハウス（Snowflake、BigQuery、PostgreSQL、Redshift）に直接接続し、本番イベントデータからセグメントを構築するため、メールセグメンテーションが常にユーザーが実際に製品で行うことと同期している。ESPが予測分析またはウェアハウスネイティブセグメンテーションを提供していない場合、上記で説明した手動4グループの直近性セグメンテーションが大部分の価値を捉える。

もう一つの実用的なメモ：RFMは複雑でなくても効果的だ。凝ったスコアリングモデルと重み付き数式でこれを過度に複雑にするブランドを見てきた。まず直近性だけから始めよう。それで結果が改善したら（する）、頻度を追加しよう。それでさらに結果が改善したら、金額を追加しよう。時間をかけて洗練を構築できるが、シンプルなバージョンは追加ツールや統合なしに今すぐ機能する。

ダイナミックコンテンツ

ダイナミックコンテンツを使えば、単一のメールテンプレートを作成し、データポイントに基づいて異なる受信者に異なるコンテンツを表示できる。1つのメールだが、百種類の異なるバージョン。セグメントAは製品Xを見て、セグメントBは製品Yを見て、セグメントCはケーススタディを見る。

これはメールマーケティングで最も強力なツールの一つだが、ほとんどの人が使っていない。米国の消費者の71%がブランドに体験をパーソナライズすることを期待している。76%は、されないと不満を感じる。

Backstrokeの顧客は、高度なセグメンテーションとダイナミックコンテンツを使用することで、平均して1回の送信あたり31%多くの収益を見ている。Brennan Dunn（RightMessageの創業者、This Is Personalの著者）は、同じメール内の異なるセグメントに異なる製品またはサービスを表示するダイナミックコンテンツブロックを実装することで、メール収益が15〜30%増加した具体的な例を共有している。重要な洞察：異なる人々に異なるメールを送ることだけが目的ではない。単一のメール内のすべての要素を読者に関連させることが目的だ。

ほとんどの現代的なESPは、条件ブロックを通じてダイナミックコンテンツをサポートしている。Klaviyoでは、プロファイルプロパティに基づいて表示/非表示ブロックを使用できる。ActiveCampaignでは、条件コンテンツブロックが同じことを実現する。Mailchimpでは、条件ロジックを持つマージタグが機能するが、設定は直感的ではない。ESPがネイティブでダイナミックコンテンツをサポートしていない場合、別々のセグメントを作成し、それぞれに同じキャンペーンのわずかに異なるバージョンを送ることで近似できる。作業は増えるが、パフォーマンスの向上が正当化する。

実用的な出発点：製品レコメンデーションセクションの2つのバージョンを作成しよう。非顧客にはベストセラーを表示し、既存顧客には購入履歴に基づいたパーソナライズされたレコメンデーションを表示する。すべてのプロモーションメールに適用されるこの単一のダイナミックブロックは、継続的な作業を最小限にして両グループの関連性を改善する。

ウォーターフォールセグメンテーション

知っておく価値のある技術：ウォーターフォールセグメンテーションは重要性に基づいてセグメントに優先度を付け、顧客が複数の重複するキャンペーンに入るのではなく、順番にセグメントを移動する。これにより、購読者が退会ボタンを押す「1日に3通のメール」問題を防ぐ。

仕組みはこうだ。セグメントの優先順位を定義する。複数のキャンペーンに適合する顧客は、最も優先度の高いものにのみ登録される。例えば：

1. カート放棄（最高優先度、最も時間に敏感）
2. 購入後フォローアップ
3. 閲覧放棄
4. ウィンバックキャンペーン
5. 通常のプロモーションキャンペーン（最低優先度）

カートを放棄した顧客が週次プロモーションにも適合する場合、プロモーションではなくカートメールを受け取る。カートシーケンスが完了すると、次に適合するキャンペーンの対象になる。

Jay Schwedelsonは、過剰接触がメールパフォーマンスの最大の破壊者の一つであることを一貫して強調している。ウォーターフォールセグメンテーションは一つの実用的な解決策だ。

ほとんどのESPにはウォーターフォール機能が組み込まれていないため、フローロジックを通じて実装する必要がある。基本的なアプローチ：誰かを新しいフローに登録する前に、すでに優先度の高いフローでアクティブかどうかを確認する。そうであれば除外する。優先度の高いフローを終了したら、次に適合するフローの対象になる。設定に時間がかかるが、購読者体験が混沌とした感じにならないよう防ぐ。

同じアイデアのシンプルなバージョン：グローバル頻度上限を設定する。適合するフローの数に関わらず、24時間以内に自動化メール1通とキャンペーンメール1通を超えて受け取らない。一部のESP（Klaviyo、Braze）はこれをネイティブにサポートしている。その他は条件フローステップで手動でロジックを構築する必要がある。

エンゲージメントスコアリング

エンゲージメントスコアリングは購読者のアクションにポイントを割り当て、時間をかけてそのポイントを減衰させ、各購読者がブランドとどれだけエンゲージしているかの継続的な指標を提供する。

始めるためのシンプルなモデル：

週10%の減衰率を適用する。先週のアクションは元のポイントの90%の価値がある。4週間前のアクションは約65%の価値がある。3か月前のアクションはほぼ無価値だ。

これにより、歴史的な行動ではなく現在のエンゲージメントを反映する動的スコアが作成される。スコアを使用して以下を決定する：

• 送信頻度。 高スコアの購読者はすべてのキャンペーンを受け取る。低スコアの購読者は最良のコンテンツのみを受け取る。
• コンテンツタイプ。 エンゲージメントが高い？クロスセルとアップセル。低い？再エンゲージメントと価値の高いコンテンツ。
• フロー適格性。 最小エンゲージメントスコア以上の購読者にのみ特定の自動化をトリガーする。
• サンセットタイミング。 スコアがゼロになった購読者はサンセットフローに移動する。

KlaviyoやActiveCampaignなどほとんどのESPにはエンゲージメントスコアリングが組み込まれている。そうでない場合は、最終クリックの直近性に基づくセグメントルールで近似できる。

エンゲージメントスコアリングの重要点は、シンプルなセグメントができない方法で直近性を考慮することだ。6か月前に5つのリンクをクリックしたが、それ以来何もしていない購読者は、総クリック数が高くても、エンゲージしていない。昨日1つのリンクをクリックした購読者は、総数が低くても、非常にエンゲージしている。減衰メカニズムがこの区別を捉える。減衰がなければ、現在のエンゲージメントではなく歴史的な興味を測定していることになる。

エンゲージメントベースの送信

これは、ほとんどのブランドが実施できる最も簡単で最もインパクトのある最適化の一つだ。すべてのキャンペーンをリスト全体に送信するのではなく、エンゲージメントレベルで送信を層分けする。

層1：過去30日以内にクリック。 最もエンゲージしている購読者。送信するすべてのキャンペーンを受け取る。

層2：過去60日以内にクリック。 まだエンゲージしているが、毎日読む人ではない。ほとんどのキャンペーン、おそらく送信の75%を受け取る。

層3：過去90日以内にクリック。 離脱の兆候を示している。最良のコンテンツのみ、おそらく送信の50%を受け取る。

層4：90〜180日間エンゲージなし。 再エンゲージメントフローに移動させる。通常のキャンペーンは送信しない。

層5：180日以上エンゲージなし。 サンセットフロー。頻度を下げ、再エンゲージメントを試み、その後抑制する。

注記：Apple MPPの開封率信頼性への影響から、ここではクリックベースのエンゲージメントを意図的に使用している。

エンゲージメントベースの送信からの結果は常に良好だ：

• 開封率が15〜30%改善（開封する人々により多く送信するため）
• スパム苦情が20〜40%減少（望まない人々への送信が減るため）
• 総収益の変化0〜5%（多くの場合、中立またはプラス。エンゲージしたセグメントの配信可能性の改善が、非エンゲージ層への送信削減を補って余りあるため）

最後のポイントが人々を驚かせる。総メール数を減らし、収益は同じかむしろ増える。メカニズムは単純だ。より良いエンゲージメントシグナルはより良い受信トレイへの配置につながり、重要な人々のところにメールが実際に届くことを意味する。

私はSmartrMailの多くの顧客でこのパターンを見てきた。ブランドが「全員に全てを送信」からエンゲージメントベースの層に切り替えると、4〜6週間以内に全体のドメイン評判が改善し、受信トレイ配置率が上がり、収益は横ばいか増加する。唯一のコストは、エンゲージメントセグメントを作成し、送信ワークフローを調整するための少量の設定時間だ。

このチャプターから一つだけ実装するなら、エンゲージメントベースの送信にしよう。最も信頼できるペイオフのある最も簡単な最適化だ。

ゼロパーティデータ収集

ゼロパーティデータは、購読者が自発的かつ積極的に提供する情報だ。推測データ（クリックに基づいて誰かが何を好むかを推測する）とは異なり、ゼロパーティデータはソースから直接得られる。より信頼性が高く、購読者は推測されるのではなく尋ねられることを評価する。

ウェルカムサーベイの質問。 ウェルカムシリーズ（メール2または3）で、1つのセグメンテーション質問をする。Brennan Dunnの特徴的な技術：新しい購読者に自分の役割、最大の課題、または何を求めているかを自己識別するよう依頼する。回答を使用してタグ付けしてセグメント化する。このシンプルなステップにより、コンテンツが具体的に関連性を持つようになるため、その後のメールシーケンスのコンバージョン率が2倍になり得ると報告している。

プリファレンスセンター。 購読者が興味のあるコンテンツトピックと受け取りたい頻度を選択できるようにする。選択肢を与えられると、「退会」をクリックした人の20〜30%が代わりに好みを調整する。それは保持される購読者の意味のある数だ。

クイズ。 「あなたはどのタイプの[X]ですか？」に続いてパーソナライズされた結果のためのメールキャプチャ。InteractやTypeformなどのツールで簡単に構築できる。クイズ形式は完了率が高い。なぜなら人々は自分がどのように分類されるかについて自然に好奇心を持つからだ。

購入後アンケート。 「購入を決めた理由は何ですか？」または「これを何に使いますか？」により、サイコグラフィックと使用事例データが得られ、より良いレコメンデーションとコンテンツが可能になる。

ゼロパーティデータの推測データに対する利点は精度だ。持続可能性を気にしていると教えてくれる人は確実にそれを気にしている。持続可能性関連の製品を1つクリックした人は単に閲覧していただけかもしれない。自己申告データはパーソナライゼーションにより信頼性が高い。

ゼロパーティデータには信頼の優位性もある。購読者に直接尋ねると、自分のデータをコントロールしていると感じる。伝えずに行動から推測すると、侵入的に感じる可能性がある。尋ねること自体が信頼を構築する。「関連するコンテンツを送りたいので、何を気にしているかを尋ねています。」ほとんどの人はこのメッセージに肯定的に反応する。

プリファレンスセンター

プリファレンスセンターは特にメールマーケティングで最も活用されていないツールの一つなので、詳しく述べたい。

プリファレンスセンターは、購読者が完全に退会するのではなく、受け取る内容を調整できるページだ。通常、選択できるのは：

• コンテンツトピック（製品アップデート、教育コンテンツ、セールとプロモーション、会社ニュース）
• メール頻度（毎日、毎週、毎月、必需品のみ）
• フォーマット設定（HTMLとプレーンテキスト、ただし今はあまり一般的でない）

プリファレンスセンターに関するデータは説得力がある。購読者が「退会」をクリックしてプリファレンスセンターを見ると、20〜30%が完全退会の代わりに好みを調整する。これはリストチャーンの直接的な削減だ。

しかし、より大きなメリットは収集するデータだ。購読者が製品アップデートのみを望み、プロモーションメールは不要と教えてくれると、永久にセグメント化するためのゼロパーティデータが手に入る。体験が改善し（求めるものだけを受け取る）、エンゲージメント指標が改善し（開封してクリックする可能性が高い）、関係が強化される（コントロールしていると感じる）。

スケールでのセグメンテーション（100K以上のリスト）

このチャプターの内容はすべてリストサイズに関係なく適用される。しかし、100,000人以上の購読者に送信するブランドは、小さなリストが直面しないような特定の課題に直面する。スケールでは、ミスはより速く複合し、受信トレイプロバイダーはより厳密に精査し、セグメントの管理の運用上の複雑さが大幅に増加する。

エンゲージメント層システムが交渉不可能になる。 100K以上のコンタクトでは、全リストにすべてのキャンペーンを送信することは積極的に有害だ。ドメイン評判を使い果たし、Gmailのフィルタリングをトリガーし、数週間以内に受信トレイ配置率が低下するのを見ることになる。エンゲージメントベースの層（このチャプターの「エンゲージメントベースの送信」で扱った）を最初の優先事項として実装しよう。最低限、リストを3層に分離する：30日間エンゲージ、60日間エンゲージ、90日以上非アクティブ。30日間エンゲージセグメントのみがすべてのキャンペーンを受け取るべきだ。

サンセットポリシーは計画するだけでなく、実施する必要がある。 スケールでは、非アクティブな購読者を維持するコストは実質的だ。100,000人リストの10%は、ゼロの収益を生成しエンゲージメントを積極的に害する10,000のコンタクトに対して支払っていることになる。自動抑制を実装する：ゼロエンゲージメント（開封なし、クリックなし）の120日後、購読者を専用の再エンゲージメントフローに移動させる。再エンゲージメントフローが応答なしで完了したら、すべてのマーケティング送信から抑制する。四半期ごとにレビューし、真に無効なコンタクトを年1回削除する。

スケールでの頻度管理は自動化が必要で、手動監視では不十分だ。 同じ購読者ベースを対象とした複数のチームメンバー、製品ライン、キャンペーンタイプが存在する場合、ガードレールなしに過剰接触は不可避になる。頻度上限を実装する：購読者は1日に1通以上のマーケティングメールを受け取らず、理想的には1週間に4〜5通以下。一部のESP（Klaviyo、Braze）はグローバル頻度上限を通じてこれをネイティブにサポートしている。その他はフロー条件にロジックを構築する必要がある。

送信スロットリングが重要だ。 100,000通のメールを同時に送信すると、受信トレイプロバイダーが気づく。ESPのスロットリング設定を使用して、1〜2時間にわたって送信を広げよう。これにより、レート制限をトリガーする可能性が減り、リスト全体がメールを受け取る前に問題（壊れたリンク、レンダリングの問題）を発見する時間が得られる。

人口統計だけでなく、エンゲージメントとライフサイクルでセグメント化する。 大きなリストは、精巧な人口統計セグメント（年齢＋場所＋性別＋購入カテゴリ）を作りたくなる誘惑をもたらす。各セグメントを統計的に意味のあるものにするボリュームがない限り、これに抵抗しよう。100Kリスト内の200人のセグメントはセグメントではなく、丸め誤差だ。最も高い収益インパクトのある次元にセグメンテーションを集中させよう：エンゲージメントレベル、購入の直近性、顧客生涯価値 tier、製品カテゴリの興味。

テストはスケールでより強力になる。 100K以上の購読者がいれば、積極的にテストするためのサンプルサイズがある。リストの5〜10%でA/Bテストを実行し、残りの90〜95%に勝者を適用する。日ではなく時間で統計的有意性を達成できる。この優位性を使って、件名、送信時刻、オファー構造、コンテンツ形式を体系的にテストしよう。スケールでは、100K購読者のクリック率2%改善が意味のある増分収益を生み出す。

ISPごとにメール到達率を監視する。 高ボリュームでは、Gmail、Yahoo、Outlookとのレピュテーションが分岐する可能性がある。Gmailで優れた受信トレイ配置率を持ちながらYahooによってスロットリングされる場合がある。Google Postmaster ToolsとMicrosoft SNDSを使用して、各プロバイダーを独立して監視しよう。あるプロバイダーの指標が低下した場合、全体的なプログラムを変更せずに、そのプロバイダーへの送信を具体的に調整できる。

購読者生涯価値

購読者の生涯価値を理解することで、獲得支出、コンテンツ投資、リテンション努力についてより良い決断を下すのに役立つ。基本的な計算：購読者1人あたりの月次平均収益に月単位の平均購読者寿命を掛けたもの。シンプルだが、ほとんどのブランドが行っていない。

獲得ソース別にLTVを追跡する。オーガニック検索からの購読者は、有料Facebookキャンペーンからの購読者とは全く異なるLTVを持つ可能性がある。この分析を初めて行った後に獲得予算の40%を再割り当てしたビジネスを見てきた。第9章では、LTV計算、獲得コストのベンチマーク、および達成すべきLTV:CAC比率について詳しく説明している。