メルマガ登録
昨今はDXやデジタル化が進んだことにより、リアルタイムでのデータ収集と分析が可能になり、より精密なターゲティングとパーソナライズが可能になりました。
複数のチャネルを一元的に管理するツールによって、チャネル間で一貫性を保った施策ができるようにもなり、非常に便利な環境になったと感じます。
一方で、便利な環境になったからこそ、業務多忙で疲弊するマーケティング担当者をよく目にするようになりました。
そしてそのようなマーケティング担当者は、今の多忙な状態がなぜ続いているのかを客観的に分析する時間も取れないような状況です。
そこで本記事では、何がマーケティング担当者を多忙にしているか、どうして多忙な状態が広範囲にわたり解消されないままになっているのかを分析し、その解決策について議論したいと思います。
マーケティング担当者の方が少しでも気づきを得て、改善への糸口を見つけていただければ幸いです。
DXやデジタル化が進んだことで、マーケティング施策の質は飛躍的に向上し、実施できる施策の量も増えました。
現代のマーケティングツールは高度な分析機能を備えており、マーケティング担当者は顧客分析や施策効果の把握を容易にできるようになりました。
多様かつ大量のデータを溜めて処理することも容易になり、AIや機械学習の力を使えば、どの顧客がどの製品に興味を持ちやすいかを予測することも可能です。
マーケティングオートメーションツールによって繰り返し行う作業や複雑なプロセスが自動化されるようにもなりました。
クロスチャネルキャンペーンマネジメントツールは複数のチャネルを一元管理でき、オムニチャネル戦略や施策実行をより強固なものにしました。
これらの進歩により、マーケティング担当者はかつてないほど質の高い多くの施策を実施でき、施策の効果測定も容易になったため、PDCAサイクルを高速に回すことができるようになったのです。
マーケティング担当者は、企業のマーケティング戦略を立案してターゲット市場を攻略する施策を立案、実行します。そして、その効果を振り返りまた次の施策を練り直すPDCAサイクルを回します。PDCAのサイクルを回すことは今も昔も変わりませんが、その内容は異なっています。
マス型マーケティングの時代にはテレビやラジオ、新聞などの大衆メディアを用いて「万人にささる魅力的なコンテンツを創造すること」が求められました。
広告やキャンペーンなどプロモーション活動の計画を立て、テレビ、ラジオ、新聞、雑誌などのマス媒体を活用してプロモーション活動を実施します。視聴率、読者数、アンケート調査などを用いて活動の評価を行い、成功した点や改善が必要な点を明らかにして更に魅力的なコンテンツを創造するというサイクルを回していました。
一方、現在のパーソナライズド型のマーケティングでは「ひとり一人にパーソナライズされたコンテンツを訴求すること」が求められます。
現代の消費者の行動やニーズは多様化しており、マーケティング担当者はターゲットを細分化し、それぞれの顧客セグメントに合わせた戦略を立てる必要があります。また、消費者一人ひとりの嗜好や行動パターンを詳細に把握した上での施策立案が求められるようになりました。
また、ECサイトやオフライン店舗などの複数の販売チャネルおよびEメール、LINE、アプリ、ソーシャルメディア、オンライン広告などの多様なコミュニケーションチャネルが存在するため、チャネル間で整合の取れた施策を実現できるように統合的にチャネルを管理することも求められるようになっています。
現代の多様化する消費者の行動やニーズに対応するためにデータドリブンなアプローチをする場合には、マーケティング担当者は様々な実務をこなす必要があります。
まず、データ基盤の整備が必要です。データを収集し蓄積する基盤が無いと、データ活用や分析ができません。そこに顧客データを収集して加工し、BIツールやマーケティングツールを使って可視化や分析を行い、顧客への理解を深めていきます。
次に、施策の立案や実施にあたっては、社内にどのようなデータやシステム、マーケティングツールが存在しているかを把握して、施策のフィージビリティを確認しなければなりません。施策の実現に足りない機能があれば、マーケティングツールの導入検討が必要になる場合もあるでしょう。
さらにはターゲットのボリューム試算も必要です。常に投資対効果は問われますので、見込める効果(売上など)のシミュレーションもしておく必要があるでしょう。
マーケティングメールやLINEを配信する場合はマーケティングオートメーションツールの設定が必要になり、日々の運用もこなしていかなければなりません。
加えて、施策を実施した後には効果測定を行う必要があります。
適切な効果測定をするためには効果測定の設計が必要で、効果測定に必要なデータを収集する必要もあります。評価をしやすくするために、BIツールやマーケティングツールを使って可視化をすることも必要になってくるでしょう。
このように、データドリブンマーケティングではマーケティング担当者の実務は挙げればきりがないほど多岐に渡ります。
行う実務の範囲が広がれば、それに伴って必要なスキルも多岐に渡ります。
データ分析のためのSQLやPython、マーケティングオートメーションツールの設定操作、デジタル広告プラットフォームの運用スキルなど挙げればきりがありません。
データ操作の言語やマーケティングツールを理解していれば良いだけではなく、一連の実務を管理遂行するマネジメントスキルも必要です。
また、データ管理やマーケティングツールの導入運用などにおいては、IT部門やDX部門、ITベンダーとの連携が不可欠です。マーケティング担当者は、技術的な知識を持ってIT部門やDX部門、ITベンダーと円滑にコミュニケーションをするスキルが求められます。
もちろん、大前提として従来から求められている魅力的なコンテンツを創造するクリエイティビティも欠かせません。
DXやデジタル化によって利便性が高まったことは言うまでもありません。しかしその恩恵を受けるためには、多様な役割を果たし、多岐に渡る実務をこなす必要があります。
当然、多様な実務をこなすためには多様な技術スキルも必要です。そうして、マーケティング担当者の業務の質や量は大きく変化して負担は増えることとなり、結果として多忙になるわけです。
マーケティング担当者は多くのことを求められ、その負担が非常に大きいことはこれまで論じてきた通りです。マーケティング担当者が全てを担うのに無理があることは、マーケティング部門もマーケティング担当者自身も薄々分かっていると思います。
そのため、マーケティングのコンサルタントや広告代理店、SIerやマーケティングツールベンダーなど、多くの専門家の支援を受けています。
しかしそれでもマーケティング担当者への負担が大きい状態がなぜ続いているのか、ここがこの記事の要点であり大きなポイントです。
先に結論から言うと、理由は「データドリブンなアプローチを取る場合に必要な実務を網羅的に支援する企業が無いため」です。
そのためマーケティング担当者はいろいろなパーツをかき集めてつぎはぎをして、それでも足りない部分は無理をして自身で補うということをしているのです。
例えば、コンサルティング会社はマーケティング戦略の立案やKPIの設計などは他社事例など豊富なナレッジを生かして有効なアドバイスをしてくれます。しかしマーケティング施策のフィージビリティ確認はしてくれないでしょう。
SIerのITコンサルタントやデータエンジニアはデータガバナンスやセキュリティを意識した安全で高品質なデータ活用環境を提供してくれます。一方でマーケティング戦略を展開するまでの顧客セグメントの可視化や顧客分析の支援などはスコープ外であることが多いです。
広告代理店は訴求力の高いマーケティング企画や施策の立案をしてくれますが、マーケティングオートメーションツールの設定や運用はしてくれないのではないでしょうか。
マーケティングツールベンダーであれば、マーケティングオートメーションツールの導入から設定まで支援してくれるかもしれませんが、社内のシステムとのデータ連携や機能分担の設計となると、そこまでは対応してくれないものです。
そのため、マーケティング担当者は業務の隙間を埋めるために多くの作業を自らが引き受けています。
もちろんコンサルティング会社やSIer、広告代理店、マーケティングツールベンダーが得意なところはうまく任せています。
しかし、依頼する実務がそれぞれのベンダーの範囲外や専門外であることも多く、無理にお願いをして品質の良くないアウトプットになったり、何度もやりとりが発生してコミュニケーションコストがかさんだりという状況が多々あります。
各領域の専門家を活用して、足りない部分をマーケティング担当者が補いながら、「効率的でないことに薄々気が付きつつも何とか目の前の実務を必死でやっている状況」だと考えています。
非効率でも無理をすればギリギリまわってしまうことが、マーケティング担当者を多忙さに追い込んでいる要因であると分析しています。
DXやデジタル化が進んだマーケティング環境では、全ての実務をマーケティング担当者が行うことは難しく、コンサルティング会社や広告代理店、SIer、マーケティングツールベンダーなどの多くの専門家の支援を受けて業務を回しています。
それでもデータドリブンなアプローチを取った場合には多数の実務が存在し、マーケティング担当者として最も注力したい実務以外の様々な技術的なタスクや他部門とのコミュニケーションに時間を費やすことが多くなっています。
これがマーケティング担当者を多忙にし、疲弊させていることは先に記述の通りです。
ではこのような状況から脱却し、効率的なマーケティング活動を行っていくためには何が必要でしょうか。
私はまずこの状況をマーケティング担当者やマーケティング組織が正しく認識することだと思います。上述したような実務を全て網羅的に遂行できるマーケティング組織は稀です。自組織のケイパビリティとして何が足りていて、何が足りていないかを把握して、足りていないことでどの部分に非効率が発生しているかを整理することが必要です。その上で技術的な実務や間に落ちる実務をどうカバーしていくかを考えることが重要です。
コンサルティング会社、SIer、広告代理店、マーケティングツールベンダーにはそれぞれ得意分野があり、適切な業務を依頼することが重要です。
各ベンダーはそれぞれ専門的な知識とスキルを持っていますが、全てのマーケティング業務に対応できるわけではありません。
スコープ外の業務を強引に依頼して結果的に非効率な状態に陥らないように、依頼側として、各ベンダーの強みや対応できる範囲を明確にし、適切な業務を依頼できるようにしておくことが大切です。
コンサルティング会社 | Sler | 広告代理店 | ツールベンダー | Brainpad 業務支援サービス | |
---|---|---|---|---|---|
データ基盤整備 | × | ◎ | × | × | △ |
顧客データ収集・加工 | × | 〇 | × | × | 〇 |
顧客セグメント可視化 | 〇 | × | △ | × | 〇 |
社内システム・ツール理解 | × | × | × | △ | 〇 |
マーケティングツール導入 | × | × | △ | ◎ | 〇 |
施策フィージビリティ確認 | × | × | △ | △ | 〇 |
対象者のボリューム確認 | × | × | △ | △ | 〇 |
ターゲットリスト作成 | × | × | △ | △ | 〇 |
マーケティングツール設定 | × | × | △ | △ | 〇 |
効果測定方法設計 | 〇 | × | △ | △ | 〇 |
効果測定データ収集・加工 | × | 〇 | × | × | 〇 |
施策結果可視化 | 〇 | × | △ | △ | 〇 |
マーケティング部門にテクノロジーに特化したサポートチームを設けることも有効だと考えます。マーケティング部門を2チームで構成するイメージです。
ひとつはデータを基にマーケティング戦略や施策を立案し、訴求内容を検討するマーケティング担当者のチームです。もうひとつはマーケティング担当者が戦略や施策の立案に注力できるように、テクノロジー面でのサポートに特化したチームです。
マーケティング部門内にテクノロジー面のサポートに特化したチームを設けるため、統一されたミッションのもとで両チームがそれぞれ得意な業務を行い、効率的に業務を進行することができると考えています。
テクノロジー面でのサポートに特化したチームについては、社内で専門の人材を育成して構成しても良いと思いますし、それらの実務を包括的に対応してくれる企業に支援を依頼しても良いと思います。
私たちは、マーケティング担当者が疲弊する現状を目の当たりにして、その原因を突き止め、円滑なマーケティング活動を進めていくための方策や支援について考えてきました。
マーケティング担当者や関連ベンダーがそれぞれの得意領域に集中できる環境を整えれば、マーケティング担当者の状況が改善することはもとより、関連ベンダーも無理に範囲外の実務をせず、効率的に業務を進めることが可能になると考えています。
PDCAのサイクルがスムーズに回るようになることで、業務のスピードは向上し、マーケティングリソースを最適に配分することができます。それによってビジネス機会はどんどん広がっていきます。
テクノロジーやコミュニケーションのギャップに悩ませられることなくマーケティング担当者がより戦略的な判断に集中できるようにすることを私たちは支援したいと考えています。
もし今の状況を改善したい、もっと効率化できるかなど興味を持っていただける方がいらっしゃれば、ぜひ私たちにご相談ください。今回の記事が、皆さまの何らかの気づきや前進につながれば幸いです。
高度なスキルが求められ、多岐にわたる実務をこなすことを求められる現代のマーケティング担当者。
この資料では、マーケティング担当者が抱える、主に技術的な課題とその処方箋を探りながら、「データマーケティングサポートサービス」の内容をご案内します。
あなたにオススメの記事
2023.12.01
生成AI(ジェネレーティブAI)とは?ChatGPTとの違いや仕組み・種類・活用事例
2023.09.21
DX(デジタルトランスフォーメーション)とは?今さら聞けない意味・定義を分かりやすく解説【2024年最新】
2023.11.24
【現役社員が解説】データサイエンティストとは?仕事内容やAI・DX時代に必要なスキル
2023.09.08
DX事例26選:6つの業界別に紹介~有名企業はどんなDXをやっている?~【2024年最新版】
2023.08.23
LLM(大規模言語モデル)とは?生成AIとの違いや活用事例・課題
2024.03.22
生成AIの評価指標・ベンチマークとそれらに関連する問題点や限界を解説