メインコンテンツへジャンプ

Unlocking the Power of Retail Media Networks: How Data-Driven Advertising is Changing the Retail Promotions Landscape

翻訳: junichi.maruyama 

薄利多売と顧客獲得競争の激化により、小売業者は常に新しい収益化の方法を模索し、時代の先端を走っています。CPG企業がより柔軟で消費者をターゲットにすることを求める中、従来はトレードプロモーションに費やされていたマーケティング予算は、FacebookやGoogleなどのデジタル広告に一部移行しています。

このような販促費のシフトは、小売業者の犠牲の上に成り立っています。米国では、FacebookとGoogleがデジタル広告費全体の50%近くを占めています。しかし、アマゾンは2012年に独自のリテール・メディア・ネットワーク(RMN)を設立してこれに挑戦し、販促費を小売業のエコシステムに戻しました。このように、新しいテクノロジーとデータアクセスおよび測定の向上を中心に、リテールメディアへの関心が非常に高まっています。マッキンゼーでは、リテールメディアの広告費は2026年までに約450億ドルから1,000億ドル以上に成長すると予測し、この分野での力強い成長を予測しています。

トレードプロモーションの基礎の上に

何十年もの間、消費財メーカー(CPG)は、小売店での消費を促進するために、トレード費(しばしばトレード・プロモーションと簡略化される)だけに頼っていました。貿易資金は、小売環境において自社製品を促進するためのプロモーション活動、割引、その他のマーケティング支援に費やされました。これには、メーカーやブランドが小売業者に自社製品の取り扱いや販売促進を促すために発生する、トレードプロモーション、トレードアローズ、スロッティングフィー、その他のトレード関連費用など、様々なトレード関連費用が含まれていた。トレード関連費用は、多くのCPGにとってマーケティング予算の大部分を占めており、一般的に最大のプロモーション費用となっています。

トレード・プロモーションの活用には、特に柔軟性に関わる課題があります。トレード・プロモーションは、計画、実行、測定が複雑で、その結果、柔軟性に欠けることがあります。販売促進費を管理するには、時には5ヶ月先まで小売業者と慎重に調整する必要があります。価格割引やプログラムの交渉に加え、販促物や看板への掲載、販促用ディスプレイの発送や店舗への設置などの審査が行われます。これには時間とリソースがかかり、トレードプロモーション管理システムやプロセスへの多大な労力と投資が必要となります。

このような柔軟性のなさから、消費財メーカー各社は、トレードプロモーションから資金を流用し、より柔軟で測定可能なデジタル広告への投資を増やしています。デジタル広告は事前の交渉が不要で、プロモーションの期間中も調整することができます。

COVIDはこのシフトを加速させました。オンラインでの買い物が増えた消費者は、従来の店頭での販売促進への反応が鈍くなり、消費財メーカーのROIが低下していました。

消費財メーカー各社は現在、商品の認知度向上、オンライン販売の増加、ブランドプレゼンス向上のため、取引費用の一部をデジタル広告に振り向けています。デジタル広告は、これらのブランドにとって大きな進歩ですが、まだ限界があり、小売業者の犠牲の上に成り立っています。

リテールメディアネットワークの台頭

小売メディアネットワークは、このスペースに参入し、絵を完成させました。リテール・メディア・ネットワーク(RMN)とは、小売業者が所有・運営するデジタル広告のエコシステムである。RMNは、買い物客にターゲット広告を表示することで、小売業者が自社のモバイルアプリケーションやEコマースサイトを完全にコントロールしながら収益化することを可能にする。小売メディアネットワークは通常、ディスプレイ広告、スポンサー付き商品リスト、ネイティブ広告、その他のタイプのオンライン広告など、さまざまなタイプの広告フォーマットを提供します。これらの広告は、小売業者のウェブサイト、モバイルアプリ、検索結果、その他の関連するオンラインチャネルなど、小売業者のデジタル資産に表示されます。RMNに最も多く掲載されている広告主は?消費財メーカーで、一般的な広告支出額としては最大規模に属します。

RMNはこの分野で、従来の広告ネットワークよりもかなり有利な立場にあります。小売業者は、自社の顧客データとオンライン・プラットフォームを活用することで、ブランドや広告主に対して、高度にターゲット化され、パーソナライズされた広告機会を提供することができるのです。従来のデジタル広告ネットワークは、一般的な関心や充実したデータに基づいて買い物客をターゲティングすることができますが、購入履歴に基づくターゲティングや、クリックから購入までを示す閉ループを提供することに苦戦しています。RMNは、デモグラフィック、以前に見た広告やエンゲージメントなどのブラウジング行動、実際の購入履歴などの顧客プロファイルに基づいて、個人もターゲティングできます。RMNは、消費財メーカーが実際に購入する可能性のある個人をより正確にターゲティングすることを可能にします。

広告主にとってのメリットは、ターゲティングにとどまりません。従来のデジタル広告の計測は、ユーザーが商品へ誘導するページをクリックした時点(またはその数歩先)で終了するが、広告を見た人が実際に商品を購入したかどうかは把握できない。RMNは、消費財メーカーが、どの買い物客が広告を見たか、どの買い物客が興味を持ったか、どの買い物客がカゴに入れたか、どの買い物客がカゴを捨てたか、そして最終的に誰が商品を購入したかを知ることができる。消費財メーカーが最終的に関心を持つのは、自分たちの投資が売上増につながったことを知ることである。このように詳細な情報を得ることで、広告主はプロモーションのROIを正確に把握することができるのです。

小売メディアネットワークは、小売業者が新たな収益源やオンラインプレゼンスを収益化する方法を模索する中で、近年注目を浴びています。多くの小売業者は薄利多売で、収益性を確保するために貿易資金に依存している。従来の広告ネットワークとは異なり、RMNは、小売業者が60%以上のマージンで広告収入の100%を獲得することを可能にします。また、RMNの購買履歴は精度が高く、広告主は購入する可能性の高い買い物客に焦点を当てることができるため、広告主はプレミアムな広告料金を支払うことになり、小売業者はさらに助かります。

 

Traditional Trade Promotions

Digital Ads

Retail Media Networks

Timing

Scheduled months in advance

Scheduled weeks in advance, adjusted in flight.

Scheduled weeks in advance, adjusted in flight.

Targeting

Targeted at the retailer or store level

Targeted to the individual based on interests

Targeted to the individual based on past purchases

Measurement & Attribution

Limited to sales measurement

Performance based on gross sales for period

Able to measure impressions, engagement (clicks)

Able to measure impressions, engagement, abandoned basket and purchases.

Best use

Best at in store promotion

Best at driving top of funnel awareness

Best at middle of funnel engagement

リテールメディアネットワークは、小売業者と消費財メーカー双方にとって、小売業者は追加収入を得ることができ、ブランドはターゲット顧客に到達するための非常に効果的で適切な広告チャネルを提供することができるという、Win-Winの状況を提供します。最終的には、広告主は、デジタル広告、伝統的な広告費、さらにリテール・メディア・ネットワークのハイブリッド・ミックスを使用し続けることになるでしょう。

リテールメディアネットワークの運営方法

リテールメディアネットワークは、Eコマースプラットフォーム、オンラインマーケットプレイス、人気のあるウェブサイトやモバイルアプリを持つ小売業者など、オンライン上で大きな存在感を持つ大規模小売業者によって運営されることがあります。リテール・メディア・ネットワークは、小売業者が所有・運営するデジタル広告エコシステムで、ファーストパーティデータに基づいて顧客にターゲット広告を表示することで、自社のオンライン資産を収益化することができる。

RMNは、消費財メーカーが小売業者のウェブサイトやモバイルアプリ、あるいは店舗内のデジタルディスプレイなどのデジタル資産内の広告スペースに入札できるようにすることがその中核となります。消費財メーカーは、このプラットフォームを利用して、過去の購買行動、購買頻度、ブランドや商品の親和性、人口統計情報、閲覧履歴など、さまざまな要因に基づいて顧客をターゲティングすることができます。買い物客やその行動に関する情報が豊富であればあるほど、広告主にとってより良い結果をもたらすことができます。

例えば、ある食料品店チェーンが、食料品を宅配またはピックアップするために購入できるオンラインプラットフォームを運営しているとします。その食料品店のRMNを通じて、CPGブランドは、顧客の閲覧行動や購入履歴に基づくターゲット広告を表示することができます。例えば、最近粉ミルクを購入したお客様には、CPGブランドのオムツやその他のベビー用品のターゲティング広告が表示されるかもしれません。あるいは、顧客が特定のブランドに対して高いブランド親和性を持っている場合には、広告から除外されることもある。トレードスペンディングや従来の広告では、ブランドは多額の広告費をかけて広告を表示し、広告を見た人のうち、ごく一部の人がその商品を必要とすることを期待する。RMNでは、広告主は自分たちの費用が効率的に使われていることを確信することができる。

広告枠が購入されると、RMNはターゲットとなる消費者への広告配信を追跡し、誰が広告を配信され、誰が広告に関与したかなどを記録する。クリックストリームと購入データは、誰が商品をカゴに入れたか、そして誰が購入に至ったかを追跡するために使用されます。

このようなデータ収集により、広告主は、他のプロモーションチャネルと比較して、特に広告効果に関する豊富な情報を得ることができます。

 

Traditional Trade Promotions

Traditional Digital Advertising

Retail Media Networks

Media Delivery & Engagement

   

Impressions

No

Yes

Yes

Click through rate (CTR)

No

Yes

Yes

Video Views

No

Yes

Yes

Completion %

No

Yes

Yes

Viewability

No

Yes

Yes

Fraud

No

Yes

Yes

Shopping Behaviors

   

Coupon offers

Yes

No

Yes

Coupon redemptions

Yes, gross

No

Yes, individual

Cart adds

No

No

Yes

Conversion

   

Attritributed Sales

Yes, gross

Projection

Yes, individualized

Return on Ad Sales

Yes, gross

Projection

Yes, individualized

% New Buyers

No

No

Yes, individualized

Sales Lift

Yes, gross

Projection

Yes, individualized

Incremental ROAS

Yes, gross

No

Yes, individualized

Added Value

   

Distribution

Yes

No

Yes

Display & Merchandising

Yes

No

No

Relationship

Yes

No

Yes

RMNは、小売業者が自社の顧客データを収益化し、広告主に高度なターゲティング広告ソリューションを提供することの潜在的価値を認識したため、近年ますます人気が高まってきています。Amazon、Walmart、Target などの世界最大の小売業者が独自の RMN を設立し、急速にデジタル広告の主要なプレーヤーとなりました。

RMN は独占的に使われているわけではありません。ほとんどの消費財メーカーは、価格プロモーションや店頭での活動、棚にある商品の在庫を確保するために従来の取引費用を活用していますが、トップ・オブ・ファネルの認知度を高めるためにデジタル広告を利用したり、こうした他の活動を補強するためにRetail Media Networksを利用することも増えてきています。販売促進が期待された数字に達しない場合、リテールメディアネットワークを利用することで、広告主は認知度を拡大するためにリアルタイムで調整を行うことができます。

データこそ、リテールメディアネットワーク成功の秘訣

小売メディアネットワークは、ブランドが自社製品を購入する可能性が最も高い買い物客を正確に特定することができたときに成功します。

効果的なデータ管理は、消費財メーカーがより効果的に広告のターゲットを絞り、適切なオーディエンスに適切なタイミングでリーチできるようにするため、RMNにとって重要です。RMNは、小売業者が収集する、購入履歴、閲覧行動、人口統計情報など、顧客に関する膨大なデータを利用して、高度にターゲット化された広告キャンペーンを作成します。これにより、RMNは、顧客の行動や嗜好に関する深い洞察を広告主に提供し、よりパーソナライズされた適切な広告を作成するために使用することができます。

例えば、広告主がペット用品などの特定の商品カテゴリーに興味のある顧客をターゲットにしたい場合、RMNは顧客の過去の購買行動や閲覧履歴のデータを利用して、特定の商品に最も興味を持つのは誰かを特定することができます。これにより、エンゲージメント率や購買意欲の向上につながり、小売業者やブランドにとってメリットがあります。

リテールメディアネットワークの準備の仕方

多くの小売業者が Retail Media Networks の採用を試験的に、あるいは検討中である。RMNに対するエネルギーと投資のレベルでは、いくつかのネットワークが失敗する可能性がある。勝者は、最大の視聴者と消費者をターゲットにする最高の能力を持つものによって決定されるであろう。そのためには、豊富なショッパーの行動データを構築する必要がある。

リテールメディアネットワークを構築する前に、企業はレイクハウスでデータ基盤を確立することが最善である。

  1. データ戦略の策定: データはRMNの成功に不可欠である。社内システム、パートナー、クリーンルームからデータを収集・統合し、豊富な顧客分析に貢献するための戦略を、最初の段階で定義することが重要である。データ共有のオープン化は、参加コストを削減し、より多くの予算を広告に費やすことを可能にするため、重要な利点となるであろう。企業は、非構造化データとリアルタイムデータの包含を考慮し、これらの情報が関連する機能を抽出するためにどのように使用されるかを考慮する必要があります。レイクハウスは、企業があらゆる種類のデータを統合して管理できるようにすることで、これを簡素化します。
  2. コンポーザブルCDPを導入する: コンポーザブルCDPアーキテクチャは、バッチおよびリアルタイムでさまざまな種類のデータを取り込み、そのデータを統合し、リテールメディアネットワークスなどのシステムで下流から利用できるように一元管理する上で、最も柔軟な機能を提供します。
  3. リアルタイムへの移行: オンラインにおける将来の行動を予測する最大の要因は、その買い物客が今見ていたものです。リアルタイムデータへの移行により、小売業者は買い物客のニーズが変化する前の瞬間にデータを活用することができます。Lakehouseのネイティブストリーミングサポートとサーバーレス機能により、企業はエンドツーエンドのリアルタイムな意思決定を可能にします。
  4. コンシューマー向けフィーチャーストアの確立: "フィーチャー "とは、データサイエンス・モデルを改善したり、視聴者選定に利用したりできる、再利用可能なデータポイントのことです。これらは、データセットを分析することで生成されます。顧客情報のデータセットでは、年齢、性別、収入レベル、ブランドへの愛着、商品ページの滞在時間、購買履歴などが特徴として挙げられます。

リテールメディアネットワークの構築には、時間、リソース、専門知識への大きな投資が必要ですが、大きな利益をもたらすことができます。Databricks Lakehouse Platform は、小売業者がすべてのショッパーデータの収集と管理を合理化し、集中化することで、これを容易にすることができます。 もっと詳しく知りたいかたはこちら

Databricks 無料トライアル

関連記事

Generative AI(生成AI)時代の小売業

Original Blog : Retail in the Age of Generative AI 翻訳: junichi.maruyama Generative AI(生成AI)とは? ChatGPTのような大規模言語モデル(LLM)は、Generative AI(生成AI)という大きなトピックとともに、最近大きな注目を集めている。ユーザーが提供したプロンプトに対して、一見思慮深く、十分な情報を持った、さらには人間のような応答を生成するその能力は、本当に驚くべきものです。多くの企業がこれらをゲームチェンジするテクノロジーとして認識しており、ChatGPTを開発したOpenAIのような組織は、この話題を利用して収益をあげています。 このAIの新しい波を理解するために、まずその定義から始めましょう。Generative AIとは、文章や画像、音楽など、一見独創的で新しい創造物を生み出すことができる技術です。これらのAIは、すでに行われたことを繰り返すだけではありません。大量の事例をもとに学習させたモデルは、人間が
業界一覧へ