Rtoaster

閉じる
閉じる

Rtoaster

閉じる

日本航空株式会社様 事例紹介

Rtoasterを10年以上使い続ける理由は「ハイパフォーマンス」「ユーザーフレンドリー」であること。100万人に100万通りの提案を行うような究極の1 to 1マーケティングを目指したい。

日本航空株式会社 Web販売部 1to1マーケティンググループ
アシスタントマネジャー 渋谷 直正
佐々木 裕子
日本航空株式会社 Web販売部 1to1マーケティンググループ
アシスタントマネジャー 
渋谷 直正
佐々木 裕子
日本航空株式会社 Web販売部 1to1マーケティンググループ アシスタントマネジャー 渋谷 直正様 佐々木 裕子様
https://www.jal.co.jp/

Rtoasterの利用歴10年!常時100種類以上のバナーを出し分ける
JAL Web販売部でのRtoaster活用事例

月間2億PV、一日55万UUを誇る航空券の予約サイト(https://www.jal.co.jp/)を運営する日本航空株式会社(以下、JAL)様は、ブレインパッドのレコメンドエンジン搭載プライベートDMP「Rtoaster」を10年以上利用するヘビーユーザーです。Rtoasterに3,000万人を超える会員の属性情報やWeb閲覧履歴(個人を特定する情報は一切含まれていません)を蓄積し、常時100種類以上のバナーを、顧客の行動・ニーズに基づいて出し分けるレコメンドを実施しています。Rtoaster導入経緯と効果について、同社のWeb販売部 1to1マーケティンググループ渋谷様、佐々木様にお話をうかがいました。

導入イメージ

導入イメージ

事例のポイント

POINT 1

導入当初は閲覧履歴やIPアドレスなどでのシンプルなレコメンドから始め、段階を経て精緻なレコメンドを設計

POINT 2

現在は、3,000万人を超える会員の属性情報やWeb閲覧履歴などをデータマイニングし、データからの購買予測に基づいた対象に「Rtoaster」で常時100種類を超えるルールベースレコメンドを実施

POINT 3

バナーの出し分けにより、多くの施策でクリック率が出し分けをしない場合に比べ2~3倍向上。理想とする1 to 1マーケティングの実現に向け、今後もさらなる進化・発展を目指す

【事業内容】
月間2億PV、1日55万UUを誇る
航空券予約サイトjal.co.jp

ーJAL様のWebサイトについて教えてください。

JAL Webサイト(https://www.jal.co.jp/)は、JALの国内線・国際線・ツアーなど各種航空券の予約・購入ができるサイトです。1日約55万人のお客さまにご来訪いただいており、1カ月で約2億PVほどのアクセスがあります。これはPCサイトだけの数字で、スマートフォン向けサイトでもほぼ同程度のアクセスとなっています。

JALはWebサイト経由の販売比率が高く、国内線の個人航空券の約70%をWebサイト経由で販売しています。私が所属するWeb販売部 1to1マーケティンググループは、このJAL Webサイトのマーケティングを担当しており、JAL全体の売上はもちろん、顧客満足、顧客体験に関しても重要な責任を担っている部門です。

ー1to1マーケティンググループでは、具体的にどのような業務を行っていますか。

具体的な業務としては、
  1. (1) JAL Webサイトへの集客(宣伝・メルマガ)
  2. (2) お客さまニーズを把握するための分析
  3. (3) 商品・コンテンツのレコメンデーション
など、お客さまにJALのWebサイトに来訪していただくところから、航空券やツアー商品をご予約いただくところまでの施策立案を担当しています。

コンテンツ制作や決済システムの構築は別部門が担当していて、私たちはもう少し上流工程を担当しているイメージです。現在メンバーは8名で、そのうちRtoasterを用いた施策を考えるのが私たち2名でして、実際にRtoasterを運用するのはグループ会社のスタッフが行っています。

日本航空株式会社 Webサイト
https://www.jal.co.jp/

【導入初期の活用】
お客さま一人ひとりのニーズにあった商品・
コンテンツを提案するためRtoasterを導入。
「4つのステップ」を経て利用方法は年々高度化

ーRtoasterを導入された理由を教えてください。

Webサイトにご来訪されるお客さまは、当然のことながら一人ひとり目的やニーズが異なります。
それぞれのお客さまに適した商品やコンテンツを出し分けするため、2008年にRtoasterを導入しました。

導入当初は「お客様の“IPアドレス”に応じたレコメンド」だけをしていました。これはとてもシンプルで、札幌のお客さまには札幌の、沖縄のお客さまには沖縄の、といった形で、IPアドレスから判別した地域に応じてコンテンツを出し分けていました。

そして使い続けている中で、会員の属性情報やWeb閲覧履歴を使った出し分けも出来ることがわかり、Rtoasterの使い方は年々高度化していきました。

ーRtoasterを使った施策はどのように変化したのですか。

最初のステップは、”IPアドレス”に応じたレコメンドでしたが、振り返ると、4つのステップで活用が深まっていきました。

ステップ2は「お客さまの“閲覧履歴”に応じたレコメンド」です。すでに購入済みのお客さまに商品をレコメンドしても十分な効果が得られにくいので、ある商品を検討したものの、最終的に購入に至らなかったお客さまに、該当商品や関連商品をレコメンドする、といった取り組みを行いました。

ステップ3は「お客さまの“属性情報”に応じたレコメンド」です。性別、年代、上位顧客向けの会員プログラムへの入会有無など、お客さまの属性情報にあわせてコンテンツを出し分けました。会員の属性情報をRtoasterに受け渡すシステムの整備が必要だったので、ステップ2の実現には少し時間がかかりました。

IPアドレスと会員の属性情報やWebサイトの閲覧履歴も組み合わせることで着実に成果が出てきたので、現在はさらに進化したステップ4として「“予測分析”に基づくレコメンド」を2012年頃から運用しています。

【活用の本格化】
ビッグデータ分析によって顧客行動の
“隠れた法則”を明らかに。
法則に則ったルールベース
レコメンドをRtoasterで実施

ー「“予測分析”に基づくレコメンド」とは、どのようなことを行うのですか。

お客さまごとのWeb閲覧履歴や購買履歴をIBM SPSS Modelerなどの予測分析ソフトウェアで統計的に分析すると「この商品Aを購入されるお客さまは、他のお客さまと比べてこういった特徴がある」という傾向がつかめます。例えば「◯◯のページを見ている」という特徴が出れば、その同じ特徴を持つお客さまにRtoasterを使って商品Aをレコメンドしています。

ー過去に行った「“予測分析”に基づくレコメンド」の例を教えていただけますでしょうか。

例えば、国際線のプレミアムエコノミークラス航空券の販売促進では、この予測分析に基づくレコメンドで実施しました。プレミアムエコノミークラスというのは、エコノミークラスとビジネスクラスの中間に位置する商品です。やみくもにプロモーションをしてしまうと、プレミアムエコノミークラスの航空券に関心のないお客さまにバナーを出し続けてしまう可能性があります。このような事前にターゲットの仮説を立てることが難しいケースでは、データからの予測分析に基づくレコメンドが力を発揮します。

まずRtoasterを使って2週間ほど、お客さまを限定せずランダムにバナーを表示し、そこで得られたデータを分析し予測モデルを作ります。そして、予測モデルが示唆するプレミアムエコノミークラスに関心のありそうなお客さまの行動の特徴をRtoasterの条件式に設定し、同じ行動を取られたお客さまにプレミアムエコノミークラスをおすすめ表示するレコメンドを実施しました。

ーレコメンドの条件式に使うデータはどのようにRtoasterに連携しているのでしょうか。

Web閲覧履歴はRtoasterが直接取得していますが、保有マイルのような日々変化する情報は、会員番号をキーにしてRtoasterに差分バッチで取り込んでいます。
注:会員番号は暗号化処理をしています。また個人を特定するような情報は一切含まれていません。

多くの属性情報を最新に近い状態で保持しつつ、その情報に基づくレコメンドを瞬時に実行できるRtoasterのパフォーマンスは、他の仕組みや製品ではなかなか真似ができないことだと思います。

【導入効果】
常時100本、年間1,000本以上の
ルールベースレコメンドを実施。
バナーの出し分けにより、多くの施策でクリック率が2~3倍向上。

ーJAL Webサイトでは、どれくらいのルールベースレコメンドが稼働していますか。

今ご説明したようなルールベースのレコメンドが、常時100本は稼働しています。施策は営業チームから「この商品をWebで売りたい」という依頼からスタートすることが多いです。クリスマス、お正月など期間限定商品も多いので、1つのルールが稼働する期間はあまり長くありません。年間通算では1,000本以上のルールを設定していると思います。

ーRtoasterによるレコメンドはJAL Webサイトの売上にどれぐらい貢献していますでしょうか。

施策一つ一つの効果を精査して集計したわけではないので、あくまで感覚値ですが、Rtoasterの活用によって出し分けをすることで、多くの施策でクリック率が出し分けをしない場合に比べ2倍から3倍近くになっていると思いますし、もっと高い効果が出た施策も多くあります。

IPアドレスや年代など、単純な属性情報によるレコメンドだけでもお客さま全員に同じものを見ていただくよりは成果があるわけです。ここに、Web閲覧履歴や統計的な分析に基づくレコメンドの効果が積み重なっていますから、少なくとも2倍程度のパフォーマンスは確実に出せているのではないかと思います。

【Rtoasterの評価】
JALがRtoasterを10年以上
利用し続ける理由─
「ハイパフォーマンス」
「ユーザーフレンドリー」

ーJAL様はすでに10年近くRtoasterをご利用いただいています。Rtoasterを継続してご利用いただけている理由を教えてください。

【評価ポイント1:ハイパフォーマンス】
弊社で利用しているRtoasterには、属性情報やWeb閲覧履歴などを日次バッチ処理で取り込むカスタマイズを加えています。これだけ膨大なデータを内部に保有しながら、大量のトラフィックに対してスムーズなレコメンドを実行できる点が素晴らしいと思います。高性能、パフォーマンスの良さも弊社がRtoasterを使い続けている理由です。

レコメンドツールには(1)ショッピングサイトのように「膨大な商品」の中から適切なものを絞り込んでお勧めするタイプと、(2)「非常に多くの顧客」に対して適切な商品を絞り込んでお勧めするタイプの2つがあると思います。Rtoasterは(1)(2)のいずれにも対応できますが、弊社にとっては(2)の部分に強いところ、つまりCRM的な設計思想を持った点を特に評価しています。

【評価ポイント2:ユーザーフレンドリー】
当初、前任者からRtoasterの引き継ぎを受けて利用を始めましたが、引き継ぎで理解できなかったこともなく、スムーズに取り扱えています。ユーザーフレンドリーな使いやすいソリューションだと思います。

また、Rtoasterは日本企業のブレインパッドさんが開発しているので、ユーザーの意見が製品に反映されやすいという良さがあります。「こうだったらいいのに」と思っていたことが、バージョンアップ時にさりげなく反映されていることもありました。日本企業ということで、万が一の際の対応やレスポンスにも安心できる点も評価しています。

ー最後に、今後のデータ活用や、Rtoaster利用についての展望を教えてください。

今実施している商品に対する購買予測分析に基づくレコメンドと合わせて、お客さまのクラスター分析をレコメンドに反映したりなど、より細かい精緻なレコメンドを実施して、お客さまが100万人いらっしゃれば、100万通りのおすすめができるような“究極の1to1対応”を追求していきたいと考えています。

ー本日はありがとうございました。