ラストマイル：優れたファーストパーティデータがあるだけでは優れたマーケティングを実現できない理由

先月、あるデータチームとマーケティングチームが同じ部屋に集まり、45分間もお互いに話が噛み合わないまま議論を続けました。

エンジニアはDeltaテーブルやメダリオンアーキテクチャについて語り、マーケターはジャーニー、セグメント、送信時間の最適化について語っていました。同じ顧客、同じデータであるにもかかわらず、2つの完全に異なる言語が使われていたのです。どちらが間違っているわけでもありません。ただ、お互いの言葉が届いていなかっただけです。

データが存在する場所と、それが活用される場所の間にあるこの「デッドスペース」こそが、世界クラスのデータインフラと世界クラスのマーケティング目標を持つ企業において、毎週何百万ドルもの顧客価値が回収されずに失われている原因です。彼らはロケットを持っていますが、発射台を忘れてしまったのです。

Databricksとのパートナーシップにより公開されたScott Brinkerのリサーチレポート「AI時代の新しいマーケティングテクノロジー「スタック」」は、この問題を生み出したアーキテクチャに代わるべきものに、的確な名前を与えています。彼はそれを「コンポーザブル・キャンバス（composable canvas）」と呼んでいます。この診断はまさに的を射ており、それが指し示す方向こそ、このパートナーシップが目指す場所そのものです。

コンポーザブル・キャンバスがマーケターにとって実際に意味すること

データウェアハウスからCSVをエクスポートし、それをキャンペーンチームにメールで送り、マーケティングプラットフォームにアップロードされるまで3日間待ったことがあるなら、それこそが古いスタックモデルが機能していない証拠です。

20年もの間、マーケティングテクノロジー（martech）は硬直した垂直方向のレイヤーで構築されてきました。最下層にデータ、中間にエンゲージメントシステム、最上層にキャンペーンです。各レイヤーは独立したボックスでした。これらのボックスを相互に連携させるには、パイプライン、コネクタ、同期ジョブ、そしてあるシステムから別のシステムへデータを移動させることだけを専門とするチームが必要でした。Brinkerのレポートが指摘しているように、調査対象となったマーケティング組織の大多数にとって、統合は依然としてトップ3に入る課題となっています。これは2015年の話ではなく、2025年後半の話です。ベンダーが解決を約束し始めてから30年が経過した今でもそうなのです。

コンポーザブル・キャンバスは、これに代わるアーキテクチャです。顧客エンゲージメントプラットフォームからAIエージェント、アナリティクスに至るまで、あらゆるツールがデータを移動させることなく、同じ共有基盤上で動作する統合データ基盤です。ミドルウェアも、遅延も、日曜日の夜のスプレッドシート作業という「儀式」も不要になります。

Domino'sの元VP of Marketing Decision SciencesであるBryce Peake氏は、次のように率直に語っています。

私たちは、インターネットが普及し始めて以来使ってきたのと同じマーケティングテクノロジースタックを修正しようとし続けてきました。皆さん、私たちは新しいものを構築しなければなりません。

Databricksのような最新のデータプラットフォームは、マーケター、エージェント、アプリがすべて連携して動作できる、オープンで共有された基盤を提供します。そして、そのビジネスケースは具体的です。「スピード：数ヶ月から数分へ。今日、新しいマーケティング機能を追加することは、統合プロジェクト、データパイプライン、およびITチケットの作成を意味します。コンポーザブル・キャンバスでは、新しいツールやAIエージェントが共有データ基盤に即座にプラグインされます。」

アーキテクチャ：5つのリング、1つの重心

Brinkerのフレームワークは、コンポーザブル・キャンバスを5つの同心円状のリングに整理しており、それぞれが明確な役割を持っています。

• Data Core: 顧客、企業、コンテンツ、コード、コントロールデータの統合された基盤であり、すべての重力の中心です
• Semantic Layer:データに関わるすべてのシステムにおいて、データの一貫性と意味を持たせるための共有定義です
• CaaS (Context-as-a-Service):必要とするアプリやエージェントのために、関連データとコンテキストをパッケージ化するCDPなどのプラットフォームです
• Decisioning:AIエンジンが「次にとるべき最善のアクション（next-best action）」を最適化し、複数のエージェントが同時に同じ顧客にアプローチしようとした場合の競合を解決する場所です
• Apps & Agents:最も外側のリングであり、実際に顧客体験が提供される場所です

この構造の恩恵は、統合の複雑さが劇的に軽減されることです。従来のポイント・ツー・ポイントモデルでは、10個のシステムに対して最大45の統合が必要になる場合がありました。コンポーザブルモデルでは、新しい機能を追加するたびに、壊れやすいパイプラインの網の目ではなく、一貫性のある共有エコシステムに参加することになります。DatabricksのCMOであるRick Schultz氏は次のように述べています。

すべてのCMOは、効果、効率、セルフサービスの3つの課題を解決しようとしています。

コンポーザブル・キャンバスこそが、これら3つを同時に達成する方法です。

DatabricksのAVP of Marketing TechnologyであるElizabeth Dobbs氏は、自身の経験からその効果を次のように説明しています。

すべてのマーケティングデータがレイクハウスに一元化されると、これまでその豊かさを十分に活用できていなかったモデルを再検討しました。再構築されたモデルは、以前の4倍の率でコンバージョンを達成しました。そこから、同じアプローチを迅速に複製し、わずか4週間で高度な予測アカウントスコアリングモデルを立ち上げることができました。

ラストワンマイル：ファーストパーティデータプラットフォームと実際のキャンペーンとのギャップ

Brinkerは、このレポートが段階的な実装ガイドではなく、北極星（目指すべき指針）であることを明言しており、それこそがこのレポートの価値です。このレポートが意図的に提起しているのは、実務家としての問いです。すなわち、統合されたデータ基盤は、実際にどのようにしてトリガーされたキャンペーンになるのか？データエンジニアリングを理解していないマーケティングチームのために、どのようにディシジョニング（意思決定）レイヤーを構築するのか？5つのリングは、どのようにしてアーキテクチャ図から、適切なタイミングで実行される顧客体験へと移行するのか？という問いです。

これらの問いこそが、実装における真の作業、つまりStitchが「ラストワンマイル」と呼ぶものが存在する場所です。

ラストワンマイルのスタート地点とゴール地点のギャップが、実際にどのようなものかをご紹介します。

• 行き場のない自律型エージェント：大手ブランドのマーケティングリーダーが最近、もどかしい状況について語ってくれました。彼女のエンジニアリングチームは、顧客データセット全体をリアルタイムで推論できる自律型エージェントシステムをDatabricks上にデプロイしたばかりでした。しかし、そのシステムはキャンペーンをトリガーする方法を知りませんでした。一方で、マーケティングチームのライフサイクルジャーニーは、依然として1日1回更新されるバッチファイルから提供されていました。未来を築いている2つの優秀なチームが、お互いの仕事をまったく把握できていなかったのです。
• 誰も活用しなかった傾向スコア：あるゲームブランドのデータサイエンスチームが、高度な解約モデルを構築しました。傾向スコアは正しく機能し、リスクのある顧客にフラグを立てました。しかし、それは誰もチェックしていないダッシュボードに送られました。顧客は、ブランドからのアプローチを必要としていた瞬間に何も感じられず、去っていきました。ラストワンマイルが構築されていなかったからです。
• 日曜日の夜のスプレッドシート：ある全国展開の食料品小売業者は、オファー適用条件データが満載のDatabricks環境と、まさにこの種のパーソナライズのために構築された顧客エンゲージメントプラットフォームを持っていました。その間のギャップは？毎週日曜日の夜の4時間と、CSVファイルでした。キャンペーンの準備時間：数時間。データはありました。アクティベーション機能もありました。しかし、誰もその架け橋を築いていませんでした。一度接続されれば、オファーの適用条件は自動的に顧客プロファイルやキャンペーンに流れ込み、リアルタイムでトリガーされます。毎週のその4時間は、恒久的に数分へと短縮されました。

Brinkerが指摘するように、

マーケティングテクノロジースタックはデータの上に成り立っているのではない。それ自体がデータなのだ。

アーキテクチャ的にはその通りです。しかし運用面では、今日のほとんどのブランドにおいて、データとキャンペーンは依然として完全に異なる世界に存在しています。

ラストワンマイルを埋めるために必要なこと

コンポーザブル・キャンバスを実現しているブランドは、より優れたツールを購入することでそれを達成しているのではありません。彼らは架け橋を築くことでそれを実現しています。そのためには、データプラットフォームとマーケティング実行レイヤーの両方に同時に深く精通している必要があります。

アクティベーションのために構築されたマーケティングデータアーキテクチャ： アナリスト向けに構築されたデータ基盤と、マーケター向けに構築されたデータ基盤の間には、重要な違いがあります。前者はクエリ、インサイト、ガバナンスに最適化されています。後者は、適切なタイミングでキャンペーンをトリガーし、リアルタイムで顧客プロファイルを充実させ、AIエージェントに意思決定に必要なコンテキストを提供するように最適化されています。そこに到達するには、Databricksに何ができるかと、エンゲージメントレイヤーが実際にそこから何を必要としているかの両方を理解する必要があります。

マーケティングチーム向けのセルフサービスアナリティクス。Brinkerは、自然言語インターフェースをコンポーザブルモデルのコア機能として説明していますが、それにはもっともな理由があります。これは実現可能ですが、ほとんどのマーケティングチームは、基本的なキャンペーンパフォーマンスデータを取得するために、依然としてチケットを起票しています。

チャンス：実際のマーケティングユースケースに合わせたアナリティクス環境を構築することで、技術的な知識のないチームでも、SQLを使わず、順番待ちをせず、データエンジニアリングの作業を待つことなく、自ら疑問を解決できるようになります。これは、現在最も効果の高い実装の1つです。

データレイヤー上でネイティブに動作するAIエージェント。最も強力なエージェント型マーケティングワークフローは、既存のスタックの上に後付けされたエージェントではありません。それらは、データ基盤の内部に存在し、エンゲージメントレイヤーを通じて実行されるエージェントです。CSVの書き出しや手動での受け渡し、タイムラグなしに、セグメントの抽出、データ品質の検証、キャンペーンのトリガー、結果の測定を行います。HPのVP兼グローバルマーケティングデータサイエンス責任者であるKumar Ram氏は、この戦略的原則を的確に表現しています。

私たちは、データとインフラストラクチャのコア構造を自社で保有したいと考えています。代理店を変更する場合でも、最上部のアクティベーションレイヤーを切り替えるだけです。基盤は私たちの手元に残ります。

コンポーザビリティから遠ざかるのではなく、それに向けて構築する移行。 依然として硬直化したレガシーマーケティングプラットフォームを使用しているブランドにとって、コンポーザブルアーキテクチャへの移行は、単なるプラットフォームの入れ替えではなく、アーキテクチャ上の決定です。正しく行われれば、Databricksをエンゲージメントスタックの下のデータレイヤーとして位置づけることができ、AI機能の変化に合わせて柔軟に進化させることができます。Elizabeth Dobbs氏はこの目標を次のように捉えています。

ビジネスのスピードを上げるために、スタックをモジュール式のレゴブロックのように設計しました。新しいテクノロジーやAIエージェントが登場しても、最小限の手間で最適なツールを採用できる柔軟性があります。

今日からコンポーザブルキャンバスの構築を始める3つの方法

Brinkerは、これが全面刷新プロジェクトではなく、3〜5年をかけるアーキテクチャの道のりであることを明確にしています。幸いなことに、すべてのステップがそれぞれの段階で価値をもたらします。最も即効性のある効果を一貫して引き出すことができる、3つのスタートラインをご紹介します。

1. マーケティングデータをDatabricksに統合する（「実際に」統合する）。

「Databricksを導入している」という場合、最もよくあるパターンは、データエンジニアリングチームがDatabricksを使用しており、マーケティングチームにはそれがたまに反映されるダッシュボードがある、という状態です。それは統合されたデータ基盤ではありません。単なるレポートレイヤーです。

最初のステップは統合です。キャンペーンのパフォーマンスデータ、顧客の行動シグナル、ロイヤルティデータ、エンゲージメント履歴を、トランザクションデータや運用データがすでに格納されているのと同じレイクハウスに流し込みます。これは、コネクタ、パイプライン、データ品質チェックといった「配管工事」のような作業ですが、他のすべての基盤となるものです。

即座に得られるメリットは、レポートの統一です。マーケティング、営業、財務の全員が同じ「信頼できる唯一の情報源（Single Source of Truth）」を見ることになります。Brinkerのレポートでは次のように述べられています。

全員が同じ方法で計算された同じ数字を見ているとき、会議はデータを議論する場から、それに対して何をすべきかを決定する場へとシフトします。

それだけでも投資する価値があります。しかしそれだけでなく、すべてのキャンペーンを遅らせる「データ税」（チケットの起票、エクスポート、待ち時間）をなくすこともできます。

始め方：マーケティングデータが現在どこにあり、どこにあるべきかをマッピングします。統合することでマーケティングの可能性が最も広がる2〜3のデータソース（通常は取引履歴、行動イベント、オファーまたはロイヤルティデータ）を特定し、まずはそれらの統合に向けて構築を進めます。

2. マーケティングチーム向けにセルフサービスアナリティクスのユースケースを1つ構築する

ほとんどのマーケティングチームは、キャンペーンの実施方法を変えるようなインサイトまで、あと一歩（質問1つ分）のところにいます。問題はデータではありません。マーケターと回答の間の摩擦（フリクション）です。

Brinkerのコンポーザブルキャンバスは、セルフサービスアナリティクス、特に技術的な知識のないユーザーがデータを直接クエリできる自然言語インターフェースをモデルの中心に据えています。Databricks AI/BI Genieのようなツールを使えば、これが今すぐ実現可能です。マーケターが日常的な言葉で質問を入力すると、SQLを使わず、チケットを起票せず、3日間待つこともなく、数秒で回答を得ることができます。

重要なのは、マーケティングチームに一度にすべてへのアクセス権を与えようとするのではない、特定のユースケースに合わせて構築することです。セグメント別のキャンペーンコンバージョン、店舗別のオファー引き換え、顧客コホート別のチャーン（解約）シグナルなど、チームが最も頻繁に質問し、回答を得るのに最も時間がかかっている質問から始めましょう。その意思決定を中心にGenieスペースを構築します。チームにそれを使ってもらい、摩擦がなくなったときに何が起こるかを見届けてください。

あるブランドのキャンペーンマネージャーは、基本的なパフォーマンスに関する質問への回答を得るのに4日間かかっていたのが、数秒で得られるようになりました。そして、その後の20分間でさらに12の質問を重ね、1四半期にわたってデータの中に隠れていたプッシュ通知のタイミングに関するインサイトを明らかにしました。摩擦がなくなり、彼女が発見できることの限界もなくなりました。

始め方：マーケティングチームがデータチームにエスカレーションする、最も一般的なデータに関する質問を1つ特定します。まずはその質問を中心に、ガバナンスが効いたユースケース重視のアナリティクス環境を構築します。そこから拡張していきましょう。

3. AIエージェントのユースケースを1つ選び、本番稼働させる

マーケティングチームがAIに関して犯す最大の過ちは、それを実践ではなく戦略として扱ってしまうことです。コンポーザブルキャンバスはAIエージェントを真に実用的なものにしますが、それは実際のデータ、実際のワークフロー、そして実際の成果に基づいて構築を開始する場合に限られます。

最初の最も効果的なエージェントのユースケースは、範囲が限定され、頻度が高く、キャンペーンの成果に直接結びついているものです。送信前にすべてのメールを検証するQAエージェント。リアルタイムの在庫やロイヤルティシグナルを取得し、その場でコピーを生成するパーソナライズエージェント。Databricksで行動シグナルを監視し、顧客がリスクのしきい値を超えた瞬間に（バッチファイルが実行される3日後ではなく）キャンペーンをトリガーするチャーン対策エージェントなどです。

これらのユースケースを機能させるのは、データレイヤーに存在し、エンゲージメントレイヤーを通じて実行されるエージェントというアーキテクチャです。CSVのエクスポートも、手動での受け渡しも、タイムラグもありません。キャンペーンのインテリジェンスは、そこに供給されるデータと同等でしかありません。だからこそ、データ基盤が最優先されるのです。

Brinkerがレポートで指摘しているように、

最も価値のあるエージェント型ワークフローは、当然のようにシステムの境界を越えます。エージェントは、解決しようとしている特定の目標に関連するデータ、指示、ツールといったコンテキストを強く求めています。

コンポーザブルキャンバスは、彼らにそのコンテキストを提供するものです。エージェントは、それに基づいて行動する存在にすぎません。

始め方：キャンペーン運営における、頻度が高くコストのかかる手動プロセス（QA、セグメンテーション、コンテンツ生成、パフォーマンスレポートなど）を1つ特定し、それを自動化する単一のエージェントのスコープを定義します。節約された時間と成果の変化を測定します。その実証結果を利用して、次のエージェント構築の根拠（ビジネスケース）を確立しましょう。

今こそこれを構築すべき理由

Brinkerが掲げる3〜5年のビジョンのタイムラインは、ほとんどのマーケティングリーダーの予想よりも早く縮まっています。

Databricksは、レイクハウス内にネイティブに組み込まれたエージェント型CDPであるCustomerLakeをリリースしたばかりです。顧客360度ビュー、アイデンティティ解決、オーディエンス構築、キャンペーン自動化、アクティベーション、パーソナライズなどのコアCDP機能は、顧客データ、AIモデル、ガバナンスがすでに存在する場所で実行できるため、ミドルウェアは不要です。

Brazeのような顧客エンゲージメントプラットフォームは、ネイティブなCloud Data IngestionやOpenSharingを通じてDatabricksに直接接続しています。Lakebaseのような新しいプラットフォーム機能により、フロントエンド、トランザクションロジック、キャンペーン実行などのフルスタックマーケティングアプリケーションを、単一のガバナンスモデルを持つ単一のプラットフォーム上で実行できるようになり、4つの別々のシステムを繋ぎ合わせる必要がなくなります。

Brinkerが指摘するパターンはすでに現実のものとなっています。両端のプラットフォームはよりスマートになり、より直接的に接続されています。中間の統合レイヤーは四半期ごとに薄くなっています。

今日この取り組みを行っているブランドは、市場がどこに向かっているかを理解しています。彼らは今、データアーキテクチャを構築しているため、他の誰もがそれに気づいたときに慌てて追いつく必要がありません。

コンポーザブルキャンバスは目的地を示しています。ラストワンマイルは、現在地から目的地までの取り組みです。

Scott Brinker氏の調査レポートをダウンロード： AI時代における新しいマーケティングテクノロジー（Martech）の「スタック」

DatabricksとStitchは提携し、マーケティング組織が最新のデータインフラと実際の顧客成果とのギャップを埋められるよう支援しています。マーケティングに十分に活用しきれていないDatabricksへの投資がある場合は、ぜひ Stitchにご相談ください →

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事