Cookieレスな時代に向けたマーケティング基盤の作り方

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ふぇだデジタルマーケティングとは、Web サイトや電⼦メール、SNS といったデジタルチャネルを活⽤した、優良な顧客体験を作る取り組み。顧客の⾏動だけでなく態度も対象とします。デジタルマーケティングの現在 3 テレビ新聞雑誌屋外広告マーケティングデジタルマーケティングデジタルサイネージ顧客データベーススマホアプリ IoT Webマーケティングホームページ SNS メルマガ

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. パーソナルデータとは、個⼈情報に限定されない、個⼈に関するデータパーソナルデータの管理 8 クッキーなどデバイスに記録されている識別⼦ IPアドレス閲覧したWebサイト・アプリのタイトル・画⾯名直近閲覧のURL 閲覧⽇時デバイス情報（種類・バージョン）画⾯サイズ、閲覧環境情報直近閲覧のURL 名前⽣年⽉⽇住所電話番号

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. ⼀般的なクリーンルーム汎⽤パターン例 11 顧客プロファイルのエンリッチメントペルソナやセグメント • 30代⼥性 • ⾸都圏在住 • 共働き主婦 • 健康思考が⾼い • よく読まれる本 • よくある悩み • ⼀般的な休⽇の過ごし⽅ • お⾦の使い道 • Etc. コラボレーターのデータアセット⾃社のデータアセットオーバーラップ分析⾃社経済圏サービスコラボレーター経済圏サービス併⽤ • キャンプ商品をよく購⼊ • 秋にXXエリアの国内旅⾏利⽤が多い顧客理解を深める顧客理解を深める

Slide 12

Slide 12 text

© 2024, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. ⼀般的なクリーンルーム汎⽤パターン例 12 ユーザースコアリング商品情報コラボレーターのデータアセット⾃社のデータアセット • ユーザ購買履歴（セグメント） • 詳細な販売傾向顧客ニーズ有無や顧客層を分析送客の効果測定実際の送客や購買までトレースキャンペーン広告コラボレーターのデータアセット⾃社のデータアセットユーザ購買履歴ユーザアクセス履歴

Slide 13

Slide 13 text

Slide 14

Slide 14 text

© 2022, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. 業界内外、様々なコラボレーションの検討が実現 14 お客様 Finance 保険銀行決済代行 EC Advertising etc Healthcare 研究医療機関保険者製薬コネクテッドビークルディーラー OEM Retail and CPG トランザクション物流サプライヤー Media and Ad/Mktg Tech アドテックマーテックブランドメディアパブリッシャー代理店チャネルパートナー Automotive

Slide 15

Slide 15 text

© 2022, Amazon Web Services, Inc. or its affiliates. All rights reserved. 15 取得方法に基づくデータ分類 Data provided by directly by the end users/customers 0 Party Data Data Collected by forms (Survey, profile, preferences etc) 1st Party Data Data collected directly by the company Website engagement, app usage, online purchase, SNS engagement 2nd Party Data 1st party data collected by another source shared as part of a partnership agreement Someone else’s 1st party data. 3rd Party Data Data derived indirectly by the customers/user via 3rd party or aggregated data from various sources Data Collected via buying signals, demographic info, obtained via 3rd party tracking tech etc

Slide 16

Slide 16 text

© 2022, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. 16 個人情報保護を目的とした3rd Party Dataへの対応 ü 2020年1月：Google 、Chromeでの3rd Party cookieを2年以内に打ち切る方針発表 ü 2020年8月：米国、カリフォルニア州消費者プライバシー法執行 ü 2021年3月：Google、全広告で今後個人を追跡しないことを発表(Cookie以外も） ü 2021年4月：Apple、IDFA取得のオプトイン ü 2022年4月：日本、改正個人情報保護法施行 ü 2024年～：Google、Chromeでトラッキング用3rd Party Cookieサポート終了主な3rd Party Data規制の流れ(2020年以降）

Slide 17

Slide 17 text

© 2022, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. プライバシーの保護、知的財産保護が必要適切な意思決定を行うために、パートナー横断のデータ活用が必要ブランド、代理店、メディアパブリッシャー、アドテック、マーテック企業は、データセキュリティを強化し、データを適切に保護しながら、パートナーとコラボレーションできる方法が必要 5

Slide 18

Slide 18 text

© 2022, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. 数回クリックするだけで、独自のClean Roomsを作成簡単にデータコラボレーションが実現 AWS Clean Rooms https://aws.amazon.com/clean-rooms ü Rawデータの共有不要。AWSユーザーの数十万社との連携が容易 ü データセットの照合、分析、コラボレーションを安全に実施し、インサイト導出が実現 ü 幅広いアクセス制御を使用して、基になるデータを保護 ü 柔軟性に富んだ分析ルールを使用して、ユーザーそれぞれのニーズに応じたクエリを実装 ü 低コスト(クエリのコンピューティング容量のみ)

Slide 19

Slide 19 text

© 2022, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. AWS Clean Roomsは、企業とそのビジネスパートナーが、 Rawデータの共有/公開なく、データセットを安全に分析し、コラボレーション可能 19 AWS上でのデータ移動は不要直接アクセス許可を付与してAmazon S3データを活用するため、 AWS上でのデータの移動は不要クエリ制御とその実装分析ルールを簡単に設定し、許可するデータ分析の種類を制限暗号コンピューティングデータを事前に暗号化し、クエリ実行中も含め常に暗号化した状態を維持プログラム化されたアクセス機能を自動化して既存のワークフローや製品に統合、あるいは、ホワイトラベルのクリーンルームオファリングを作成マルチパーティのコラボレーション 1回のコラボレーションで最大5社の参加者との共同作業が可能、複数の企業からインサイトを抽出

Slide 20

Slide 20 text

© 2022, Amazon Web Services, Inc. or its aﬃliates. All rights reserved. AWS Clean Roomsの仕組み 20 Amazon S3 指定したS3 バケットで結果を受け取る Amazon QuickSight Amazon SageMaker Amazon Redshift テーブルの関連付け Amazon S3の既存レコードを使用分析ルールの設定粒度が高く、かつ柔軟なルールを用いて、実行できるクエリタイプを制御協同データ分析の実施暗号化されたデータまたはプレーンテキストデータを結合して分析し、ビジネス上のインサイトを取得 AWS Clean Rooms 未加工データを共有せずに複数の参加者とのコラボレーションが可能出力制限の設定行レベルの出力制限により、クエリ結果のセグメント粒度を管理コラボレーションメンバーすべてのコラボレーション参加者は、プレーンテキストデータ、ハッシュ化データ、または事前に暗号化されたデータを提供可能コラボレーター1 コラボレーター2 レポート用データコラボレーター3 ファーストパーティデータサードパーティデータ

Slide 21

Slide 21 text

© 2023, Amazon Web Services, Inc. or its affiliates. データ連携⽅法︓ベーシック編提供元のデータから⾃社のデータに関係あるデータだけを抽出する 21 ⾃社アカウント暗号化メールアドレス属性A 属性B xxxxxxxxxxxxx Attr_A1 Attr_B1 yyyyyyyyyyyy Attr_A2 Attr_B2 zzzzzzzzzzzzz Attr_A3 Attr_B3 暗号化メールアドレス ID aaaaaaaaaaaa ID1 yyyyyyyyyyyy ID2 zzzzzzzzzzzzz ID3 提供元アカウント AWS Clean Rooms ⾃社アカウント ID 属性A 属性B ID2 Attr_A2 Attr_B2 ID3 Attr_A3 Attr_B3 暗号化メールアドレスで両テーブルを JOIN

Slide 22

Slide 22 text

© 2023, Amazon Web Services, Inc. or its affiliates. データ連携⽅法︓⾃社データの外販 22 ⾃社アカウント Amazon S3 コラボレーション１ AWS Clean Rooms Amazon S3 コラボレーション２ AWS Clean Rooms Amazon S3 ⾃社ユーザ /システム企業 A 企業 B 連携企業毎にコラボレーションを作りデータを紐付け企業Aアカウント企業Bアカウント • プラットフォームを利⽤者である各企業にプラットフォームデータを販売

Slide 23

Slide 23 text

© 2023, Amazon Web Services, Inc. or its affiliates. データ連携⽅法︓（⾃社/⾃グループ内)機密情報提供 23 ⾃社アカウント Amazon S3 コラボレーション１ AWS Clean Rooms Amazon S3 グループ企業 A ⾃社ユーザ /システム Amazon S3 各グループ企業をコラボレーションに招待してデータを紐付けてもらう企業Aアカウント企業Bアカウントグループ企業 B • グループ企業の各データをコンプライアンスに遵守した形で収集

Slide 24

Slide 24 text

© 2023, Amazon Web Services, Inc. or its affiliates. データ連携⽅法︓（⾃社/⾃グループ外)機密情報提供 24 ⾃社アカウント Amazon S3 コラボレーションA AWS Clean Rooms Amazon S3 コラボレーションB AWS Clean Rooms Amazon S3 ⾃社ユーザ /システム提携企業 Amazon S3 提供企業アカウント • お互いに必要な情報を、業務委託契約並びにコンプライアンスに遵守した形で取得

Slide 25

Slide 25 text

© 2023, Amazon Web Services, Inc. or its affiliates. AWS Analytics Servicesとの連携︓概要 25 Amazon Aurora Amazon Redshift Amazon RDS On-premises data Amazon Redshift AWS Glue Amazon Athena Amazon QuickSight Data Publishers Data Consumers AWS Clean Rooms Amazon S3 Amazon S3 • Amazon S3を中⼼にAWS analytics Servicesとの連携が出来、データ利活⽤が加速

Slide 26

Slide 26 text

© 2023, Amazon Web Services, Inc. or its affiliates. 26 How it works: AWS Clean Rooms ML コラボレーター 1 コラボレーター 2 AWS Clean Rooms AWS Clean Rooms ML: 類似モデリング基礎データを共有することなく、パートナーと共に機械学習を適用モデルトレーニングデータ (views, interactions, clicks) シード (lifetime value, conversions) 類似モデル類似セグメントの作成 Amazon S3 指定したS3バケットでセグメントプロファイルを受信

Slide 27

Slide 27 text

© 2023, Amazon Web Services, Inc. or its affiliates. AWS Clean Rooms ML︓ユースケースとベネフィット 27 l シナリオストリーミングサービスプロバイダーの視聴データを使い、モデルをトレーニングし、コーヒー会社の顧客の特性情報(シード)をモデルの⼊⼒とする事で新しい潜在顧客を特定し、そのセグメントに広告を配信する l 従来の課題コーヒー会社の顧客データだけでは、関連性の⾼い新規の潜在顧客にリーチすることが難しかった l ベネフィットストリーミングサービスを利⽤している、コーヒーに親和性の⾼い新しい潜在顧客を特定でき、広告効果を最⼤化し、配信コストも抑えることが出来る Coﬀee Company Streaming Service Amazon S3 顧客データ Amazon S3 顧客データモデル視聴データトレーニング Amazon S3 ストリーミングを見ているユーザの内コーヒー好きな潜在顧客データコーヒー好きな人の特徴シードデータ新作コーヒーの広告を配信

Slide 28

Slide 28 text

Slide 29

Slide 29 text

Slide 30

Slide 30 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 30 σʔλఏڙA 顧客情報 Amazon S3 σʔλू໿ΞΧ΢ϯτ コラボレーション άϧʔϓձࣾB 顧客情報 Amazon S3 σʔλ෼ੳΞΧ΢ ϯτ AWS Lake Formation AWS Glue Amazon Redshift マスク Office 分析作業 AWSΞΧ΢ϯτΛ࢖͍૚ʹΑΔִ཭

Slide 31

Slide 31 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 31 σʔλఏڙA 顧客情報 Amazon S3 σʔλू໿ΞΧ΢ϯτ コラボレーション άϧʔϓձࣾB 顧客情報 Amazon S3 σʔλ෼ੳΞΧ΢ ϯτ AWS Lake Formation AWS Glue Amazon Redshift マスク Office 分析作業 AWSΞΧ΢ϯτΛ࢖͍૚ʹΑΔִ཭ ఏڙݩ͕ڐՄͨ͠৘ใ͚͕ͩఏڙ

Slide 32

Slide 32 text

© 2024, Amazon Web Services, Inc. or its affiliates. All rights reserved. 32 σʔλఏڙA 顧客情報 Amazon S3 σʔλू໿ΞΧ΢ϯτ コラボレーション άϧʔϓձࣾB 顧客情報 Amazon S3 σʔλ෼ੳΞΧ΢ ϯτ AWS Lake Formation AWS Glue Amazon Redshift マスク Office 分析作業 AWSΞΧ΢ϯτΛ࢖͍૚ʹΑΔִ཭ ਎಺Ͱ΋ෆཁͳ৘ใ͸ݟͤͳ͍