医薬品ビジネスのための「戦略思考」が身につくblog
医薬品ビジネスのための「戦略思考」が身につくblog
1対1マーケティングにおいては、本社部門によるマーケティング適格リード（MQL）の生成と管理、及び営業部門によるセールス適格リード（SQL）への対応と進展の間のインタラクティブなクロストークが極めて重要です。
この両部門間の緊密な連携は、個々の顧客の具体的なニーズと期待に対して最も適したアプローチを設計し、実行する上で不可欠であり、個別最適化されたマーケティングとセールスの努力を通じて顧客満足度を最大化し、最終的な購入意欲を促進するための重要成功要因となります。
それぞれのリードが正確なタイミングで適切な部門に移行し、各顧客へのパーソナライズされたコミュニケーションと対応が円滑に行われることが、1対1マーケティングの成功を大きく左右します。
顧客理解における営業部門の役割は、その観察的な顧客認識という定性的な情報において特に重要です。
ピーター・ドラッカーが指摘したように、「真に重要なことは定量化できない。数値だけで判断しようとすると決断を誤る」ことがあります。
この言葉は、ビジネスにおける意思決定プロセスにおいて、定量的データだけではなく、定性的な洞察もまた不可欠であるという重要な原則を示しています。
営業部門が認識する顧客の反応やニーズの微妙なニュアンス、顧客との会話から得られる直接的なフィードバックは、定量化することが難しいかもしれません。しかし、これらの定性的な情報は、顧客理解を深め、より適切な製品やサービスの提供、パーソナライズされたコミュニケーション戦略の開発において、中核的な役割を果たします。
定量的データが提供する客観的な枠組みと合わせて、営業部門の観察による定性的な洞察は、より全面的な顧客理解を可能にし、結果としてより効果的な意思決定を促進します。
営業部門から得られる直接的な顧客認識は、製品開発、マーケティング戦略、顧客サービスの改善など、企業のあらゆる面で意思決定を導くために不可欠です。
共通ポイントの草分け的な存在であるTポイントと三井住友フィナンシャルグループのVポイントが22日に統合し、「青と黄色の新しいVポイント」が誕生しました。新しいVポイントの誕生により、共通ポイント市場は3強時代に突入し、勢力争いは今後、一層激しさを増しそうです。
ポイントの先駆けであるTSUTAYA（ツタヤ）が始めたTポイントは、2003年にはコンビニなど他の店舗でも貯められるようになりました。その後、金融系やスマホキャリア系などが参入し、共通ポイント化によって同一市場で競合する状況が生まれています。
古くから、店舗で買い物をすることでスタンプを貯め、買い物に使えるポイント制度は存在しましたが、スマホと電子マネーの普及により、その形態は大きく変化しました。
今回のTポイントとVポイントの統合が、共通ポイント市場の勢力図にどのような影響を与えるか、マーケットシェア理論から検証してみました。
元々、共通ポイント市場は、旧Tポイント、楽天ポイント、dポイントの3強競争市場でしたが、今回のTポイントとVポイントの統合により、競争市場の構造は変わりませんが、競争優位性には大きな変化が見られます。
旧TポイントはVポイントとの統合により、さらにシェアを高め、市場撤退の位置にあった旧Vポイントは市場リーダーとなりました。統合前と後ではシェア値が6ポイント向上しています。
6ポイントの変動がどれだけの競争インパクトを持つかというと、2位の楽天ポイントに対して、統合前の2.8倍から4.1倍へと競争優位性を高めています。単純計算では、従来よりも1.5倍、楽天ポイントよりもユーザー獲得率が高いことになります。
僅かなシェア値の変動であっても、競争市場での優位性に与えるインパクトは非常に大きいものです。総合スーパーが覇権を競って吸収・合併に急ぐ理由も同様です。
近年のビジネス環境では、かつての競合他社と提携し、市場占有率を高める戦略が多く見られます。
昨日の敵は今日の友、と言えるでしょう。
1on1マーケティングでは、対象顧客のプロフィール情報を取得し、個々の顧客に最適なアプローチを設計することが必要です。
このアプローチにより、顧客一人ひとりのニーズや好みに合わせた製品推薦、コミュニケーション、ソリューション提案を実現できます。
しかし、このような対象顧客を絶対に攻略する必要があるビジネスモデルでは、属性分類によるアプローチが戦略の精度を低下させる可能性があります。これは、属性分類によって個々の顧客の独特な特性やニーズが見落とされるためです。
したがって、属性分類の利用方法を慎重に考え、個々の顧客に焦点を当てたアプローチを取り入れることが重要です。このようなビジネスモデルでは、マーケティング適格リード（MQL）よりもセールス適格リード（SQL）の意義が高くなります。
SQLは、既に購買意欲が高いため、セールスチームが効果的に投資できるリードであり、高いクロージング率と効率的なリソース配分につながります。
すなわち、1on1マーケティングでは営業担当者の存在が大きくなるというわけです。
ビッグデータ分析を通じて、企業は大量のデータから洞察を得ることができ、リスクを最小限に抑えつつ効率性を向上させ、よりデータに基づいた意思決定を可能にします。
顧客の行動、好み、トレンドのデータ分析により、顧客理解が深まり、顧客ニーズに合わせてカスタマイズされた製品やサービスを提供することで顧客満足度を向上させます。
特にEコマース業界では、インターネットを介して広大な潜在顧客市場にアクセスできるため、顧客理解にビッグデータを活用することが不可欠です。これにより、顧客の行動、嗜好、購買パターンを詳細に理解し、マスマーケティング戦略を効果的に行うことができます。
しかし、パーソナライズの実施は様々な粒度で行われ、必ずしも個々の顧客一人ひとりにまで細分化されるわけではありません。
ビッグデータによる洞察を基に、顧客を特定の属性や行動特性に基づいてセグメント化し、それぞれのセグメントに合ったカスタマイズされたマーケティング戦略や製品提案を行います。
分散型市場の潜在顧客に対するマスマーケティングでは、全ての顧客に対して完全にカスタマイズされた体験を提供することは技術的、経済的に困難であるため、類似した嗜好や行動パターンを持つ顧客グループをターゲットにすることが現実的な戦略となります。
では予めターゲット顧客が明確な1on1マーケティングではどうでしょうか？
製品そのものでの差別化が難しくなってきた結果、製品から得られる価値やどのように社会に貢献するのかなどが重視されはじめました。コトラーのマーケティング3.0ではこれを価値中心の時代と呼びます。
マーケティング3.0では製品中心の物質的な面だけでなく、社会をより良くしたいなど精神的な面も含めた価値が求められます。
企業は、単に製品やサービスの機能的価値を提供するだけでなく、使用することで社会や環境に対してプラスの影響を与える満足感を消費者に提供することに重点を置くようになってきました。
持続可能性を中心としたブランド価値では、たとえば、リサイクル可能な材料を使用した製品、エコフレンドリーな製造プロセス、社会的に弱い立場の人々を支援するための一部の収益の寄付などが挙げられます。
企業は、マーケティングコミュニケーションを通じて、製品の使用がどのようにSDGsに貢献しているかを明確に伝える必要があります。ソーシャルメディア、ウェブサイト、パッケージング、広告キャンペーンを通じて、製品の持続可能性の特徴や社会的影響を強調することが重要です。
今日の消費者は、単に製品を購入するだけでなく、その購入がもたらすより広い影響にも関心を持っています。企業がSDGsに貢献する製品やサービスを提供し、そのプロセスと成果を透明に共有することで、消費者により大きな満足感を提供することができます。
１．相関関係は因果関係を意味しない
２．すべての顧客が同じ反応を示すわけではない
３．量だけでなく質も重要になる
面会回数と売上の2軸によるレスポンスレートから必要な面会回数を算出する方法は、顧客の行動変容を促し、売上を最大化するための有効なアプローチの一つです。この方法は、特にB2B営業やハイタッチセールスで有効性を発揮します。
このアプローチでは、過去の営業活動データから、顧客ごとの面会回数とそれに対応する売上データを収集した分析結果から、面会回数と売上の関係を明らかにし、それを基に未来の営業戦略を立てます。
収集したデータを用いて、面会回数と売上の間の相関関係を分析します。この分析には、散布図を用いた視覚的な方法や、相関係数の計算などが含まれます。
相関分析から関連性が確認できた場合、回帰分析を通じて面会回数と売上の間の具体的な関係式（モデル）を導き出します。このモデルを用いて、特定の売上目標に対する必要な面会回数を予測できます。
得られた関係式を基に、目標売上達成のために必要な面会回数を算出します。さらに、リソースの割り当てや営業戦略の調整を行います。
計画に基づき営業活動を実行し、定期的に実績を評価します。必要に応じて戦略を調整し、モデルの精度を高めるための追加データを収集します。
注意点もあります。
相関関係は因果関係を意味しないため、面会回数の増加が直接的に売上増加につながるとは限りません。市場環境や競争状況など、他の要因も考慮する必要があります。
すべての顧客が同じ反応を示すわけではないため、顧客セグメントごとに分析を行うことが重要です。
面会の量だけでなく、その質も重要です。適切な準備と質の高い対話が、効果的な面会には不可欠です。
このアプローチを通じて、一定水準の営業活動の計画性と効率性を高めることができます。しかし、市場や顧客の変化に柔軟に対応するためには、継続的なデータ分析と戦略の見直しが必要です。
コロナ感染症以降、面会の難しさやマルチチャンネル／オムニチャンネルを含む顧客タッチポイントの多様化が進み、ビジネス環境は急速に変化し、予測が困難になっています。顧客ニーズの多様化に対応し、この新しい現実に適応するためには、従来のアプローチを見直し、新しい手法を採用する必要性が高まっていることを認識するべきです。
営業部門は、顧客との直接的な接点を通じて個々のニーズに応える必要があります。ビッグデータの分析結果による属性グループの平均値や一般的な傾向の情報は、特定の顧客のニーズや状況に完全には対応できません。
営業部門にとっては、顧客一人ひとりの具体的な問題や要求に基づいたカスタマイズされた解決策を提供することが求められます。このため、ビッグデータによる一般的な傾向ではなく、スモールデータに基づく個別の洞察が不可欠です。
さらに本社部門における意思決定のスピードでは、営業部門における連続的な更新とリアルタイムな情報による個別最適化の要求に応えることは困難です。
このため、営業部門では、迅速な対応と個別顧客へのカスタマイズが可能なスモールデータに基づく意思決定が重要です。個々の顧客との関係を深め、そのニーズに細やかに応えるためには、スモールデータが提供する具体的で詳細な洞察が不可欠となります。
このようなアプローチにより、営業部門は外部環境の変化に柔軟かつ迅速に対応し、顧客満足度の向上とビジネス機会の最大化を図ることができるのです。
AIの進化により、膨大な量のデータから洞察を得ることが可能になりました。これにより、予測分析、パターン認識、意思決定の支援など、多くの分野で革新が進んでいます。しかし、この組み合わせは万能ではなく、特定のデメリットや課題を伴います。
ビッグデータとAIの組み合わせのデメリット
膨大なデータの中には、不完全、不正確、または関連性の低い情報が含まれることがあり、結果の質を下げる原因になります。
データに含まれるバイアスにより、偏った結果が生じ、不公平や誤解を招く可能性があります。
ビッグデータを処理し、有用な洞察を抽出するためには、高度な技術、大規模な計算リソース、専門知識が必要です。これは、特にリソースに限りがある組織にとって大きな障壁となります。
スモールデータのメリット
小規模で扱いやすく解析が容易なため、特別なツールや専門知識を必要とせずに、有用な洞察を取得することができます。
特定の問題や目的に焦点を当てることができ、その結果は直接的で理解しやすいこれにより、即時の意思決定や具体的な行動指針を決めることができます。
ビッグデータとAIの組み合わせによる洞察は強力ですが、それには限界があり、特定の課題やデメリットが伴います。スモールデータは、これらの課題を緩和し、より焦点を絞った、アクセシブルな洞察を提供することができます。最適な戦略は、ビッグデータとスモールデータの両方を活用することで、ビッグデータからは広範なトレンドとパターンを、スモールデータからは具体的な洞察と直接的なアクションを得ることです。
組織やプロジェクトにおいて、ビッグデータとスモールデータを組み合わせて活用することで、AIの能力を最大限に引き出し、より精度の高い意思決定を行うことが可能になります。
VUCAの時代のスピード感のあるデータ駆動型意思決定に求められる、実際の結果を基にして市場の短期的な動きを「理解」する逆推論的アプローチを実現するためには、以下の要素を含んだデータが必要になります。
一般的にこのような特性を持ったデータを入手することは困難であり、アンケート調査やローラー調査、あるいはビッグデータなどの過去のデータを基にして市場の中長期的な動向を「予測」する純推論的アプローチをとらざるを得ません。
しかし、医薬品業界には、施設／顧客単位で市場環境を理解することが出来る、医薬品販売データベースが存在しており、これを用いれば顧客の治療方針や処方傾向や市場規模、市場の成長性、競合他社との競争地位および競争優位性を知ることが出来ます。
それにより、データ収集から分析、戦略策定、リソースの適正配分や実行計画に至るプロセスにおいて、スピード感があり、かつ柔軟なデータ駆動型の意思決定が可能になります。
医薬品販売データベースを用いることで、戦略の具体性が高まり、実行可能性が向上し、
即座に問題に対処し、機会を捉えることができるうえに、状況の変化に応じた適応戦略を容易に策定することが出来ます。
VUCA時代において、スピード感は競争優位のための最優先事項です。孫子の兵法が説く、「先んずれば人を制す」、先手必勝の原則です。
しかし、医薬品販売データベースのリスクはその透明性にあります。すなわち、自社だけではなく、競合他社も同じく医薬品販売データベースを入手することが出来ることから、自社独自の競争優位性を維持することが難しくなることに加えて、適切な利用が出来ない場合、競合他社が競争優位性を得る危険性があるからです。
医薬品販売データベースは決して結果を確認するためだけのものではありません、競争優位性を築くための重要な武器と言えます。
