AIの力でROIと長期的な成長を促進

マーケティングにおけるインクリメンタリティ計測とは、マーケティング活動がインストールやIAP（アプリ内購入）などのKPIに与えた真の影響を計測することです。

従来のインクリメンタリティの計測には、コントロールグループとテストグループが使用されます。 この方法を使用すると、テストグループはキャンペーンに接触し、コントロールグループは影響を受けません。 両方のグループのパフォーマンスを比較することで、マーケターはキャンペーンによって生成されたインクリメンタリティのリフト（増分）を判断できます。

しかし、ABテストは場合によっては費用と時間がかり、プライバシー規制により、インクリメンタリティのA/Bテストに必要な詳細レベルのデータを取得することが難しくなっています。

予測型モデルと業界のベンチマークに基づいた独自の合成コントロールグループによって、AIによるインクリメンタリティが可能になります。 Adjustのクライアントは通常通りマーケティングキャンペーンを実施し、Adjustはコントロールグループとして機能する同様のアプリに対してキャンペーンパフォーマンスを分析します。 その結果、データはクライアントがテスト変数予算、チャネルなどを変更しなかった場合にどうなるかを予測します。 インクリメンタリティの計測方法は、ユーザー個別のセグメンテーションを必要としない、より将来性のある方法です。

メディアミックスモデリング（MMM）は過去のデータを調査して何が収益化に貢献したかを判断することで、マーケティングの取り組みを分析するアプローチの1つです。 「ミックス」とは、商品、価格、場所、プロモーションを組み合わせた評価を指します。 基本的には、MMMは広告の効果をマーケターに知らせ、マーケターはその結果を将来のキャンペーンに適用し投資利益率（ROI）を向上させることができます。 Cookieやアトリビューションよりも前に誕生したMMMは、マーケターがユーザー獲得に最も効果的なチャネルを推測する手間を省くことができるようになった方法でした。Adjustは、これがデバイスIDに依存しないモバイルアナリティクス市場において欠かせないものであると考えています。

マーケティングにおける予測分析は、予測型モデリングを活用したキャンペーン最適化に対するデータ主導のアプローチです。予測型モデルは、過去のデジタルマーケティングデータセットを使用して、将来の結果についてデータに基づいた予測を行う統計および計算手法です。 最近の予測分析ツールは、多くの場合、機械学習技術を活用して予測モデルを構築します。 予測分析により、アプリマーケターは明確なデータ主導のパフォーマンス指標とKPIを設定でき、パフォーマンス計測を改善することができます。 顧客の行動とキャンペーンの結果を正確に予測することで、マーケティングの取り組みとROIをより正確に計測できるようになります。