サラダ客の本当のライバルはハンバーガー。注文データがそれを教えてくれることはありません。
自社の注文履歴だけでコールドスタート推薦を初期化すると、エンジンは安直な賭けに出ます:サラダを頼んだ顧客は、またサラダが欲しいはずだ、と。しかしプラットフォーム外の消費者シグナルは、別の答えを示します。ある本拠都市圏では、全国的なサラダチェーンの顧客は、最寄りの直接競合のサラダチェーンよりもファストフードのバーガーチェーンを多く併用しています——5.8%対5.2%、順位が文字どおり逆転しているのです。別の都市では、ブリトーチェーンの顧客の16%がバーガーチェーンを併用する一方、同ジャンルの最寄りライバルは1%未満——17倍の差で、トップ14に直接競合は一社も入りません。同じ都市の第三のジャンルでも同じパターンが成り立ちます:全国的なコーヒーチェーンの顧客は、どの直接競合のコーヒーチェーンよりもバーガーチェーンを多く併用しています(15.7%対10.3%)。3つのカテゴリー。2つの都市。毎回、間接競合が直接競合を上回る。ファーストパーティデータには、これが映りません。記録されるのは自社アプリ上ですでに起きた注文だけで、サラダの顧客がよそで選んだバーガーは決して見えないのです。その死角こそがコールドスタートのつまずく場所であり、プラットフォーム外の消費者クロスビジテーションが解決するのは、まさにそこです。
似た料理 → 似た顧客
自社データの履歴だけで構築したコールドスタート推薦は、顧客を料理ジャンルで分類します。サラダの顧客にはサラダを、ブリトーの顧客にはブリトーを。自然な仮定ですが、間違っています。アプリに記録されるのは、アプリ上で起きたことだけ——顧客の本当の検討候補を明かす、プラットフォーム外での選択は決して映りません。
本当のライバルは異ジャンル — しかも第1位
ある全国サラダチェーンの本拠地都市では、消費者の併用先1位は間接競合のファストフードブランドで、最も近い直接のサラダ競合を上回ります(5.8% vs 5.2%)。別の都市のブリトーチェーンでは、併用先の上位14がすべて間接競合。同ジャンルで最も近い競合は15位、0.96%で、16%の間接首位に遠く及びません。同じ都市の全国コーヒーチェーンでも、1位はまたもハンバーガーチェーンで、最も近いコーヒー競合を上回ります(15.7% vs 10.3%)。正しいファーストタップのレコメンドには、自社のファネルだけでなく、市場全体を知ることが必要です。
- コールドスタート推薦 — 料理ジャンルの大雑把な分類ではなく、消費者の実際の検討候補セットに基づいて構築
- 加盟店開拓 — 顧客がプラットフォーム外ですでに選んでいる店舗と契約する
- 新規エリア立ち上げ — 最初の注文が入る前に需要をマッピングする
- 新規契約加盟店へのターゲティング — 注文履歴がまだない段階で最適な最初の顧客を見つける