公開2025.06.20更新2026.10.26 マーケティング

テイラードマーケティングとは？意味・語源とOne to Oneとの違い、効果の測り方

テイラードマーケティングは、顧客一人ひとりの属性や購買履歴に合わせて、商品・メッセージ・配信タイミングを「仕立てる」マーケティングの総称です。英語の tailor（仕立て屋）が語源で、既製服ではなく採寸して服を作るように、顧客ごとに中身を変えるという考え方を指します。この記事では、言葉の意味と学術上の位置づけ、似た用語との違い、そして導入後に「本当に効いたのか」を測る手順までを順に説明します。

まとめ：テイラードマーケティングの要点

意味は「個々の顧客に合わせて商品や販促を仕立てること」。tailor（仕立て屋）の比喩から来た言葉です
Kotlerは1989年の論文で、市場の扱い方を「マス・セグメント・マイクロ・個人」の4段階に分けました。テイラードマーケティングは最後の個人単位にあたります
テイラードマーケティングという単独の学術用語は定まっておらず、教科書では「individual marketing」「one-to-one marketing」として扱われます
効果は、個別化を止めた対照群（ホールドアウト）と比べて測ります。対照群が小さすぎると、差が出ていても判定できません
日本で行う場合は、個人情報保護法の個人関連情報の規律と、電気通信事業法の外部送信規律を確認してから設計します

テイラードマーケティングの意味と「テイラード」の語源

tailor（仕立て屋）の比喩が示す中身

tailored は「仕立てた」「目的に合わせて作った」という意味の形容詞です。Cambridge Dictionaryは「特定の状況や目的に合うよう特別に作られた、または変更された」と説明しています。ファッションの「テーラードジャケット」と同じ語で、日本語では「テイラード」と「テーラード」の両方の表記が使われます。意味に違いはありません。

この比喩を使って個別対応のマーケティングを説明した代表的な文献が、Philip Kotlerが1989年に Planning Review 誌（9・10月号）へ寄せた論文「From Mass Marketing to Mass Customization」です。Kotlerは、かつて服は仕立て屋で採寸して何週間も待つものだったが、標準サイズの既製服が大量生産されたことで待たずに買えるようになった、と書いています。そのうえで、新しい技術によって「長く待たずに、個人単位で商品やサービスを仕立てる（tailoring）ことに戻れる」と述べました。既製服の効率を保ったまま仕立て服に近づく、というのがテイラードの中身です。

学術用語としての扱いと日本での使われ方

「tailored marketing」は英語圏でも一般的な言い回しとして使われますが、確認できる範囲では特定の提唱者や定義を持つ用語ではありません。米国マーケティング協会（AMA）のサイトでは「Personalization」が独立したトピックとして立てられており、顧客インサイトを使って広告の効果や製品の関連性を高めること、と説明されています。マーケティングの教科書で同じ内容を指す用語は「individual marketing（個人マーケティング）」や「one-to-one marketing」です。KotlerとArmstrongの教科書『Principles of Marketing』は、individual marketingを、個々の顧客のニーズと好みに合わせて製品やマーケティングプログラムを仕立てることとし、one-to-one marketing、markets-of-one marketing などの別名を併記しています。

日本語の「テイラードマーケティング」も、こうした概念をまとめて呼ぶ実務上の呼び名です。社内で使うときは、どの範囲を指すのか（メールの文面だけか、商品の仕様まで含むか）を先に決めておくと、施策の議論がかみ合います。

マス・セグメント・マイクロ・個人の4段階での位置づけ

Kotlerの1989年論文は、市場の扱い方を次の4段階に分けています。テイラードマーケティングは、この最後の段階を指します。

段階	扱う単位	Kotler論文での例
マス市場	市場全体	1〜2世帯の評価で新製品を判断する日本の調査
セグメント市場	似たニーズの集団	高所得世帯の高級車市場
マイクロ市場	地域・生活様式の小集団	国勢調査から40の生活様式群を作り郵便番号で絞る
個人市場	顧客1人	CADで間取りを決める日本の住宅販売

「マス、セグメントに続く第3の手法」と説明されることがありますが、Kotlerの整理ではセグメントと個人の間にマイクロ市場が入ります。Kotlerは、高級車市場でさえロールス・ロイスとポルシェでは作り方も売り方も大きく違うとして、セグメントをさらに細かく分ける必要を説いています。Kotler自身も「microsegmentation is where we have to be in the 1990s」と書き、個人単位はその先にある機会という位置づけです。各段階の詳しい比較はマスマーケティングとは？ターゲット型との違いと投資判断の基準、セグメントの切り方はマーケットセグメンテーションとは？市場細分化の4つの軸と進め方が詳しい内容です。

Kotlerは個人市場の例として、GMのSaturn、日本の住宅販売、Marriottの「Honored Guest」、通信販売のカタログの4つを挙げています。最も詳しく描かれているのが日本の住宅販売で、夫婦がショールームでCAD-CAMの画面を見ながら間取りや設備を選び、予算を超えると営業担当がキー操作で家の大きさを縮めて価格を合わせる、という場面が描かれています。1989年の時点で、個別化は「広告文の差し替え」ではなく「商品そのものの仕立て」まで含む概念として語られていました。

今のテイラードマーケティングに最も近いのは通信販売の例です。病院から新生児のいる家庭のリストを得たカタログ会社が、出生の3週間後に乳児用品、8か月後に幼児用品、5年後に小学校の入学用品のカタログを送る、という流れです。顧客の生活の節目に合わせて送る中身と時期を変えており、購買履歴にもとづくメールの出し分けと構造は同じです。Marriottの例も、禁煙・低層階・エレベーター近くといった顧客の登録条件に合う部屋を毎回用意するもので、データベースに記録した好みで対応を変える点で共通しています。

One to One・パーソナライゼーション・マスカスタマイゼーションとの違い

テイラードマーケティングと近い用語は3つあります。違いは「誰が、何を個別化するか」です。

用語	出どころ	個別化するもの	決めるのは
マスカスタマイゼーション	Stan Davis『Future Perfect』（1987）	商品・サービス	顧客（企業が仕組みを用意）
One to Oneマーケティング	Peppers & Rogers『The One to One Future』（1993）	顧客との関係・対応	企業と顧客
パーソナライゼーション	実務・研究で広く使用	メッセージ・推薦・画面	企業
テイラードマーケティング	実務上の総称	上の全部を含みうる	文脈による

マスカスタマイゼーションの語源とパーソナライゼーションとの境目

マスカスタマイゼーションは、Stan Davisが1987年の著書『Future Perfect』で使った語です。大量生産の効率のまま個別の注文に応えるという、一見矛盾した考え方を表しています。Kotlerの1989年論文も、この語をDavisの造語として紹介しています。

パーソナライゼーションとカスタマイゼーションは混同されがちですが、研究では区別されます。Aroraらが2008年に Marketing Letters 誌で整理した定義では、パーソナライゼーションは企業が顧客データをもとに何を出すかを決めるもの、カスタマイゼーションは顧客自身が選択肢を指定するものです。ECのおすすめ欄は前者、スニーカーの色を自分で選べるサービスは後者にあたります。

実務での違いは、必要なデータにあります。パーソナライゼーションは購買履歴や閲覧履歴がなければ成り立ちません。カスタマイゼーションは顧客が自分で指定するので、履歴がない新規客にも使えます。データが少ない段階なら、顧客に選ばせる方から始める方が早く形になります。顧客が自分から申告する情報の集め方はゼロパーティデータとは？ファーストパーティとの違いと集め方・マーケでの使い方で解説しました。

One to Oneマーケティングの「顧客シェア」という視点

Peppers と Rogers の『The One to One Future』（1993年、Currency Doubleday刊）は、「Share of Customer Not Share of Market」という章を設け、市場シェアではなく顧客シェア（share of customer）を伸ばす考え方を打ち出しました。一般に、1人の顧客がその分野に使う支出のうち、自社が占める割合を指します。テイラードマーケティングの成果を新規獲得ではなく既存顧客の購入額で測る発想は、この考え方と重なります。顧客ごとの長期的な価値の計算はLTVとは？顧客生涯価値の意味・計算の考え方とCRM/MAでの高め方が参考になるはずです。メール施策に限った One to One の実装はOne to Oneメールとは？セグメント配信との違いと配信3方式・到達要件で扱っています。

テイラードマーケティングを動かすデータと判定の仕組み

個別化の仕組みは、顧客を特定するデータ、何を出すかを決める判定、届ける配信の3層でできています。つまずきやすいのは最初の層です。

会員番号・ログインID・端末IDの統合が最初の関門

店舗の会員番号、ECのログインID、メールアドレス、アプリの端末IDが別々に管理されていると、同じ人の行動がつながりません。この状態で判定ロジックを作っても、ECで買った商品の広告を店舗会員向けに出し続けるような事故が起きます。ID統合とRFM分析のSQL例はデータベースマーケティングとは？顧客データの持ち方・RFM分析のSQL例にまとめています。

ルールベースと予測モデルの選び方

何を出すかの判定には、人が条件を書くルールベースと、購買データから学習する予測モデルがあります。目安として、商品数が数百点までで、購買の流れが単純（初回購入後30日で消耗品が切れる等）なら、ルールベースで十分です。商品数が数千点を超え、顧客ごとの組み合わせを人が書き切れなくなった段階で、レコメンドエンジンなどの予測モデルを検討します。仕組みと導入判断はレコメンドエンジンとは？仕組み・種類と導入判断、クラウドの学習済みサービスを使う場合の具体例はAmazon Personalizeとは？レシピ選定とデータ要件・料金の見積もりを参照してください。

個別化の効果をホールドアウト群で測る手順

テイラードマーケティングの成果報告でよくある誤りは、導入前後の数字を比べることです。導入した月に季節要因やセールが重なれば、個別化と関係なく数字は動きます。正しくは、顧客の一部をランダムに選んで個別化を止め（ホールドアウト群）、同じ期間に一律配信を続けた群との差を見ます。

対照群の比率で判定できるかが変わる

次のPythonコードは、個別化した群と対照群のコンバージョン率の差を、95%信頼区間とp値つきで出します。標準ライブラリだけで動きます。

from statistics import NormalDist

def holdout_lift(conv_t, n_t, conv_h, n_h, alpha=0.05):
    """個別化した群(t)と、個別化を止めた対照群(h)のCVR差を推定する"""
    p_t, p_h = conv_t / n_t, conv_h / n_h
    diff = p_t - p_h
    # 差の95%信頼区間（正規近似）
    se = (p_t * (1 - p_t) / n_t + p_h * (1 - p_h) / n_h) ** 0.5
    z = NormalDist().inv_cdf(1 - alpha / 2)
    # 有意性検定（2標本の比率の差・プールした分散）
    p_pool = (conv_t + conv_h) / (n_t + n_h)
    se0 = (p_pool * (1 - p_pool) * (1 / n_t + 1 / n_h)) ** 0.5
    p_value = 2 * (1 - NormalDist().cdf(abs(diff / se0)))
    return {
        "cvr_tailored": round(p_t, 4),
        "cvr_holdout": round(p_h, 4),
        "lift_pt": round(diff * 100, 2),
        "ci95_pt": (round((diff - z * se) * 100, 2), round((diff + z * se) * 100, 2)),
        "relative_lift": round(diff / p_h, 3),
        "p_value": round(p_value, 4),
    }

# 会員10万人を95:5に分けた場合
print(holdout_lift(conv_t=2280, n_t=95000, conv_h=100, n_h=5000))
# 同じ会員数を90:10に分けた場合
print(holdout_lift(conv_t=2160, n_t=90000, conv_h=200, n_h=10000))

Python 3で実行した出力は次のとおりです。1行目の -0.0 は、区間の下限が0をわずかに下回った値を丸めた表示です。

{'cvr_tailored': 0.024, 'cvr_holdout': 0.02, 'lift_pt': 0.4, 'ci95_pt': (-0.0, 0.8), 'relative_lift': 0.2, 'p_value': 0.0705}
{'cvr_tailored': 0.024, 'cvr_holdout': 0.02, 'lift_pt': 0.4, 'ci95_pt': (0.11, 0.69), 'relative_lift': 0.2, 'p_value': 0.0124}

どちらもCVRは2.0%から2.4%へ、相対で20%改善しています。それでも対照群を5%（5,000人）にした場合は信頼区間が0をまたぎ、p値も0.07で、効果があったとは言えません。対照群を10%に広げると区間が0.11〜0.69ポイントに収まり、判定できます。対照群を小さくすると売上の機会損失は減りますが、効果を証明できなくなります。会員数とベースのCVRから、先に必要な対照群の大きさを決めてください。必要サンプル数の計算はABテストとは？必要サンプル数の計算コードと検証期間・判定を誤らせる条件で扱っています。

対照群の割り当て・配信・評価指標の決め方

割り当ては顧客IDのハッシュ値などで固定し、期間中に群を入れ替えない
対照群にも一律の配信は続ける（何も送らない群と比べると、配信そのものの効果まで個別化の手柄になる）
評価指標は配信のクリック率でなく、購入額や継続率など事業の数字にする

クリック率は個別化で上がりやすい一方、購入額が変わらないことがあります。経営判断に使うなら、事業の数字で差を見ることを優先します。

日本で実施するときの法規制

個人単位でデータを使う以上、法令の確認は設計の前に済ませます。特に関係するのは次の2つです。

個人情報保護法の個人関連情報（第31条）

Cookie ID、閲覧履歴、位置情報のように、それ単体では個人を特定しないデータは「個人関連情報」にあたります。令和2年改正法で新設され（新設時は第26条の2、令和3年改正で第31条へ移動。2022年4月1日施行）、現在の第31条第1項は提供先がこれを個人データとして取得すると想定される場合に、提供元へ「本人の同意が得られていること」などの事前確認を義務づけました。

テイラードマーケティングで問題になるのは、外部のデータ提供事業者から受け取った属性情報を、自社の会員IDにひもづけて配信を出し分ける場面です。この使い方をするなら、自社側で本人同意を取得する導線（会員規約やCookie同意画面）を用意しておかないと、提供元が確認できずにデータ連携そのものが止まります。

電気通信事業法の外部送信規律（第27条の12）

2023年6月16日に施行された外部送信規律は、利用者の端末から外部へ情報を送らせるタグやSDKについて、送信される情報の内容や送信先を「当該利用者に通知し、又は当該利用者が容易に知り得る状態に置かなければならない」と定めています。総務省の解説では、対象はメッセージ媒介サービス、SNS、検索サービス、ニュースサイトやまとめサイトのように各種情報をオンラインで提供するサイトです。自社商品のオンライン販売や企業のホームページ運営は電気通信事業に当たらず、対象外とされています。自社ECの出し分けだけなら直接の対象になりませんが、記事配信のメディアやアプリを運営しているなら、広告タグや行動解析タグを増やす前に該当するかを確認しておきます。

Cookieをめぐる環境も変わりました。Googleは2024年7月にChromeでサードパーティCookieを一律に廃止する方針を見直し、2025年4月には新たな選択画面も出さず、利用者が設定で選ぶ現行方式を維持すると発表しました。同年10月には、Topics APIやProtected Audienceなど10系統のPrivacy Sandbox技術の廃止も発表しています（CHIPS・FedCM・Private State Tokensは継続）。他社のCookieに頼らず、自社で同意を得て集めたデータで個別化を組む方が、ブラウザの方針転換に振り回されません。