ネクストベストアクション（NBA）とは、顧客データ、業務ルール、AIを組み合わせ、一人ひとりの顧客にいま取るべき最も価値の高いアクションをリアルタイムで判断する手法である。 あらかじめ組んだキャンペーンの配信計画や固定的なセグメントに従うのではなく、顧客ごとの文脈、行動、嗜好、予測される需要をその都度評価し、商品のレコメンデーション、サービスの提案、コンテンツの提示、連絡するタイミングといった選択肢の中から最適な一手を選ぶ。
NBAは、一斉配信型のマーケティングから顧客単位で内容を変えるエンゲージメントへの転換を表している。2026年のブランド調査では、CDPの購入検討者の28%がNBAを最も導入したいAI機能に挙げており、顧客体験部門の責任者に限れば35%に上る。データ分析、コンテンツ生成、オーディエンスのセグメント作成を抑えて、要望が最も多いAI機能となっている。
CDP（カスタマーデータプラットフォーム）が担う5段階の循環、すなわちCustomer Intelligence Loop（収集→統合→理解→意思決定→エンゲージメント）の中で、NBAは意思決定の段階を動かす仕組みにあたる。他の4つの段階は、いずれもNBAを成立させるために存在する。収集と統合がプロファイルを組み立て、理解が顧客の意図を抽出し、NBAがその情報を最適なアクションへ変換して、エンゲージメントのチャネルが実行する。エージェンティックCDPでは、AIエージェントがこのループ全体を継続的に回すため、NBAの判断はキャンペーンの周期ではなくミリ秒単位で下される。
ネクストベストアクションとネクストベストオファーの違い
2つの用語は同じ意味で使われることもあるが、NBAのほうが対象とする範囲は広い。ネクストベストオファー（NBO）が扱うのは、原則として商品やサービスのレコメンデーション、つまり何を売り、何を訴求するかである。NBAはそこに、次のような働きかけを含める。
- オファーと販促：商品のレコメンデーション、アップセル、クロスセル、割引
- コンテンツの提示：顧客の関心に沿った解説記事、資料、動画
- サービス対応：先回りのサポート連絡、契約内容の見直し、解約防止の働きかけ
- 連絡手段の最適化：チャネルの選択と配信タイミングの調整
- 次の一歩への誘導：ライフサイクル上の次の段階へ顧客を導く
NBAが判断するのは、何を提案するかだけではない。そもそも接触すべきか、いつ、どのチャネルで、どのような種類のやり取りを行うかまでを含む。単体のレコメンデーションエンジンというより、顧客とのやり取り全体を組み立てる仕組みである。
ネクストベストアクションの仕組み
NBAは、複数のデータと判断の構成要素を組み合わせてリアルタイムの推奨を生成する。
統合された顧客データ
リアルタイムCDPが土台となり、あらゆる接点の顧客データを一つのプロファイルへ集約して継続的に更新する。Customer 360と呼ばれる状態である。行動データ、取引履歴、属性情報、嗜好、エンゲージメントの傾向に加え、閲覧中のページや位置情報といったリアルタイムのシグナルも含まれる。
業務ルールと制約
推奨の枠組みは組織の側で定める。接触頻度の上限、チャネルの優先順位、対象者の条件、規制対応上の要件、事業戦略上の優先度などである。こうしたルールを置くことで、AIが導いた推奨が事業目標と顧客体験の基準から外れずに済む。
予測分析と機械学習モデル
予測分析のモデルが、過去のパターンと統計モデリングにもとづいて、顧客ごとに各アクションへの反応しやすさを評価する。プロペンシティモデリングは解約の確率、顧客生涯価値、商品との相性、接触に適したタイミングを予測する。新しいデータが入るたびに機械学習が予測を更新するため、精度は運用しながら上がっていく。
意思決定エンジン
意思決定エンジンは、データ、ルール、モデルの出力を統合し、顧客ごとに候補となるアクションを採点して順位づけする。収益への貢献、解約防止への効果、顧客満足度といった事業目標に照らして複数の候補を比較し、その瞬間に期待値が最も高いアクションを選ぶ。顧客インテリジェンスを実際の判断へ変換する部分がここにあたる。
部門ごとの活用事例
マーケティング
NBAによって、セグメント単位のキャンペーンから顧客単位のエンゲージメントへ移れる。数千人に同じメールを送るのではなく、その時点の文脈に応じて一通ずつ内容を変えられる。ランニングシューズを閲覧している顧客にはウェアのパーソナライズされたレコメンデーションを出し、ノートPCを購入したばかりの顧客には周辺機器を提示する、といった具合に、行動と嗜好、予測される意図から動的に決まる。
営業
営業チームはNBAを使ってアプローチの優先順位と進め方を決める。どの見込み客が成約に近いか、どの製品に関心があるか、いつ接触すべきかをNBAが示す。B2Bであれば、情報収集の段階にいる見込み客には導入事例を送り、購買の意思が見える見込み客にはデモの日程を打診する、という判断の使い分けになる。
カスタマーサポート
サポート部門は、先回りの対応と問い合わせの解決にNBAを用いる。不満の兆候が出ている顧客や同じ問題を繰り返している顧客に対して、専門担当者からの連絡やサービスクレジットの自動付与を推奨できる。対応中には、関連するナレッジベースの記事を提示したり、適切な場面に限ってアップセルの機会を知らせたりする。
CDPがネクストベストアクションを支える仕組み
CDPは、個別化されたエンゲージメントを大規模に成立させるためのリアルタイムのデータ基盤と意思決定機能を備えており、NBAの実行基盤として使われる。
- リアルタイムのプロファイル統合：全接点にわたる最新の顧客プロファイルへ即座にアクセスできる
- オーディエンスのアクティベーション：データアクティベーションにより、推奨されたアクションを実行チャネルへそのまま渡せる
- カスタマージャーニーオーケストレーション：NBAの推奨にもとづき、チャネルと接点をまたいだエンゲージメントを調整する
- 名寄せ：デバイスやセッションをまたいで同一人物を正しく認識し、判断の一貫性を保つ
- 成果の計測：クローズドループの分析でNBAの効果を測り、モデルを改善する
CDPがなければ、組織は分断されたデータをもとに判断せざるを得ない。プロファイルの一部しか見えていない状態で推奨を出すため、内容が不完全になったり、チャネルごとに食い違ったりする。
AIがネクストベストアクションにもたらした変化
NBAはもともとデータにもとづく手法だったが、AIの進歩によって扱える範囲と精度が変わった。初期のNBAは、ルールベースのロジックと単純な統計モデルに頼っていた。現在のAI意思決定は、人間が見落とすような複雑なパターンを機械学習で検出し、継続的な学習によって推奨を更新する。
ルールから自律的な判断へ
従来のNBAでは、データサイエンティストが大量のルール設定とモデル調整を手作業で担う必要があった。現在のNBAは強化学習を用い、試行とフィードバックを繰り返しながら判断を最適化する。どのアクションが目的とする成果につながるかをシステム自身が見つけ出し、人手の介入を待たずに方針を調整していく。
大規模言語モデルと生成AI
大規模言語モデル（LLM）と生成AIの登場によって、NBAはあらかじめ用意したアクションの一覧を超えて広がった。限られたオファーやメッセージの中から選ぶのではなく、顧客ごとの状況や文体に合わせて、コンテンツ、商品説明、メール本文、チャットの応答をその場で生成できる。
実運用のCDP環境でAIによる意思決定がどう動いているかは、リアルタイムのネクストベストアクションを支えるAI意思決定の解説で詳しく扱われている。
エージェンティックAIと自律的な意思決定
NBAの次の段階はエージェンティックAI、すなわち複数の手順にまたがるエンゲージメント戦略をAI自身が計画し実行する形態である。単一のアクションを推奨するのではなく、AIエージェントがカスタマージャーニー全体を組み立て、顧客の反応と変化する状況に応じて判断を連ねていく。解約の防止、オンボーディング、アカウントの成長といった時間軸の長い施策を、例外が生じたときだけ人間が介入する形で運用できる。
Extraco Banksは、この移行が実務でどこまで進んでいるかを示す例である。このコミュニティバンクは、統合されたCDPプロファイルの上にAI Agent Foundryを展開し、AIが導いたネクストベストアクションの推奨を人間のアドバイザーが実行前に確認する運用を整えることで、融資と預金の商品で前年比27%のコンバージョン改善を達成した。（Extraco Banksの事例の詳細）
AIの進歩が続くにつれ、NBAはアクションを推奨する機能から、複雑なやり取りを自律的に処理するエンゲージメントの仕組みへと位置づけを変えつつある。人間のチームは、戦略、クリエイティブ、価値の高い関係構築に時間を振り向けられるようになる。
FAQ
ネクストベストアクションとネクストベストオファーの違いは何か
ネクストベストオファーが扱うのは商品やサービスの提案に限られるが、ネクストベストアクションはオファーに加えて、コンテンツの提示、サービス対応、連絡手段の選択、次の一歩への誘導までを対象とする。 NBAは何を提案するかだけでなく、いつ、どのチャネルで、どのような種類のやり取りを行うかまで判断する。そもそも今は接触しないという選択肢も候補に含める点が、レコメンデーションに特化したNBOとの違いである。
ネクストベストアクションはどのような仕組みで動くのか
CDPが提供する統合された顧客データ、業務ルールと制約、プロペンシティモデリングなどの機械学習モデルを組み合わせ、候補となるアクションをリアルタイムで採点する。 意思決定エンジンが複数の候補を事業目標に照らして評価し、その顧客とその瞬間について期待値が最も高いものを選び、適切なチャネルで実行する。成果は計測されてモデルへ戻り、次の判断の材料になる。
ネクストベストアクションでAIはどのような役割を果たすのか
AIは、手作業の設定を前提としたルールベースの仕組みを、継続的に学習し最適化する自律的な意思決定基盤へと変えた。 機械学習が複雑なパターンを検出して成果を予測し、大規模言語モデルがメッセージそのものの生成を担う。現在の焦点は、複数の手順にまたがるエンゲージメント戦略を、最小限の監督のもとで自ら計画し実行するエージェンティックAIに移っている。
Related Terms
- エージェンティックCDP：AIエージェントがNBAの判断をループの速度で自律的に回す、第3世代のCDP
- Customer Intelligence Loop：NBAが意思決定の段階を担う、5段階の継続的な循環
- エージェンティックAI：複数の手順にまたがるNBAの戦略を自律的に実行するAIシステム
- 解約予測：リテンションを目的とするNBAを必要とする顧客を特定する
- リアルタイムパーソナライゼーション：NBAの判断にもとづいて個別の体験を届ける
- 処方的分析：最適なアクションを推奨する、NBAエンジンの分析面の中核
- カスタマージャーニー分析：どのアクションが成果につながるかを示すジャーニーのパターン分析