従って、その後さらなる顧客の獲得が必要となった場合、上述したやり方をベースにして同様の結果が得られるようになる。これがうまく機能するのは何度となく証明されているため、たいていの場合は前と同じやり方で繰り返されることになる。このようなシステムは、データプラットフォームと集積されたデータを用いて上述したモデルを最適化できるため、リアルタイムのニーズとともに、過去に学んだ教訓や洞察も反映できるようになる。
学んだ教訓に基づいて最適化や変革を達成しようという場合、後付けで何らかのレポートを作成し、別のやり方が可能だったかどうかを分析することになる。これは後付けの洞察（すなわちイベントが終わってからの洞察）を生み出す方法だ。これでも目的を達成できるが、やるべきことが判明する頃にはそのイベントは終了し、使いようがないという点で、最適化に役立たないと言える。
教訓や変革は、リアルタイムでの洞察と人工知能（AI）、先進的なアナリティクスを用いれば、ほぼリアルタイムで達成できる。最適化は迅速に行われ、結果は動的に得られ、今起きているイベントと以後のイベントを改善するために役立つ洞察が生み出せる。キャンペーンはより優れたメッセージを用いて最適化でき、販売サイクルは更新された価格を利用し、場合によってはセット商品を作り出すことで、マーケターは実績もあるより優れたコンテンツを使用できるようになる。
企業はイベントの終了と、場合によっては次のイベントが見えてくるまで待ったうえで、変革が機能したかどうかを判断する（このプロセスでは、次のイベントが始まるまでの間に状況が変化するという事実が無視される）のではなく、企業運営を続けながら改善を実施するための適切なデータと適切なプロセス、適切な成果物を連携させた洞察を活用できるようになる。
こういったことを行うには、（データの格納と集積のみに注力した）今までのものとは異なるツール一式を使うだけでなく、異なったメンタリティが必要となるのはもちろんだ。そして、異なった方法論も必要となる。そのような目的を実現するフレームワークもある。
この記事は海外CBS Interactive発の記事を朝日インタラクティブが日本向けに編集したものです。
