Predictive Audiences 概要

Predictive Audiences は、高度なデータサイエンス技法を使用して、リアルタイムに不明なオーディエンスを個別のペルソナに分類するのに役立ちます。

IMPORTANT

この記事には、この機能の設定と使用方法を説明する製品ドキュメントが含まれています。法的なアドバイスは何も含まれません。法律に関するガイダンスについては、御社の顧問弁護士にアドバイスを求めてください。

マーケティングにおいて、ペルソナとは、人口統計、閲覧傾向、買い物履歴など、特定の特性のセットを共有する、訪問者、ユーザーまたは見込み客別に定義されたオーディエンスセグメントです。

Predictive Audiences モデルは、この概念をさらに一歩進めて、Audience Manager の機械学習機能を使用して不明なオーディエンスを個別のペルソナに分類できるようにします。Audience Manager は、既知のファーストパーティオーディエンスのセットに関する不明なファーストパーティオーディエンスの傾向を計算することで、これを実現します。

Predictive Audiences モデルを作成する場合、最初のステップは、ターゲットオーディエンスを分類するためのベースライン特性またはセグメントを選択することです。これらの特性またはセグメントは、ペルソナを定義します。

評価フェーズの間、モデルは、ベースラインとして定義した特性またはセグメントごとに新しい Predictive Audiences セグメントを作成します。次回 Audience Manager がペルソナに分類されていない(どのベースライン特性またはセグメントの条件も満たさなかった)ターゲットオーディエンスの訪問者を確認したら、Predictive Audiences モデルは、その訪問者が属する予測セグメントを決定して、訪問者をそのセグメントに追加します。

Segments ページで、モデルによって作成された予測セグメントを識別できます。各 Predictive Audiences モデルには、Predictive Audiences フォルダーの下に独自のフォルダーがあり、モデルフォルダーをクリックすることで、各モデルのセグメントを確認できます。

predictive-audiences-segments

ユースケース

Predictive Audiences をいつどのように使用できるかを理解しやすくするために、Audience Manager のお客様がこの機能を使用して解決できる、いくつかのユースケースを次に示します。

ユースケース 1

e コマース会社のマーケティング担当者の場合、ユーザーエクスペリエンスをパーソナライズできるように、すべての Web およびモバイル訪問者を様々なブランド志向カテゴリに分類したい。

ユースケース 2

メディア会社のマーケティング担当者の場合、すべてのチャネルにわたってパーソナライズされたコンテンツを提案できるように、未認証の Web およびモバイル訪問者を好きなジャンルごとに分類したい。

ユースケース 3

航空会社向けの広告主の場合、短いリターゲティング期間内にリアルタイムに広告を提示できるように、旅行先への関心に基づいてオーディエンスを確実に分類したい。

ユースケース 4

広告主の場合、トレンドニュースにすばやく反応できるように、リアルタイムにファーストパーティオーディエンスを分類したい。

ユースケース 5

マーケティング担当者の場合、フェーズに応じてターゲティングできるように、Web サイト訪問者がいるカスタマージャーニーフェーズ(ディスカバリー、エンゲージメント、購入、定着など)を予測したい。

ユースケース 6

メディア会社の場合、訪問者に関連性のある広告を提供すると同時に、広告スペースをプレミアム価格で販売できるように、オーディエンスを分類したい。

Predictive Audiences モデルの動作

Predictive Audiences モデルを作成する場合、次の 3 つの手順を実行します。

  1. 最初に、最低でもペルソナを定義する 2 つの特性または 2 つのセグメントを選択します。
  2. 次に、分類したいターゲットオーディエンスを定義する特性またはセグメントを選択します。
  3. 最後に、モデルの名前、予測セグメントを保存するデータソース、およびモデルのProfile Merge Ruleを選択します。

ペルソナの選択条件

ペルソナを定義するための任意のファーストパーティ特性またはセグメントを選択できます。ただし、最適な結果を得るには、次に示すベストプラクティスに従ってください。

  • 各ペルソナが少なくとも数百のデバイス ID を含むようにペルソナの特性またはセグメントを選択します。
  • 特性がクロスデバイス ID に基づいている場合、Device Graph のように、デバイス ID を使用するプロファイル結合ルールで特性をセグメントにラップできます。これにより、アルゴリズムが学習するのに十分なデバイス ID が確保されます。
  • ペルソナ用に特性またはシンプルなセグメント(1 ~ 3 個の特性で構成)を選択することをお勧めします。
  • 重複が最小のベースライン特性またはセグメントを選択します。
  • デジタルプロパティをまたいで詳細な特性をキャプチャしていることを確認します。

ターゲットオーディエンスの選択条件

ユースケースに応じて、ユーザーをリアルタイム、バッチまたはその両方のどれで分類するかに応じて、リアルタイム母数または合計母数が大きなターゲットオーディエンス(traitまたはsegment)を選択します。ペルソナの選択と同様に、ターゲットのオーディエンスtraitを使用するか、豊富なプロファイル(traitsの豊富なセット)を持つsegmentを使用することをお勧めします。

ターゲットオーディエンスを選択する場合は、ユースケースを分析し、分類する ID のタイプ(device IDsまたはcross-device IDs)を選択します。モデルの作成時に選択したProfile Merge Ruleによって、各ユーザーを予測segmentsに配置するために使用されるデータが定義されます。

ベストプラクティスとして、ターゲットオーディエンスProfile Merge Ruleと同じ設定 のProfile Merge Ruleを選択するか、ターゲットオーディエンスのプロファイルタイプ(デバイスプロファイルまたは認証済みプロファイル)を含むものを選択することをお勧めします。

Predictive Audiences モデルトレーニングフェーズ

アルゴリズムがファーストパーティオーディエンスを適切なペルソナに分類できるようにするには、事前にお客様のデータでアルゴリズム自体をトレーニングする必要があります。

アルゴリズムは、定義するペルソナごとに各オーディエンスを分析し、過去 30 日間のユーザーのリアルタイムの特性アクティビティやオンボーディングされた特性アクティビティを評価します。この手順は、ファーストパーティオーディエンスの変更を考慮して、24 時間ごとに実行されます。

Predictive Audiences モデル分類フェーズ

リアルタイムおよびバッチでのオーディエンス分類の場合、モデルはまず、ユーザーがターゲットオーディエンスに属しているかどうかを確認します。ユーザーがターゲットオーディエンスに適合し、どのペルソナにも属していない場合、モデルは、そのユーザーにペルソナ認定スコアを割り当てます。

ファーストパーティオーディエンスを評価してスコアを割り当てると同時に、モデルはお客様のアカウントに定義されたデフォルトの Profile Merge Rule を使用します。最後に、訪問者が最も高いスコアを獲得したペルソナに分類されます。

predictive-audiences-graph

考慮事項と制限

IMPORTANT

実装フェーズに進む前に、この節をよくお読みください。

Predictive Audiences モデルを設定する場合、次の考慮事項および制限に注意してください。

  • 最大 10 個の Predictive Audiences モデルを作成できます。
  • 各モデルについて、最大 50 個のベース特性/セグメントを選択できます。
  • セカンドおよびサードパーティデータは、現在、Predictive Audiences でサポートされていません。
  • Predictive Audiences は、すべてのファーストパーティデータソースからのファーストパーティ特性に基づいて、オーディエンスの分類を実行します。
  • Predictive Audiencesのセグメント評価では、モデル作成時に選択した​Profile Merge Rule​が使用されます。Profile Merge Rules について詳しくは、該当するドキュメントを参照してください。
  • 一部の特性およびセグメントは、ベースラインオーディエンスまたはターゲットオーディエンスとしてサポートされません。Predictive Audiences モデルは、次のいずれかをベースラインオーディエンスまたはターゲットオーディエンスとして選択すると、保存に失敗します。
    • 予測特性および予測特性を使用して作成されたセグメント
    • Adobe Experience Platform の特性またはセグメント
    • アルゴリズム特性
    • セカンドおよびサードパーティ特性
  • Predictive Audience segments をAudience Lab で使用することはできません。

Data Export Controls

Predictive Audiences モデルで作成された予測セグメントは、次のファーストパーティデータソースからデータ書き出しコントロールを継承します。

  1. モデルを構築する際に選択するファーストパーティデータソース。
  2. ターゲットオーディエンスのファーストパーティデータソース。特に、ターゲットオーディエンスを構成するtraitsまたはsegmentsのデータ書き出しコントロール。
  3. モデルに対して選択したProfile Merge Ruleのデータ書き出しコントロール

新しく作成した予測traitsおよびsegmentsには、前述のファーストパーティデータソースと同じプライバシー制限が課されます。

Predictive Audiences セグメントのプライバシー制限に含まれない追加の制限を持つ特性は、トレーニングフェーズから除外され、モデルに対して影響力を持つことはありません。

Profile Merge Rules

すべての予測セグメントに、モデルの作成時に選択したProfile Merge Ruleが割り当てられます。次の理由により、選択したProfile Merge Ruleは重要です。

  • ユーザーを予測segmentに分類する際には、traitsの影響力を分析するときに、どのデバイスや認証済みプロファイルを考慮に入れるかを定義します。
  • モデルトレーニング手順で使用し、影響力のある trait タイプとして表示されるtraitsタイプ(デバイスレベルまたはデバイス間レベル)を管理します。予測segmentsは、ターゲットオーディエンスのサブセットです。
    • ターゲットオーディエンスがセグメントの場合は、ターゲットオーディエンスに割り当てられたものと同じProfile Merge Ruleをモデルに選択するか、ターゲットオーディエンスのプロファイルタイプを含むProfile Merge Ruleを選択することをお勧めします。
    • ターゲットオーディエンスがtraitの場合は、ターゲットオーディエンス特性と同じタイプのデータにアクセスできるProfile Merge Rule(デバイスプロファイルデータまたはクロスデバイスプロファイルデータのいずれか)を選択することをお勧めします。
  • Current Authenticated ProfilesおよびNo Device Profileオプションを使用するProfile Merge Rulesは、リアルタイムオーディエンスの分類に対してのみサポートされます。詳しくは、定義済みのプロファイル結合ポリシーのオプションを参照してください。

デバイスデータとクロスデバイスデータ の両方を使用するProfile Merge Ruleを選択すると、モデルトレーニングや予測segmentsへのユーザー分類に使用できるtraitsの数が最大になります。

Role-Based Access Controls

ペルソナおよびオーディエンスの分類用に選択する特性およびセグメントは、Audience Manager のロールベースのアクセス制御の影響を受けます。

Audience Manager ユーザーは、表示権限を持つペルソナおよびターゲットオーディエンス用の特性またはセグメントのみ選択できます。

このページ