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