Adobe Campaign を使用すると、カスタマージャーニーの設計と配信を最適化して、各ユーザーのエンゲージメントの傾向を予測できます。Adobe Campaign は、ジャーニー AI を活用して、過去のエンゲージメント指標に基づいて開封率や最適な送信時間、顧客離れの可能性を分析および予測できます。
機械学習モデル
Adobe Campaign Standard は、予測送信時間の最適化および予測エンゲージメントスコアリングの 2 つの新しい機械学習モデルを備えています。この 2 つのモデルをまとめてジャーニー AI と呼びます。これは、より良いカスタマージャーニーを設計および提供するための、機械学習モデルのクラスです。
予測送信時間の最適化:E メールの開封数またはクリック数を向上させるために、各受信者プロファイルの最適な送信時間を予測します。各受信者プロファイルのスコアでは、各平日の E メール配信の最適な時間や平日で配信に最適な曜日を確認でき、E メール配信の成果を最大化できます。
予測エンゲージメントスコアリング:予測エンゲージメントスコアリングは、受信者がメッセージにエンゲージする確率と、次の E メールの送信後 7 日以内にオプトアウト(登録解除)する確率を予測します。これらの確率は、具体的な離脱リスク(中または低)に応じてさらに分割されます。さらに、このモデルでは顧客に関するリスクのパーセンタイルランクが表示され、他の顧客と比較した場合の各顧客のランクを把握できます。
この機能は、製品の一部として初期状態では使用できません。実装するには、アドビのコンサルティングサービス部門に依頼する必要があります。詳しくは、アドビ担当者にお問い合わせください。
この機能を使用するには、お客様が提供する必要のあるAzureまたはAmazonS3ストレージを使用する必要があります。
E メールの開封数またはクリック数を向上させるために、各受信者プロファイルの最適な送信時間を予測します。各受信者プロファイルのスコアでは、各平日の E メール配信の最適な時間や平日で配信に最適な曜日を確認でき、E メール配信の成果を最大化できます。
予測送信時間の最適化モデルには、2 つのサブモデルがあります。
モデル入力:配信ログ、トラッキングログおよびプロファイル属性(PII 以外)
モデル出力:メッセージの送信に最適な時間(開封数およびクリック数)
出力の詳細
これらの予測機能は、E メール配信にのみ適用されます。
モデルで有意な結果を得るには、1 ヶ月以上のデータが必要です。
Adobe Campaign に機械学習機能を実装すると、開封数およびクリック数の最大スコアを表示する新しいタブにアクセスできるようになり、プロファイルデータを強化できます。指標はジャーニー AI によって計算され、テクニカルワークフローを使用して Adobe Campaign に取り込まれます。
これらの指標にアクセスするには、次の操作が必要です。
プロファイルを開き、「編集」ボタンをクリックします。
「クリック数ごとの送信時間スコア」または「開封数ごとの送信時間スコア」タブをクリックします。
デフォルトでは、プロファイルスコアは、各曜日の最適な送信時間と、週全体における最適な送信時間を提示します。
各プロファイルの最適な時間に E メールが配信されるようにするには、「Send at a custom date defined by a formula」オプションを使用して配信をスケジュールする必要があります。
送信日の計算方法について詳しくは、この節を参照してください。
数式には、特定の日における最適な送信時間を入力する必要があります。
数式の例:
AddHours([currentDelivery/scheduling/@contactDate],
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])
データモデルは、実装によって異なる場合があります。
予測エンゲージメントスコアリングでは、次のことができます。
このモデルでは、複数のスコアを使用して、次の項目を提示します。
これらの予測機能は、E メール配信にのみ適用されます。
モデルで有意な結果を得るには、1 ヶ月以上のデータが必要です。
モデル入力:配信ログ、トラッキングログおよび特定のプロファイル属性
モデル出力:プロファイルのスコアとカテゴリを説明するプロファイル属性
これらの指標にアクセスするには、次の操作が必要です。
プロファイルを開き、「編集」ボタンをクリックします。
「E メールチャネルのエンゲージメントスコア」タブをクリックします。
ワークフローでクエリアクティビティを使用すると、スコアに基づいてオーディエンスを最適化できます。
例として、リテンションレベルの基準を次に示します。