顧客AIの入出力

次のドキュメントでは、顧客AIで使用される様々な必須イベント、入力、出力の概要を説明します。

はじめに

顧客AIは、次のデータセットの1つを分析して、傾向スコアの変化やコンバージョン傾向スコアを予測します。

重要

ソースコネクタでは、データのバックフィルに最大4週間かかります。 コネクタを最近設定した場合は、データセットのデータ長が顧客AIに必要な最小限であることを確認する必要があります。 履歴データの節を確認して、予測目標に十分なデータがあることを確認してください。

このドキュメントでは、CEEスキーマの基本知識が必要です。 続行する前に、インテリジェントサービスデータの準備のドキュメントを確認してください。

次の表に、このドキュメントで使用される一般的な用語の概要を示します。

用語 定義
エクスペリエンスデータモデル(XDM) XDMは、Adobe Experience Platformが提供するAdobe Experience Cloudが、適切なチャネル上で適切なタイミングで適切な人に適切なメッセージを届けることを可能にする、基本的なフレームワークです。 Experience Platform を構築する方法論である XDM システムによって、Platform サービスでエクスペリエンスデータモデルスキーマを操作できるようになります。
XDM スキーマ Experience Platform では、スキーマを使用して、一貫性のある再利用可能な方法でデータの構造を記述します。システムをまたいで一貫したデータを定義することで、意味を保有しやすくなり、データから価値を得ることができます。データをPlatformに取り込む前に、スキーマを構成して、データの構造を記述し、各フィールドに含めることができるデータのタイプを制約する必要があります。 スキーマは、基本XDMクラスと0個以上のスキーマフィールドグループで構成されます。
XDMクラス すべての XDM スキーマは、レコードまたは時系列として分類できるデータを記述します。スキーマのデータ動作は、スキーマのクラスによって定義され、スキーマの作成時に割り当てられます。 XDM クラスは、特定のデータ動作を表すためにスキーマが格納する必要のある最小のプロパティ数を記述します。
フィールドグループ スキーマ内の1つ以上のフィールドを定義するコンポーネント。 フィールドグループは、スキーマの階層でのフィールドの表示方法を強制するので、フィールドグループが含まれるすべてのスキーマで同じ構造を持ちます。 フィールドグループは、meta:intendedToExtend属性で識別される特定のクラスとのみ互換性があります。
データタイプ 1つのスキーマに1つ以上のフィールドを提供できるコンポーネント。 ただし、フィールドグループとは異なり、データタイプは特定のクラスに制限されません。 そのため、データ型は、潜在的に異なるクラスを持つ複数のスキーマで再利用可能な一般的なデータ構造を記述するためのより柔軟なオプションとなります。このドキュメントで概要を説明するデータタイプは、CEEとAdobe Analyticsの両方のスキーマでサポートされています。
チャーン 購読をキャンセルする、または更新しないことを選択したアカウントの割合の測定。 チャーン率が高いと、月別繰り返し売上高(MRR)に悪影響を与える可能性があり、製品やサービスに対する不満を示す場合もあります。
リアルタイム顧客プロファイル リアルタイムの顧客プロファイルは、ターゲットを絞り、パーソナライズされたエクスペリエンス管理のための一元的な顧客プロファイルを提供します。各プロファイルには、すべてのシステムをまたいで集計されたデータと、Experience Platform で使用するイベントのいずれかで発生した個人に関する、実用的なタイムスタンプの付いたアカウントが含まれます。

顧客AI入力データ

ヒント

顧客AIは、予測に役立つイベントを自動的に判断し、利用可能なデータが品質予測を生成するのに十分でない場合に警告を表示します。

顧客AIは、CEE、Adobe Analytics、Adobe Audience Managerデータセットをサポートします。 CEEスキーマでは、スキーマの作成プロセス中にフィールドグループを追加する必要があります。 Adobe AnalyticsまたはAdobe Audience Managerデータセットを使用している場合、ソースコネクタは、接続プロセス中に、以下に示す標準イベント(コマース、Webページの詳細、アプリケーション、検索)を直接マッピングします。

Adobe AnalyticsデータまたはAudience Managerデータのマッピングについて詳しくは、『Analytics field mappings』または『Audience Managerフィールドマッピング』ガイドを参照してください。

顧客AIで使用される標準イベント

XDMエクスペリエンスイベントは、様々な顧客行動の決定に使用されます。 データの構造によっては、以下に示すイベントタイプが顧客の行動の一部を包含していない場合があります。 Webユーザーアクティビティを明確かつ明確に識別するために必要なデータが含まれているフィールドを決定する必要があります。 予測の目標に応じて、必要な必須フィールドが変わる場合があります。

顧客AIは、モデル機能の構築に異なるイベントタイプを使用します。 これらのイベントタイプは、複数のXDMフィールドグループを使用してスキーマに自動的に追加されます。

メモ

Adobe AnalyticsまたはAdobe Audience Managerのデータを使用している場合、データの取得に必要な標準イベントを使用して、スキーマが自動的に作成されます。 データをキャプチャするために独自のカスタムCEEスキーマを作成する場合は、データをキャプチャするために必要なフィールドグループを検討する必要があります。

以下に示す標準イベントの各データを持つ必要はありませんが、特定のシナリオでは特定のイベントが必要になります。 標準のイベントデータがある場合は、スキーマに含めることをお勧めします。 例えば、購入イベントを予測するための顧客AIアプリケーションを作成する場合は、 Commerceデータ型とWeb page detailsデータ型のデータが必要です。

Platform UIでフィールドグループを表示するには、左側のレールの「スキーマ」タブを選択し、「フィールドグループ」タブを選択します。

[フィールド]領域 イベントタイプ XDMフィールドパス
コマースの詳細 順序
  • commerce.order.purchaseID
  • productListItems.SKU
  • productListViews
  • commerce.productListViews.value
  • productListItems.SKU
  • checkouts
  • commerce.checkouts.value
  • productListItems.SKU
  • purchases
  • commerce.purchases.value
  • productListItems.SKU
  • productListRemovals
  • commerce.productListRemovals.value
  • productListItems.SKU
  • productListOpens
  • commerce.productListOpens.value
  • productListItems.SKU
  • productViews
  • commerce.productViews.value
  • productListItems.SKU
  • Webの詳細 webVisit web.webPageDetails.name
    webInteraction web.webInteraction.linkClicks.value
    アプリの詳細 applicationCloses
  • application.applicationCloses.value
  • application.name
  • applicationCrashs
  • application.crashes.value
  • application.name
  • applicationFeatureUsages
  • application.featureUsages.value
  • application.name
  • applicationFirstLaunches
  • application.firstLaunches.value
  • application.name
  • applicationInstalls
  • application.installs.value
  • application.name
  • applicationLaunches
  • application.launches.value
  • application.name
  • applicationUpgrades
  • application.upgrades.value
  • application.name
  • 検索の詳細 検索を search.keywords

    さらに、顧客AIは購読データを使用して、より良いチャーンモデルを構築できます。 購読データは、購読データタイプ形式を使用して、各プロファイルに必要です。 ほとんどのフィールドはオプションですが、最適なチャーンモデルを作成する場合は、startDateendDateなど、可能な限り多くのフィールドにデータを提供することを強くお勧めします。

    カスタムフィールドグループの追加

    顧客AIで使用される標準のイベントフィールドの他に追加情報を含めたい場合。 インスタンスの設定中に、カスタムイベントオプションが提供されます。

    選択したデータセットに、スキーマに定義されているホテルやレストランの予約などのカスタムイベントが含まれる場合は、それらをインスタンスに追加できます。 これらの追加のカスタムイベントは、顧客AIでモデルの品質を向上し、より正確な結果を得るために使用されます。

    履歴データ

    顧客AIでは、モデルトレーニングの履歴データが必要ですが、必要なデータ量は、次の2つの主要な要素に基づきます。結果ウィンドウと適格な母集団。

    デフォルトでは、アプリケーションの設定中に適格な母集団定義が指定されていない場合、顧客AIは過去120日間にアクティビティを持つユーザーを探します。 さらに、顧客AIには、予測された目標定義に基づいて、500件以上の認定および500件(合計1,000件)の履歴データが必要です。

    以下の例では、必要な最小限のデータ量を判断するのに役立つ簡単な数式を使用します。 最小要件を超える場合、モデルによってより正確な結果が得られる可能性が高くなります。 必要な最小量より少ない場合、モデルトレーニングに必要なデータ量が足りないので、モデルは失敗します。

    数式:

    必要なデータの最小長=適格な母集団+結果ウィンドウ

    メモ

    30は、適格な母集団に必要な最小日数です。 指定しない場合、デフォルトは120日です。

    例 :

    • 顧客が次の30日で腕時計を購入する可能性が高いかどうかを予測する場合。 また、過去60日間に何らかのWebアクティビティを持つユーザーにスコアを付けたい場合もあります。 この場合、必要なデータの最小長= 60日+ 30日。 有効な母集団は60日で、結果期間は30日間の合計90日です。

    • ユーザーが今後7日間に腕時計を購入する可能性が高いかどうかを予測する場合。 この場合、必要なデータの最小長= 120日+ 7日。 有効な母集団はデフォルトで120日に設定され、結果期間は7日間(合計127日)です。

    • 顧客が次の7日間に腕時計を購入する可能性が高いかどうかを予測する場合。 また、過去7日間に何らかのWebアクティビティを持つユーザーにスコアを付けたい場合もあります。 この場合、必要なデータの最小長= 30日+ 7日。 対象となる母集団には30日以上が必要で、結果期間は7日間(合計37日)です。

    必要最小限のデータに加え、顧客AIは最近のデータでも最も適しています。 この使用例では、顧客AIは、ユーザーの最近の行動データに基づいて、将来の予測をおこないます。 つまり、より新しいデータは、より正確な予測を生む可能性が高くなります。

    シナリオの例

    この節では、顧客AIインスタンスの様々なシナリオと、必須および推奨イベントタイプについて説明します。 フィールドグループとそのフィールドパスの詳細については、上記の標準イベントテーブルを参照してください。

    メモ

    Webユーザーアクティビティを明確かつ明確に識別するために、必須のイベントタイプを使用します。 必要なイベントタイプの数は、予測の目標とスキーマの構造に基づいて変わります。 特定のイベントタイプが必要な場合は、CEEスキーマの作成時にそのイベントタイプを含めることをお勧めします。 Adobe AnalyticsまたはAdobe Audience Managerデータを使用している場合は、ストリーミングしているデータに応じて、必要な標準イベントを使用できる必要があります。

    シナリオ1:eコマース小売Webサイトでの購入コンバージョン

    予測目標: Webサイト上で衣料品を購入する資格のあるプロファイルのコンバージョン傾向を予測します。

    必須の標準イベントタイプ:

    この特定の予測目標を使用して最適な顧客AI出力を得るには、次のイベントタイプが必要です。 予測の目標に応じて必要なイベントを除外できますが、複数のイベントを除外すると、結果の質が低下する可能性があります。

    • 順序
    • checkouts
    • purchases
    • webVisit
    • 検索を

    その他の推奨される標準イベントタイプ:

    顧客AIインスタンスの設定時に、目標と適格な母集団の複雑さに基づいて、残りのイベントタイプが必要になる場合があります。 データが特定のデータタイプで使用可能な場合は、そのデータをスキーマに含めることをお勧めします。

    シナリオ2:メディアストリーミングサービスWebサイトでのサブスクリプション変換

    予測目標: 標準計画やプレミアム計画など、特定のレベルのサブスクリプションにコミットする対象プロファイルの購読コンバージョン傾向を予測します。

    必須の標準イベントタイプ:

    この特定の予測目標を使用して最適な顧客AI出力を得るには、次のイベントタイプが必要です。 予測の目標に応じて必要なイベントを除外できますが、複数のイベントを除外すると、結果の質が低下する可能性があります。

    • 順序
    • checkouts
    • purchases
    • webVisit
    • 検索を

    この例では、ordercheckoutsおよびpurchasesを使用して、購入された購読とそのタイプを示します。

    また、正確なモデルを実現するために、サブスクリプションデータタイプの使用可能なプロパティの一部を利用することをお勧めします。

    その他の推奨される標準イベントタイプ:

    顧客AIインスタンスの設定時に、目標と適格な母集団の複雑さに基づいて、残りのイベントタイプが必要になる場合があります。 データが特定のデータタイプで使用可能な場合は、そのデータをスキーマに含めることをお勧めします。

    シナリオ3:eコマース小売Webサイトのチャーン

    予測目標: 購入イベントが発生しない可能性を予測します。

    必須の標準イベントタイプ:

    この特定の予測目標を使用して最適な顧客AI出力を得るには、次のイベントタイプが必要です。 予測の目標に応じて必要なイベントを除外できますが、複数のイベントを除外すると、結果の質が低下する可能性があります。

    • 順序
    • checkouts
    • purchases
    • webVisit
    • 検索を

    その他の推奨される標準イベントタイプ:

    顧客AIインスタンスの設定時に、目標と適格な母集団の複雑さに基づいて、残りのイベントタイプが必要になる場合があります。 データが特定のデータタイプで使用可能な場合は、そのデータをスキーマに含めることをお勧めします。

    シナリオ4:eコマース小売Webサイトでのコンバージョンのアップセル

    予測目標: 特定の製品を購入して新しい関連製品を購入した母集団の購入傾向を予測します。

    必須の標準イベントタイプ:

    この特定の予測目標を使用して最適な顧客AI出力を得るには、次のイベントタイプが必要です。 予測の目標に応じて必要なイベントを除外できますが、複数のイベントを除外すると、結果の質が低下する可能性があります。

    • 順序
    • checkouts
    • purchases
    • webVisit
    • 検索を

    その他の推奨される標準イベントタイプ:

    顧客AIインスタンスの設定時に、目標と適格な母集団の複雑さに基づいて、残りのイベントタイプが必要になる場合があります。 データが特定のデータタイプで使用可能な場合は、そのデータをスキーマに含めることをお勧めします。

    シナリオ5:オンラインニュースアウトレットの購読解除(チャーン)

    予測目標: 来月、サービスから登録解除する資格のある母集団の傾向を予測します。

    必須の標準イベントタイプ:

    この特定の予測目標を使用して最適な顧客AI出力を得るには、次のイベントタイプが必要です。 予測の目標に応じて必要なイベントを除外できますが、複数のイベントを除外すると、結果の質が低下する可能性があります。

    • webVisit
    • 検索を

    また、正確なモデルを実現するために、サブスクリプションデータタイプの使用可能なプロパティの一部を利用することをお勧めします。

    その他の推奨される標準イベントタイプ:

    顧客AIインスタンスの設定時に、目標と適格な母集団の複雑さに基づいて、残りのイベントタイプが必要になる場合があります。 データが特定のデータタイプで使用可能な場合は、そのデータをスキーマに含めることをお勧めします。

    シナリオ6:モバイルアプリケーションの起動

    予測目標: 有料モバイルアプリを次のX日で起動する対象プロファイルの傾向を予測します。これは、「月別アクティブユーザー」の主要業績評価指標(KPI)の予測と似ています。

    必須の標準イベントタイプ:

    この特定の予測目標を使用して最適な顧客AI出力を得るには、次のイベントタイプが必要です。 予測の目標に応じて必要なイベントを除外できますが、複数のイベントを除外すると、結果の質が低下する可能性があります。

    • 順序
    • checkouts
    • purchases
    • webVisit
    • applicationCloses
    • applicationCrashs
    • applicationFeatureUsages
    • applicationFirstLaunches
    • applicationInstalls
    • applicationLaunches
    • applicationUpgrades

    この例では、モバイルアプリケーションを購入する必要がある場合にordercheckoutspurchasesが使用されます。

    その他の推奨される標準イベントタイプ:

    顧客AIインスタンスの設定時に、目標と適格な母集団の複雑さに基づいて、残りのイベントタイプが必要になる場合があります。 データが特定のデータタイプで使用可能な場合は、そのデータをスキーマに含めることをお勧めします。

    シナリオ7:認識された特性(Adobe Audience Manager)

    予測の目標: 認識される一部の特性の傾向を予測します。

    必須の標準イベントタイプ:

    Adobe Audience ManagerのAudience Managerを使用するには、特性ソースコネクタを使用してソース接続を作成する必要があります。 ソースコネクタは、適切なフィールドグループを持つスキーマを自動的に作成します。 顧客AIで使用するスキーマにイベントタイプを手動で追加する必要はありません。

    新しい顧客AIインスタンスを設定する場合、audienceNameaudienceIDを使用して、目標を定義する際に、スコアリングの特定の特性を選択できます。

    顧客 AI 出力データ

    顧客 AI は、適格と見なされる個々のプロファイルの属性を生成します。プロビジョニングした内容に基づいてスコアを使用(出力)する方法は2つあります。 リアルタイム顧客プロファイル対応のデータセットがある場合は、セグメントビルダーのリアルタイム顧客プロファイルからのインサイトを利用できます。 プロファイル対応のデータセットがない場合は、データレイクで利用可能な顧客AI出力🔗データセットをダウンロードできます。

    メモ

    出力値は、セグメントの作成と定義に使用できるリアルタイム顧客プロファイルによって使用されます。

    次の表に、顧客 AI の出力に含まれる様々な属性を示します。

    属性 説明
    Score 顧客が、定義された時間枠で予測された目標を達成する相対的な可能性。この値は、確率の割合ではなく、全体の母集団に対する個々の確率として扱われます。このスコアは 0~100 です。
    Probability この属性は、定義された時間枠内で予測された目標を達成するためのプロファイルの真の確率です。異なる目標の出力を比較する場合は、百分位またはスコアに対する確率を考慮することをお勧めします。確率は頻繁に発生しないイベントの方が低い傾向があるため、適格な母集団全体の平均確率を決定するときに常に使用する必要があります。確率範囲の値は 0~1 です。
    百分位 この値は、同様にスコアリングされた他のプロファイルと比較したプロファイルのパフォーマンスに関する情報を提供します。たとえば、チャーンのパーセンタイルランクが 99 のプロファイルは、スコアリングされた他のすべてのプロファイルの 99%と比較して、チャーンのリスクが高いことを示しています。百分位数の範囲は 1~100 です。
    傾向タイプ 選択された傾向タイプ
    スコア日 スコアリングが発生した日付
    影響を与える要因 プロファイルが変換またはチャーンする可能性が高い理由の予測された理由。要素は、次の属性で構成されます。
    • コード:プロファイルの予測スコアにプラスの影響を与えるプロファイルまたは行動属性
    • 値:プロファイルまたは行動属性の値
    • 重要度:予測スコアに対するプロファイルまたは行動属性の重み(低、中、高)

    次の手順

    データを準備し、すべての資格情報とスキーマを設定したら、まず『顧客AIインスタンスの設定』ガイドに従います。 このガイドでは、顧客AIのインスタンスの作成手順を説明します。

    このページ