自動パーソナライゼーションFAQ

自動パーソナライゼーション（AP）に関するよくある質問（FAQ）のリストです。

特定のエクスペリエンスをコントロールとして使用するように指定できますか？

自動パーソナライゼーション（AP）または自動ターゲット（AT）アクティビティを作成する際に、コントロールとして使用するエクスペリエンスを選択できます。

この機能を使用すると、アクティビティで設定されたトラフィック配分率に基づいて、コントロールトラフィック全体を特定のエクスペリエンスにルーティングできます。その後、そのエクスペリエンスへのコントロールトラフィックに対するパーソナライズされたトラフィックのパフォーマンスレポートを評価できます。

詳しくは、特定のエクスペリエンスのコントロールとしての使用を参照してください。

どうすれば自動パーソナライゼーションをデフォルトエクスペリエンスと比較できますか。

AP とデフォルトエクスペリエンスとの比較で、そのままですぐに使用できるオプションはありません。ただし、回避策として、デフォルトのオファーまたはエクスペリエンスがアクティビティ全体の一部として存在する場合、そのベースラインパフォーマンスを理解するために、レポートの「コントロール」セグメントをクリックして、結果として生じるオファーレベルのレポートの特定のオファーを参照できます。このオファーについて記録されたコンバージョン率は、「ランダムフォレスト」セグメント全体のコンバージョン率の比較に使用できます。これは、デフォルトオファーと比較してマシンがおこなっている方法を比較するのに役立ちます。

自動パーソナライゼーションアクティビティを設定するためのベストプラクティスは何ですか。

• トラフィックが少ないページのパーソナライゼーションをおこなう場合や、パーソナライゼーションをおこなうエクスペリエンスに構造的な変更を加える場合は、自動パーソナライゼーションの代わりに、自動ターゲットを使用することをお勧めします。「自動ターゲット」を参照してください。

• 自動パーソナライゼーションアクティビティで使用する予定のオファーや場所を対象とした A/B アクティビティを実施し、それらのオファーや場所が最適化目標の達成に効果的かどうかを確認することをお勧めします。A/B アクティビティで有意な差異が示されなかった場合は、自動パーソナライゼーションで上昇を生み出せる見込みも低くなります。

  • A/B…N テストでエクスペリエンス間に統計的に有意な差が示されなかった場合は、対象のオファーが他と大差ない、選択した場所は成功指標に影響しない、あるいはコンバージョンファネル内の最適化目標が遠すぎて、選択したオファーの効果が及ばないといった可能性が高くなります。

• Automated Personalization アクティビティでパーソナライゼーションモデルの構築に要する時間を把握するため、トラフィック見積もりを使用します。

• アクティビティを開始する前に、目標を考慮してコントロールとターゲットの配分を決めます。

  アクティビティの目標および選択したコントロールのタイプに基づいて考慮すべき 3 つのシナリオがあります。

  • コントロールおよびアクティビティ目標としてのランダムエクスペリエンスが、パーソナライゼーションアルゴリズムの有効性をテストするためのものである：目標がパーソナライゼーションアルゴリズムを評価するためのものである場合、上昇率のより正確なイメージが必要になります。また、単に A/B テスト（ランダムに提供されるコントロール）を実施した場合にエクスペリエンス／オファーのコンバージョン率がどうなるかを比較する必要が生じる可能性があります。その状況では、ランダムに提供されるエクスペリエンスのコントロールに 50％の配分を使用することをお勧めします。
  • コントロールおよびアクティビティ目標としての「ランダムエクスペリエンス」が、パーソナライズされたトラフィックを最大化するためのものである：アルゴリズムに慣れていて、パーソナライズされたトラフィックの最大量を必要とする場合、コントロールへの 10％～ 30％の配分をお勧めします。ここでのトレードオフは、上昇率情報で確認できる精度です（トラフィックが少なくなるのでコントロールトラフィックの信頼区間が大きくなる）。
  • いずれかの目標タイプを含む、コントロールとしての特定のエクスペリエンス：特定のマーケティング担当者主導のエクスペリエンスをパーソナライゼーションモデルと比較する必要がある場合、コントロールへの 10％～ 30％の配分をお勧めします。1 つのエクスペリエンスのみをコントロールとして選択する場合、そのトラフィックはアクティビティの各オファー／エクスペリエンスに分散されません。

• ターゲットルールは、モデルによる最適化の妨げになる場合があるので、できるだけ慎重に使用します。

• レポートグループによって、自動パーソナライゼーションアクティビティの効果が制限されることがあります。そのため、特定の条件下でのみ使用してください。

  • レポートグループは、次の条件に該当する場合のみ使用します。（1）アクティビティの実行中に新しいオファーに置き換える／追加する予定がある。（2）レポートグループ内のオファーが同一の訪問者をターゲットにしている。（3）レポートグループ内のオファーの全体的な反応率がほぼ同じである。
  • レポートグループ内のオファー間でパーソナライゼーションはおこなわれません。パーソナライゼーションモデルは、これらのオファーをすべて同一に扱います。
  • アクティビティ内のすべてのオファーを、1 つのレポートグループに入れるのは避けてください。すべてのオファーが同じように、アクティビティのすべての訪問者にランダムに提供されることになってしまいます。

よくある質問

Automated Personalizationアクティビティとの連携に関しては、次のFAQと回答をご覧ください。

自動パーソナライゼーションの制限は何ですか。

Target には 30,000 エクスペリエンスのハードリミットがありますが、最高の効果を発揮するのは、作成されたエクスペリエンスが 10,000 未満の場合です。

オファーレベルのターゲット設定は、どのような仕組みになっていますか。

訪問者がアクセスすると、オファーレベルのターゲットルールによって、表示対象のオファーのセットが決まります。その後アルゴリズムが、モデルの推定を基に売上やコンバージョンが最も期待できるオファーをその中から選びます。オファーレベルのターゲット設定は、Target の機械学習アルゴリズムの効果に影響するので、できるだけ慎重に使用してください。

アクティビティで上昇率が表示されません。何が原因でしょうか。

AP アクティビティの上昇率を確認するためには、次の 4 つの条件を満たす必要があります。

• 訪問者に影響が生じるように、それぞれの場所のオファーに十分な差異を持たせる必要があります。
• 最適化目標に対する影響度が高い場所を選ぶ必要があります。
• 上昇率を検出するために、アクティビティに十分なトラフィックと統計的検出力が必要です。
• パーソナライゼーションアルゴリズムが適切に機能する必要があります。

まず、パーソナライゼーションをおこなわない簡単な A/B テストを実施して、アクティビティのエクスペリエンスを構成するコンテンツと場所が、全体的な反応率に一定以上の効果をもたらすかどうかを確認することをお勧めします。事前にサンプルサイズを算出して、信頼できる上昇率を導き出せるだけのトラフィックがあるかを確認し、一定期間 A/B テストを実施します。その間、テストを中断せず、変更も加えません。A/B テストの結果から、統計的に有意な上昇率を示したエクスペリエンスが見つかったら、パーソナライズされたアクティビティが高い効果を発揮する公算が高いと考えられます。もちろん、エクスペリエンスの全体的な反応率に差異がなかった場合でも、パーソナライゼーションが効果を発揮する可能性があります。よくあるのは、オファーや場所が最適化目標に与える効果が小さいことが原因で、統計的に有意な差が検出されないという問題です。

詳しくは、「自動パーソナライゼーションのトラブルシューティング」を参照してください。

自動パーソナライゼーションでは、アクティビティのトラフィックがどのように配分されますか。

自動パーソナライゼーションでは、各モデルで構築された最新のランダムフォレストモデルに基づいて、成功指標の推定値が最も優れているエクスペリエンスを訪問者に提供します。この推定値は、訪問者の特定の情報と訪問のコンテキストに基づいて算出されます。

例えば、AP アクティビティで、それぞれ 2 つのオファーを含む場所が 2 つあるとします。1 つ目の場所では、特定の訪問者に対するオファー A の推定コンバージョン率が 3％、オファー B の推定コンバージョン率が 1％です。2 つ目の場所では、同一の訪問者に対するオファー C の推定コンバージョン率が 2％、オファー D の推定コンバージョン率が 5％です。この場合、自動パーソナライゼーションでは、該当の訪問者にオファー A とオファー D を提供します。

自動パーソナライゼーションアクティビティは、いつまで続ければよいですか。

自動パーソナライゼーションは、持続的に最適化がおこなわれる「常時稼動」のパーソナライゼーションとして利用できます。特にエバーグリーンコンテンツの場合は、自動パーソナライゼーションアクティビティを中断する必要はありません。自動パーソナライゼーションアクティビティで、現在のオファーとは違う大幅な変更をコンテンツに加える場合は、レポートを確認する他のユーザーが過去の結果を違うコンテンツのものと混同したり誤解したりしないよう、新しいアクティビティを開始することをお勧めします。

モデルが構築されるまでに、どの程度待てばよいですか。

通常、アクティビティでモデルの構築に要する時間は、選択したアクティビティの場所へのトラフィックの量と、アクティビティの成功指標によって決まります。アクティビティでモデルの構築に要する時間を推定するためには、トラフィック見積もりをご利用ください。

アクティビティ内でモデルが 1 つ構築されました。そのエクスペリエンスへの訪問に対して、パーソナライゼーションはおこなわれますか。

いいえ。パーソナライゼーションは、アクティビティで少なくとも 2 つのモデルが構築されてから開始されます。

自動パーソナライゼーションアクティビティの結果は、いつ確認できますか。

Automated Personalization アクティビティの結果は、モデルが構築されたエクスペリエンス（緑のチェックマーク）が 2 つ以上になってから確認できるようになります。

アクティビティで、モデルの構築に要する時間を短縮するにはどうすればよいですか。

アクティビティの設定を見て、モデルの構築を早めるために加えられる変更がないか確認します。

• セールスファネル上での成功指標とアクティビティのエクスペリエンスの位置が離れていないか確認します。最低限必要なコンバージョン数があるので、アクティビティのコンバージョン率が低いとモデルの構築に必要なトラフィック量が増えます。
• 成功指標が RPV の場合は、コンバージョンに変更することをお勧めします。コンバージョンアクティビティは、モデルの構築に要するトラフィックが比較的少なくて済みます。
• アクティビティから不要なエクスペリエンスを削除します。アクティビティのエクスペリエンスの数を減らせば、より短期間でモデルを構築できます。
• 対象のアクティビティの成果が高まる、よりトラフィックの多いページはありませんか。アクティビティの場所のトラフィックとコンバージョンが多いほど、モデルの構築が早くなります。

訪問者に、提供されないはずの AP アクティビティのエクスペリエンスが表示されるのはなぜですか。

自動パーソナライゼーションアクティビティは、セッションごとに評価されます。特定のエクスペリエンスに対する条件を満たしたアクティブなセッションがあり、そこに新しいオファーが追加されると、ユーザーには、以前まで表示されていたオファーとともに新しいコンテンツが表示されます。こうしたユーザーは、それまでに対象のエクスペリエンスの条件を満たしていたので、セッションの有効期間中は引き続きそのエクスペリエンスが表示されます。ページ訪問のたびにアクティビティを評価したい場合は、エクスペリエンスのターゲット設定（XT）のアクティビティタイプを使用してください。

目標指標をAutomated Personalizationアクティビティの途中で変更できますか。

アクティビティの途中で目標指標を変更しないことをお勧めします。 Target UIを使用したアクティビティ中に目標指標を変更することは可能ですが、常に新しいアクティビティを開始する必要があります。 実行後にアクティビティの目標指標を変更した場合の動作は保証されません。

この推奨は、自動配分、自動ターゲット、Automated Personalizationの各アクティビティで、レポートソースとしてTargetまたはAnalytics (A4T)を使用します。

Automated Personalizationアクティビティの実行中に「レポートデータをリセット」オプションを使用できますか。

[!UICONTROL Automated Personalization]アクティビティに「レポートデータをリセット」オプションを使用することは推奨されません。 表示されるレポートデータは削除されますが、このオプションでは、Automated Personalizationモデルからすべてのトレーニングレコードが削除されるわけではありません。 Automated Personalizationアクティビティに「レポートデータをリセット」オプションを使用する代わりに、新しいアクティビティを作成し、元のアクティビティを非アクティブにします。 (注意：このガイダンスは、自動配分と自動ターゲットのアクティビティにも当てはまります)。

Automated Personalizationは環境に関するモデルをどのようにして作り上げているか。

パーソナライズされた戦略のパフォーマンスとランダムに提供されたトラフィックの違い、すべてのトラフィックが勝者エクスペリエンス全体に送られている場合の違いを識別するために、1つのモデルが構築されています。 このモデルでは、ヒットとコンバージョンがデフォルトの環境でのみ考慮されます。

2つ目のモデルセットからのトラフィックは、各モデリンググループ(AP)またはエクスペリエンス(AT)に対して構築されます。 これらの各モデルについて、すべての環境のヒットおよびコンバージョンが考慮されます。

したがって、環境に関係なく、リクエストは同じモデルで提供されますが、識別された全体的な勝者エクスペリエンスが実際の動作と確実に一致するように、複数のトラフィックはデフォルトの環境から提供される必要があります。