匿名訪問者のweb パーソナライゼーション

このリファレンスプランは、セッション中の行動シグナルにもとづいて、匿名（未特定）の訪問者にパーソナライズされたweb コンテンツを配信するための実装ガイダンスを提供します。 Web SDKの設定からエッジ オーディエンスの定義、コンテンツ配信およびパフォーマンス レポートに至るまで、実装ライフサイクル全体をカバーし、Adobe Journey Optimizer （AJO）、Adobe Real-Time Customer Data Platform （RT-CDP）、Adobe Experience Platform （AEP）で作業するソリューション アーキテクト、マーケティングテクノロジスト、実装エンジニア向けに設計されています。

この計画を使用して、アーキテクチャの理解、実装オプションの評価、情報に基づいた設定の意思決定、実装の各段階に関するExperience Leagueの関連ドキュメントの検索を行います。

このパターンは、限られたデータで動作します。現在のセッションで観察できるものと、同じデバイスまたはCookieを使用して以前の訪問から蓄積された匿名のエッジプロファイルだけです。 これにより、訪問者がアカウントを持っていない、または認証されていないfunnel上部のパーソナライゼーションに適しています。

ユースケースの概要

匿名訪問者のWeb Personalizationは、ログインしておらず、IDが不明で、統合された顧客プロファイルに解決できない、未特定のweb サイト訪問者に、関連性の高いパーソナライズされたコンテンツを配信する必要があります。 この制約にもかかわらず、閲覧ページ、サイト滞在時間、スクロールの深さ、紹介ソース、地理的な場所、デバイスタイプ、UTM キャンペーンパラメーターなどのセッション内の行動シグナルを活用することで、有意義なパーソナライゼーションを実現できます。

このパターンでは、AJOのweb チャネルサーフェスとコードベースのエクスペリエンスを使用して、ページコンテンツをリアルタイムで変更します。 Edgeによるセグメンテーションは、顧客がサイトを移動するたびに、それ以上の遅延で意思決定をおこなう必要があるため、主要な評価手法となります。 Web SDKは行動シグナルを収集してAEP Edge Networkに送信し、エッジ評価されたオーディエンスルールによって、配信するコンテンツバリエーションが決定されます。

統合プロファイルとセグメントメンバーシップ全体を活用する既知の訪問者web/アプリのパーソナライゼーションとは異なり、このパターンは、現在のセッションで観察可能なデータと、訪問者のECID （Experience Cloud ID）に関連付けられた匿名のエッジプロファイルに制限されます。 この区別は、実装の計画に非常に重要です。パーソナライゼーションに使用できる行動シグナルは、Web SDKがキャプチャしたものと、cookie ベースのECIDを介したセッション間でエッジプロファイルストアに保持されるものに限定されます。

主なビジネス目標

このユースケースパターンでは、次のビジネス目標をサポートしています。

web サイトのエンゲージメントの向上

匿名の訪問者のシグナルに合わせてカスタマイズされた関連性の高いエクスペリエンスを通じて、サイトでの滞在時間、セッションごとのページ、web コンテンツとのインタラクションを改善します。

パーソナライズされた顧客体験の提供

個人の好み、行動、ライフサイクルの段階に合わせて、コンテンツ、オファー、メッセージを調整できます。自分の役割を特定できていない訪問者も含まれます。

コンバージョン率を向上

行動のコンテキストにもとづいて、最も関連性の高いコンテンツを表示することで、購入、サインアップ、フォーム送信などの望ましいアクションを実行した訪問者と見込み顧客の割合を向上させます。

戦術的なユースケース

次の例は、このパターンを適用できる特定のシナリオを示しています。

主要業績評価指標

このユースケースパターンの有効性を測定するには、次のKPIを使用します。

ユースケースパターン

次に、このユースケースのコアパターンと関数チェーンについて説明します。

匿名訪問者の Web Personalization

AJOのweb チャネルを通じて、セッション中の行動シグナルにもとづいて、未特定の訪問者にパーソナライズされたコンテンツを提供します。

関数チェーン： Web サーフェス設定>動作ルール評価> コンテンツ配信> インプレッションの追跡> レポート

アプリケーション

このユースケースパターンでは、次のアプリケーションを使用します。

アーキテクチャ

次のリファレンスアーキテクチャは、エッジで匿名の訪問者シグナルを収集し、オーディエンスルールと比較して評価し、パーソナライズされたコンテンツを配信するために使用する方法を示しています。

基本関数

このユースケースパターンでは、次の基本機能を使用する必要があります。 各機能について、ステータスは、通常それが必要か、事前設定が想定されているか、適用できないかを示します。

サポート機能

次の機能は、このユースケースパターンを強化しますが、コア実行には必要ありません。

アプリケーション関数

この計画では、アプリケーション機能カタログから次の機能を実行します。 関数は、番号付きのステップではなく実装フェーズにマッピングされます。

Journey Optimizer （AJO）

Real-Time CDP （RT-CDP）

前提条件

実装を開始する前に、以下を完了してください。

実装オプション

ここでは、3つの実装方法について説明します。 パーソナライゼーションの要件に最も適したオプションを選択します。

オプション A：ルールベースのweb パーソナライゼーション

最適な用途： シンプルで決定論的なパーソナライゼーション – 位置情報をターゲットにしたバナー、参照元の特定の見出し、デバイス固有のレイアウト、新規とリピーターのメッセージ。 簡単な条件付きロジックでコンテンツバリアントを決定できる場合は、このオプションを選択します（条件Xの場合は、コンテンツ Yを表示します）。

仕組み：

ルールベースのパーソナライゼーションでは、エッジ評価されたオーディエンスセグメントを使用して、訪問者が目にするコンテンツのバリエーションを決定します。 各オーディエンスセグメントは、キャンペーンで定義された条件付きルールを通じて、特定のコンテンツバリエーションにマッピングされます。 訪問者がページを読み込むと、Web SDKは行動シグナルをEdge Networkに送信し、定義されたオーディエンスルールに対して訪問者のエッジプロファイルをミリ秒単位で評価します。 一致するコンテンツバリアントがEdge Network応答で返され、ページにレンダリングされます。

このアプローチでは、RT-CDPで個別のオーディエンスセグメント（例：「Google検索からの訪問者」、「カリフォルニア州の訪問者」、「モバイルデバイス訪問者」）を定義し、AJOで対応するコンテンツバリエーションを作成する必要があります。 キャンペーンでは、条件付きコンテンツルールまたはセグメントごとに個別のキャンペーンを使用して、各オーディエンスをコンテンツバリエーションにバインドします。 AIによるランキングやトラフィックの分割は関係ありません。オーディエンスとコンテンツの関係は決定論的です。

重要な考慮事項：

利点：

制限：

Experience League:

オプション B：実験ベースのweb パーソナライゼーション

A/B テストと多変量テストに最適：​見出しのバリエーション、CTAのボタンの色、レイアウトの代替案、プロモーションオファーを統計的有意性の測定を用いてテストします。 永続的なパーソナライゼーションルールにコミットする前に、最もパフォーマンスの高いコンテンツバリアントを検証する必要がある場合は、このオプションを選択します。

仕組み：

実験ベースのパーソナライゼーションでは、AJO Content Experimentationを使用して、コンテンツ処理グループに訪問者をランダムに割り当て、定義された成功指標に対してどのバリエーションが最も効果的かを測定します。 トラフィックはバリエーションごとに分割され（例：A/Bでは50/50、A/B/Cでは33/33/34）、統計的有意性に達するまでパフォーマンスが追跡されます。

この実験は、AJOのweb キャンペーンに組み込まれています。 訪問者がページを読み込むと、Edge Networkは、設定されたトラフィック配分に基づいて、訪問者を処理グループに割り当てます。 実験期間中、訪問者は一貫して同じ処理を見ることができます（設定に応じて、セッションレベルまたは訪問者レベルの永続性）。 成功指標（クリック数、コンバージョン数、エンゲージメントイベント）はWeb SDKを介して追跡され、AJO実験レポートに報告されます。

このオプションでは、ターゲティングに事前に定義されたオーディエンスセグメントは必要ありません。すべての訪問者（またはターゲットサブセット）が実験に参加します。 その目的は、パフォーマンスが最も高いコンテンツを発見することであり、事前に決定されたコンテンツで既知のセグメントをターゲティングすることではありません。

重要な考慮事項：

利点：

制限：

Experience League:

オプション C：意思決定ベースのweb パーソナライゼーション

最適な用途：​動的コンテンツ選択 – カテゴリの親和性レコメンデーション、出口意図オファー、行動レコメンデーション – 意思決定ポリシーがセッションシグナルを評価し、適格項目カタログから最適なコンテンツを選択します。 コンテンツ選択ロジックが単純なルールに対して複雑すぎる場合、AIによるランク付けの最適化が必要な場合、または対象となるコンテンツ項目のセットが大きく動的な場合に、このオプションを選択します。

仕組み：

意思決定ベースのパーソナライゼーションでは、AJO Decisioningを使用して行動シグナルを評価し、管理されたコンテンツ項目カタログ（オファー）から各訪問者に最適なコンテンツのバリエーションを選択します。 各コンテンツ項目には、実施要件ルール（誰が適格か）、表示域（各プレースメントでコンテンツがどのように表示されるか）、オプションのキャッピング制約（表示できる頻度）があります。 決定ポリシーは、プレースメント（ページ上にコンテンツが表示される場所）をコンテンツアイテムのコレクションにリンクし、ランキング戦略を適用して最適なオプションを選択します。

訪問者がページを読み込むと、Web SDKは決定範囲を含むEdge Network リクエストを送信します。 決定エンジンは、コンテンツ項目の適格性ルールに対して訪問者のエッジプロファイルを評価し、ランキング戦略（優先順位ベース、式ベース、またはAI ランク）を適用し、勝者コンテンツ項目を返します。 これは、エッジで実行され、サブ秒の遅延が発生します。

ランキング戦略は、適格なコンテンツ項目の順序付け方法を決定します。 優先度ベースのランキングでは、手動で割り当てられた優先度の値が使用されます。 数式ベースのランキングでは、カスタム式（ページビューの重み付け最新性など）を使用します。 AIによるランク付けは、選択した成功指標に対して経時的に最適化するマシンラーニングモデルを使用しますが、トレーニングには最低1,000回のコンバージョンイベントが必要です。

重要な考慮事項：

利点：

制限：

Experience League:

オプションの比較

次の表は、3つの実装オプションを主要な基準と比較したものです。

適切なオプションの選択

次の決定ロジックを使用して、適切な実装オプションを選択します。

オプションの組み合わせ：​これらのオプションは相互に排他的ではありません。 一般的な手順は、オプション B （実験）から始めて優れたコンテンツを見つけ出し、次にオプション A （ルールベース）を使用して勝者をデプロイして継続的に配信することです。 オプション C （決定機能）は、動的なカタログベースの選択を必要とするユースケースに対応し、オプション Aはよりシンプルな決定論的ルールを処理できます。

実装フェーズ

次のフェーズでは、エンドツーエンドの実装ワークフローについて説明します。

フェーズ 1: web サーフェスの設定

アプリケーション関数： AJO: Channel Configuration

web サイトのパーソナライズされたコンテンツの配信先を指定するweb チャネルサーフェスを定義します。 web サーフェスは、特定のページ URLまたはURL パターンと、AJOがコンテンツを挿入または置換できるページ上の場所（CSS セレクターまたはコードベースのエクスペリエンスサーフェス）を識別します。

このフェーズの​決定ポイント：

UI ナビゲーション： Journey Optimizer / 管理/ チャネル / Web設定

キー設定の詳細：

Experience League ドキュメント：

フェーズ 2：行動オーディエンスの定義

アプリケーション関数： RT-CDP: オーディエンス評価

パーソナライゼーションのターゲティングを促進する、セッション中の行動シグナルにもとづいて、エッジ評価されたオーディエンスセグメントを定義します。 これらのオーディエンスは、パーソナライズされた各体験に適格な訪問者を判断します。 Edgeの評価は、訪問者がサイトを移動するにつれて、パーソナライズの意思決定をすばやく行う必要があるため、このパターンでは必須です。

このフェーズの​決定ポイント：

UI ナビゲーション：​顧客/ オーディエンス / オーディエンスの作成/ ルールの構築

キー設定の詳細：

オプションが異なる場所：

オプション Aの​の場合（ルールベース）:
コンテンツのバリエーションごとに個別のオーディエンスセグメントを作成。 各セグメントは特定の行動条件を表します（例：「Referral = Google AND Geo = US」はコンテンツバリアント Aにマップされます）。 オーディエンスの数がパーソナライゼーションルールの数に等しい。

オプション B （実験）の場合：
オーディエンス定義はオプションです。 実験がすべての訪問者をターゲットにしている場合、オーディエンスは必要ありません。トラフィック分割は、バリエーションの割り当てを処理します。 実験が特定のサブセット（モバイル訪問者など）をターゲットにしている場合は、実験の実施要件について単一のターゲティングオーディエンスを定義します。

オプション C （決定）の​:
コンテンツ項目の適格性ルールとして使用するオーディエンスを定義します。 これらのオーディエンスは、決定ポリシーのどのコンテンツ項目に適格な訪問者かを決定します。 意思決定エンジンは、適格項目の中からコンテンツを選択することを処理します。

Experience League ドキュメント：

フェーズ 3: コンテンツの作成とバリエーションの作成

アプリケーション関数： AJO: メッセージ オーサリング、AJO: コンテンツ実験（オプション B）、AJO：決定（オプション C）

オーディエンスメンバーシップ（オプション A）、実験の割り当て（オプション B）、意思決定ロジック（オプション C）にもとづいて、訪問者に配信されるパーソナライズされたコンテンツのバリエーションを作成できます。 この段階では、AJOのweb デザイナーやコードベースのエクスペリエンスエディターを使用したコンテンツ制作と、コンテンツの選択方法を制御するテストや意思決定の設定について説明します。

このフェーズの​決定ポイント：

UI ナビゲーション： Journey Optimizer > キャンペーン/キャンペーンを選択/コンテンツを編集

キー設定の詳細：

オプションが異なる場所：

オプション Aの​の場合（ルールベース）:
フェーズ 2で定義された各オーディエンスセグメントについて、明確なコンテンツバリエーションを作成します。 キャンペーン設定の条件付きコンテンツルールを使用して、各バリエーションをターゲットオーディエンスにバインドします。 どのオーディエンスルールにも一致しない訪問者に対しても、デフォルトのコンテンツバリアントが存在することを確認します。

オプション B （実験）の場合：
著者の治療バリアント（A、B、Cなど） すばやく作成できます。 キャンペーンでコンテンツを実験し、処理のバリエーションをコンテンツで定義し、トラフィック配分率を設定し、成功指標を設定します。

オプション C （決定）の​:
決定コンポーネントスタックを設定し、キャンペーンに統合します。

Experience League ドキュメント：

フェーズ 4：キャンペーンと配信の設定

アプリケーション関数： AJO: Campaign Execution

web サーフェス（フェーズ 1）、オーディエンスターゲティングまたは実験コンフィギュレーション（フェーズ 2～3）、およびコンテンツバリエーション（フェーズ 3）を成果物ユニットにバインドするAJO web キャンペーンを作成してアクティブ化します。 キャンペーンは、パーソナライズされたコンテンツが訪問者に提供されるタイミングと方法を制御します。

このフェーズの​決定ポイント：

UI ナビゲーション： Journey Optimizer > キャンペーンの作成> キャンペーンの作成

キー設定の詳細：

オプションが異なる場所：

オプション Aの​の場合（ルールベース）:
パーソナライゼーションルールごとに1つのキャンペーンを作成し、それぞれに対応するコンテンツのバリエーションで異なるエッジオーディエンスをターゲティングします。 あるいは、条件付きコンテンツルールを使用して、ひとつのキャンペーン内でオーディエンスメンバーシップをコンテンツのバリエーションにマッピングする、単一のキャンペーンを使用することもできます。

オプション B （実験）の場合：
コンテンツ検証が有効になっている単一のキャンペーンを作成します。 実験設定（バリエーション、トラフィック配分、成功指標）はフェーズ 3で定義されました。 キャンペーンをアクティベートして実験を開始します。

オプション C （決定）の​:
フェーズ 3で設定した決定ポリシーを埋め込むキャンペーンを作成します。 キャンペーンのコンテンツアクションは、意思決定エンジンをエッジでトリガーする決定範囲を参照します。 キャンペーンをアクティベートして、意思決定ベースのコンテンツ配信を開始。

Experience League ドキュメント：

フェーズ 5：パフォーマンスの報告と分析

Application function: AJO: Reporting & Performance Analysis

AJOに組み込まれたレポートを使用してパーソナライゼーションパフォーマンスを監視し、分析機能をCJAに拡張してクロスチャネルのインサイトを深めることができます。 この段階では、ライブキャンペーンレポートと過去のキャンペーンレポートへのアクセス、実験結果の確認、カスタム分析ワークスペースの構築をおこないます。

このフェーズの​決定ポイント：

UI ナビゲーション： Journey Optimizer > キャンペーンを選択> キャンペーンを選択> レポートを表示

キー設定の詳細：

オプションが異なる場所：

オプション Aの​の場合（ルールベース）:
各オーディエンスセグメントのキャンペーンレポートを確認し、パーソナライズされたコンテンツのバリエーションをまたいで配信とエンゲージメント指標を比較できます。 CJAを使用して、パーソナライズされたコンテンツとデフォルトのコンテンツのコンバージョンへの影響を測定する比較ワークスペースを構築します。

オプション B （実験）の場合：
統計的な信頼性、治療リフト、勝者の特定については、実験レポートを確認してください。 勝者を宣言する前に、信頼度のしきい値に達するのを待ちます。 勝者コンテンツを永続的なバリエーションとして適用（継続的な配信のためにオプション Aに移行）。

オプション C （決定）の​:
オファーのインプレッション率、選択頻度、コンテンツ項目ごとのコンバージョン属性など、意思決定のパフォーマンス指標を確認できます。 ランキング戦略のパフォーマンスと、フォールバックコンテンツの提供が頻繁すぎるかどうかを分析します（実施要件ルールが制限されすぎていることを示します）。

Experience League ドキュメント：

実装に関する考慮事項

このセクションでは、このユースケース パターンのガードレール、一般的な落とし穴、ベストプラクティス、トレードオフの決定について説明します。

ガードレールと制限

導入前と導入中に、次のガードレールを確認します。

よくある落とし穴

実装のよくある間違いを回避します。

ベストプラクティス

導入を成功させるためには、次の推奨事項に従ってください。

トレードオフの決定

実装計画を立てる際には、次のトレードオフを考慮してください。

関連ドキュメント

次のExperience League リソースでは、このユースケースパターンで使用される機能に関する詳細を提供しています。

Web チャネルとコードベースのエクスペリエンス

オーディエンスとセグメント化

Personalizationとコンテンツ

コンテンツ実験

意思決定管理

キャンペーン

Web SDKとデータ収集

IDとプロファイル

データモデリング

レポートと分析

データガバナンスとプライバシー

ガードレール