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、セッション内の行動信号に基づいて、パーソナライズされた web コンテンツを匿名（未識別）の訪問者に提供するための実装ガイダンスを提供します。 Web SDK の設定とエッジオーディエンスの定義から、コンテンツ配信やパフォーマンスレポートまで、実装ライフサイクル全体をカバーしています。また、Adobe Journey Optimizer （AJO）、Adobe Real-Time Customer Data Platform （RT-CDP）、Adobe Experience Platform （AEP）を扱うソリューションアーキテクト、マーケティングテクニカルボロジ、実装エンジニア向けに設計されています。

このプランを使用すると、アーキテクチャを理解し、実装オプションを評価し、十分な情報に基づいた設定を行い、実装の各フェーズに関連するExperience League ドキュメントを見つけることができます。

パターンは、限られたデータ（現在のセッションで確認できるデータと、同じデバイスまたは cookie を使用した以前の訪問で蓄積された匿名のエッジプロファイル）でのみ動作します。 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トップ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 Web Personalizationは、ログインしておらず、既知の ID を持たず、統合された顧客プロファイルに解決できない、まだ識別されていない web サイト訪問者に対して、関連性の高いパーソナライズされたコンテンツを提供するビジネスニーズに対応します。 この制限はあるものの、セッション内の行動シグナル（閲覧されたページ、サイト滞在時間、スクロールの深さ、リファラルソース、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）を使用すると、意味のある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、リアルタイムでページコンテンツを変更します。 訪問者がサイトを移動する際に決定を行う際には秒未満の待ち時間を設ける必要があるので、Edgeのセグメント化が主な評価方法です。 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が配信するコンテンツバリアントを決定します。

完全な統合プロファイルとセグメントメンバーシップ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エッジプロファイルに制限されます。 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 が取得するもの、および cookie ベースの ECID を介して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制限されます。

主なビジネス目標

このユースケースパターンでは、以下のビジネス目標がサポートされています。

Web サイトエンゲージメントの向上

匿名の訪問者シグナルに合わせて調整された適切なエクスペリエンスを通じて、サイトでの時間、セッションあたりのページ数、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カスタマーエクスペリエンスの提供

まだ自分自身を特定していない訪問者に対しても、個人の好み、行動、ライフサイクルステージに合わせてコンテンツ、オファー、メッセージを調整します。

コンバージョン率の向上

行動のコンテキストに基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目的のアクションを完了した訪問者や見込み客の割合を向上させます。

戦術的な使用例

次に、このパターンを適用できる具体的なシナリオの例を示します。

主要業績評価指標

次の KPI を使用して、このユースケースパターンの有効性を測定します。

ユースケースパターン

以下に、このユースケースでのコアパターンと関数チェーンを説明します。

匿名訪問者の Web Personalization

AJO web チャネルを介して、未識別の訪問者に対して、セッション内の行動シグナルに基づいて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/行動ルールの評価/コンテンツ配信/インプレッショントラッキング/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が使用されています。

基本関数

このユースケースパターンでは、次の基本機能が配置されている必要があります。 各関数のステータスは、通常、必須、事前設定済みと想定、適用不可のいずれかを示します。

サポート関数

次の機能は、このユースケースのパターンを拡張しますが、コア実行には必要ありません。

アプリケーション関数

このプランは、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、次の手順を完了してください。

実装オプション

この節では、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要件に最適な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

最適な対象： シンプルで決定論的なパーソナライゼーション – 地域ターゲットのバナー、リファラルソース固有のヘッドライン、デバイス固有のレイアウト、新規訪問者メッセージと再訪問者メッセージ。 このオプションは、単純な条件付きロジック（条件 X の場合はコンテンツ Y を表示）でコンテンツバリアントを決定できる場合に選択します。

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、訪問者に表示されるコンテンツバリアントを決定します。 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使用して、特定のコンテンツバリアントにマッピングされます。 訪問者がページを読み込むと、ジ Web SDK ーニーは行動シグナルを Edge Network に送信し、訪問者のエッジプロファイルを定義済みのオーディエンスルールに照らして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」、「カリフォルニアの訪問者」、「モバイルデバイス訪問者」）を定義し、対応するコンテンツバリアントをAJOで作成する必要があります。 キャンペーンは、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そのコンテンツバリアントにバインドします。 AI のランキングやトラフィックの分割は関係しません。オーディエンスとコンテンツの関係は決定的です。

主な考慮事項：

メリット：

制限事項：

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

最適な対象： A/B テストおよび多変量分析テスト – 見出しのバリエーション、CTAボタンのカラー、レイアウトの代替値、プロモーションオファーのテストを、統計的有意性測定と共に行います。 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、どのコンテンツバリアントが最も効果的か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 コンテンツ実験を使用して、訪問者をコンテンツ処理グループにランダムに割り当て、定義された成功指標に対して最も効果が高いバリアントを測定します。 トラフィックはバリアント（A/B の場合は 50/50、A/B/C の場合は 33/33/34）に分割され、統計的優位差に達するまでパフォーマンスが追跡されます。

実験は、AJOの web キャンペーンに埋め込まれます。 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。 訪問者には、実験期間中、一貫して同じ処理が表示されます（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数）は Web SDK で追跡され、AJO実験レポートでレポートされます。

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（またはターゲット設定されたサブセット）が実験に参加します。 目標は、事前に定義されたコンテンツで既知のセグメントをターゲットにするのではなく、どのコンテンツが最もパフォーマンスが高いかを検出することです。

主な考慮事項：

メリット：

制限事項：

Experience League:

オプション C：決定ベースの web パーソナライゼーション

最適な対象： 動的コンテンツ選択（カテゴリ親和性レコメンデーション、出口インテントのオファー、行動レコメンデーション）では、決定ポリシーがセッションのシグナルを評価し、適格な項目のカタログから最適なコンテンツを選択します。 単純なルールにはコンテンツ選択のロジックが複雑すぎる場合、AI ランクの最適化が必要な場合、または適格な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、コンテンツ項目（オファー）の管理されたカタログから各訪問者に最適なコンテンツバリアントを選択します。 各コンテンツ項目には、実施要件ルール（誰が認定するか）、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（表示可能な頻度）があります。 決定ポリシーは、プレースメント（コンテンツがページに表示される場所）をコンテンツ項目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、コンテンツ項目の実施要件ルールに照ら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（優先度ベース、式ベース、AI ランク）を適用して、勝者コンテンツ項目を返します。 これは、エッジで 1 秒未満の待ち時間で発生します。

ランキング戦略は、適格なコンテンツ項目の並べ替え方法を決定します。 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を使用します。 式ベースのランキングでは、カスタム式を使用します（例：ページビューの最新性の重み付け）。 AI ランク付けランキングでは、選択した成功指標に対して経時的に最適化される機械学習モデルを使用しますが、トレーニングには 1,000 以上のコンバージョンイベントが必要です。

主な考慮事項：

メリット：

制限事項：

Experience League:

オプションの比較

次の表では、主要な条件を満たす 3 つの実装オプションを比較しています。

適切なオプションを選択

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。

結合オプション： これらのオプションは相互に排他的ではありません。 一般的な進行は、勝者コンテンツを見つけるためにオプション B （実験）から開始し、継続的な配信のためにオプション A （ルールベース）を使用して勝者をデプロイすることです。 動的なカタログベースの選択が必要なユースケースでは、オプション C （決定）を上位に配置できますが、オプション A はよりシンプルな決定論的ルールを処理します。

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

パーソナライズされた web サイトの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、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）を特定し、AJOがコンテンツを挿入または置換できるようにします。

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ターゲティングを推進するセッション内の行動シグナルに基づいて、エッジで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エクスペリエンスの対象となる訪問者を決定します。 訪問者がサイトを移動する際にパーソナライゼーションに関する意思決定を一秒以内に行う必要があるので、このパターンではEdgeの評価は必須です。

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/オーディエンスを作成/ルールを作成

キー設定の詳細：

オプションが分岐する場所：

オプション A （ルールベース）の場合：
コンテンツバリアントごとに個別のオーディエンスセグメントを作成します。 各セグメントは特定の行動条件を表します（例：「リファラル = Googleおよびジオ = US」はコンテンツバリアント A にマッピングされます）。 オーディエンスの数は、パーソナライゼーションルールの数と同じです。

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する場合、オーディエンスは必要ありません。トラフィック分割でバリアント割り当てが処理されます。 実験が特定のサブセットをターゲットとしている場合（モバイル訪問者のみ）、実験の実施要件に合わせ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）の場合：
コンテンツ項目の実施要件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、決定ポリシーのコンテンツ項目の対象となる訪問者を決定します。 決定エンジンが、適格な項目からのコンテンツ選択を処理します。

Experience League ドキュメント：

フェーズ 3：コンテンツのオーサリングとバリアントの作成

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：意思決定（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）、実験割り当て（オプション B）、または決定ロジック（オプション C）に基づいて、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アントを作成します。 このフェーズでは、AJO Web Designer または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の作成や、コンテンツの選択方法を管理する実験または判定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：

オプションが分岐する場所：

オプション A （ルールベース）の場合：
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対して、個別のコンテンツバリアントを作成します。 キャンペーン設定で条件付きコンテンツルールを使用して、各バリアントをそのターゲットオーディエンスにバインドします。 オーディエンスルールに一致しない訪問者に対して、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：
オーサー処理のバリアント（A、B、C など） 実験のために。 キャンペーンでコンテンツ実験を有効にし、コンテンツを使用して処理のバリエーションを定義し、トラフィック配分の割合を設定して、成功指標を設定します。

オプション C （決定）の場合：
決定コンポーネントスタックを設定して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：キャンペーンの実行

Web サーフェス（フェーズ 1）、オーディエンスのターゲット設定または実験の設定（フェーズ 2 ～ 3）、コンテンツバリアント（フェーズ 3）を配信可能な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を訪問者に提供す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/キャンペーンを作成

キー設定の詳細：

オプションが分岐する場所：

オプション A （ルールベース）の場合：
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、それぞれが対応するコンテンツバリアント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。 または、オーディエンスメンバーシップを 1 つのキャンペーン内のコンテンツバリアントにマッピングする条件付きコンテンツルールで、1 つのキャンペーンを使用します。

オプション B （実験）の場合：
コンテンツ実験が有効な単一のキャンペーンを作成します。 実験設定（バリアント、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。 実験を開始するには、キャンペーンをアクティブ化します。

オプション C （決定）の場合：
フェーズ 3 で設定した決定ポリシーを埋め込んだ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、エッジで Decisioning エンジンをトリガーにする決定範囲を参照します。 キャンペーンをアクティブ化して、決定ベースのコンテンツ配信を開始します。

Experience League ドキュメント：

フェーズ 5：パフォーマンスのレポートと分析

アプリケーション機能： AJO:Reporting & Performance Analysis

AJOの組み込み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、オプションでCJAを使用して分析を拡張し、より深いクロスチャネルインサイトを得ることができます。 このフェーズでは、ライブキャンペーンレポートと履歴キャンペーンレポートへのアクセス、実験結果のレビュー、カスタム分析ワークスペースの構築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/レポートを表示

キー設定の詳細：

オプションが分岐する場所：

オプション A （ルールベース）の場合：
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て、パーソナライズされたコンテンツのバリアント間で配信指標とエンゲージメント指標を比較します。 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コンテンツのコンバージョンの影響を測定する比較ワークスペースを作成します。

オプション B （実験）の場合：
実験レポートで統計的信頼性、処理上昇率および勝者の識別を確認します。 信頼性のしきい値に達するのを待ってから、勝者を宣言します。 勝者コンテンツを永続的なバリアントとして適用します（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）の場合：
オファー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アトリビューションなど、意思決定パフォーマンス指標を確認します。 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が頻繁に提供されているかどうかを分析します（実施要件ルールに制限があることを示します）。

Experience League ドキュメント：

実装に関する考慮事項

この節では、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および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

実装前と実装中に、次のガードレールを確認してください。

よくある落とし穴

次のような一般的な実装ミスは避けてください。

ベストプラクティス

実装を成功させるには、次の推奨事項に従います。

トレードオフの決定

実装を計画する際は、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の詳細を説明しています。

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