適切な長期的なパーソナライゼーションアプローチの選択
長期的なパーソナライゼーションとは、6 ヶ月、1年、またはそれ以上続く顧客行動にもとづいて、リアルタイムの体験をカスタマイズすることを意味します。 プロファイルストアに何年もの生のイベント履歴を保存することなく、これらのユースケースをサポートできます。分析レイヤーに詳細な履歴を保持し、それからコンパクトなシグナルを導き出し、そのシグナルのみをアクティブ化のために昇格させます。 このガイドでは、利用可能なアプローチを比較し、アーキテクチャに合ったアプローチを選択するのに役立ちます。 いつ、なぜ、どの方法で使用すべきかを解説します。 設定手順とSQL構文については、リンクされた製品ドキュメントに従ってください。
このガイドは、Experience Platformの長期的なパーソナライゼーションのアプローチを評価する、ソリューションアーキテクト、プラットフォームアーキテクト、技術意思決定者を対象としています。 プロファイル 、オーディエンス、データレイク、プロファイルストアに精通していることを前提としています。
長期的な履歴がプロファイルストアに属しない理由 customer-problem
多くの組織は、より多くの保存データがより優れたパーソナライゼーションを生み出すと仮定して、プロファイルストアに大量の過去のイベントデータを蓄積します。 実際には、顧客が受け取るエクスペリエンスを改善することなく、プロファイルストアのサイズと合計データボリューム の使用権限が増加します。
購入サイクルが長い業界や、顧客関係が徐々に変化している業界では、長期的なパーソナライゼーションのユースケースが一般的です。
- 18か月前に普通預金口座を開設し、現在住宅ローン商品を調査中の金融サービス顧客。
- 昨年は季節の在庫を閲覧したが、一度も購入しなかった買い物客。
- ロイヤルティ層が12か月間の累積アクティビティを反映する航空会社のフリークエントフライヤー。
- 8か月前に解約し、その後戻ってきた通信業界の顧客で、過去の行動から危険にさらされていると特定された。
それぞれの場合、関連データは過去のものですが、パーソナライゼーションの瞬間はリアルタイムで起こる必要があります。 この問題は、組織がそのイベントレベルの履歴をすべてプロファイルストアに直接保存して、これらの瞬間をサポートする場合に発生します。
プロファイルストアはボリュームではなくスピードに最適化されており、保持するすべてのレコードは合計データボリュームの使用権限にカウントされます。 12、18、または24 ヶ月以上前の生のイベントは分析に役立ちますが、アクティベーションをサポートするためにプロファイルストアでライブを行う必要はほとんどありません。
長期的なパーソナライゼーションのユースケースを特定する方法 identify
次の質問を使用して、組織がプロファイルストアに対して、意図した範囲を超えた分析要求を行っているかどうかを判断します。 2つ以上のモデルを適用する場合、派生シグナルアーキテクチャがより効率的に機能するという、長期的なパーソナライゼーションのユースケースが考えられます。
- セグメンテーションロジックはどの程度前に見えますか？ 「任意のタイミング」ロジックまたは30～90日以降のルックバックウィンドウで構築されたオーディエンスは、強力なシグナルとなります。
- 合計データボリュームの使用権限に近づいているか、それを超えていますか？ その場合、リアルタイムのアクティベーションにほとんど使用されないイベントデータが、そのボリュームにどれだけの価値があるのかを検証します。
- プロファイルデータに設定されている有効期間は何ですか？ TTLがない、またはTTLが12か月以上の場合、生のイベントが明確なアクティブ化の目的なしに蓄積される可能性があります。
- 業界の特徴は購入サイクルが長いことですか？ 住宅ローン、保険、B2B契約、季節限定小売、旅行報酬など、あらゆるビジネス関係は、数カ月から数年にわたって進化します。
- Data DistillerまたはCustomer Journey Analyticsのライセンスを取得していますが、オーディエンスの作成には使用されていません。 これらのツールは、現在プロファイルストアに依頼している分析作業用に設計されています。
これらの質問が長期的なパーソナライゼーションパターンを示している場合は、次のステップは、Experience Platformの各タイプのデータがどこに属しているかを把握することです。
データの保存場所：分析とエンゲージメントのワークフロー workflows
Experience Platformでは、異なるワークフローに対応する2つのリポジトリにデータが保存されます。 各データセットを、自身がサポートするワークフローと一致させることは、効率的かつ長期的なパーソナライゼーションアーキテクチャの基盤となります。
ガイドの原則は、未加工の履歴ではなく、 シグナルに基づいてパーソナライズすることです。 顧客がロイヤルティ層のメンバー、価値の高いバイヤー、リスクのある解約者として適格であることを知るために、何年もの生の行動イベントをプロファイルストアに保存する必要はありません。 これらのラベルは、分析ワークフローの履歴データから計算し、プロファイルストアにラベル（シグナル）のみを保存します。 生の履歴はデータレイクに保存され、プロファイルの使用権限にはカウントされません。
推奨アーキテクチャ architecture
推奨されるアーキテクチャでは、長期的なストレージをリアルタイムのアクティベーションから切り離します。
- 顧客イベントデータがデータレイクに蓄積されます。 Web、アプリ、購入、ロイヤルティ、オフラインのレコードは、プロファイルの使用権限に貢献することなく、履歴の深さまで保持されます。
- 分析ワークフローはシグナルを導き出します。 クエリや分析により、数か月や数年の履歴が、ロイヤルティ層、解約リスクスコア、生涯価値ランキング、適格オーディエンスなどのコンパクトな出力に変換されます。
- シグナルはプロファイルストアに昇格されます。 イベント履歴ではなく出力のみがエンゲージメントワークフローに入ります。
- Real-Time Customer Data PlatformとAdobe Journey Optimizerは信号でアクティブ化します。 アクティベーションレイヤーは、リーンで最新のデータに基づいて動作し、ミリ秒単位で応答します。
このガイドでは、手順2と手順3を実行する方法を説明します。 ユースケースを選ぶ前に、Real-Time CDPとAdobe Journey Optimizer以外の分析ワークフローが実際に必要であることを確認します。
選択する前に：長期的なニーズがあることを確認してください qualifier
あらゆる企業に分析的なアプローチが必要なわけではありません。 セグメンテーションとパーソナライゼーションのロジックがすべて30～90日の行動ウィンドウ内で実行され、現在のプロファイル属性とプロファイルストアの最近のイベントに加えて、意思決定に必要な情報がすべて含まれている場合は、Real-Time CDPとAdobe Journey Optimizerだけで十分です。 追加のツールは必要なく、プロファイルストアから直接アクティベーションを実行できます。
このベースラインは4つ目のアプローチではなく出発点です。 その制限は、残りのアプローチが付加価値を提供する場所です。セグメンテーションロジックが30～90日を超える場合、またはパーソナライゼーションが数か月または数年の履歴から派生したinsightに依存する場合、プロファイルストアに履歴を保存すると、結果を向上させることなく合計データボリュームが増加します。 前のセクションの診断で長期的なニーズが指摘された場合は、次の3つのアプローチのいずれかを選択します。
クイックセレクター quick-chooser
既に目標を把握している場合は、この表を使用して、可能性の高い出発点を見つけ、アプローチの節と決定ガイド を読んで確認してください。
分析アプローチの選定 approaches
次の各アプローチは、itが何をするのか、いつ使用するのか、そしてその強みと制限事項について説明しています。 クイックセレクターが示したアプローチにジャンプするか、3つすべてを読んで比較します。
Data Distiller data-distiller
SQLを使用してデータを大規模にクエリ、変換、エンリッチするには、Experience Platform アドオンのData Distillerを使用します。 長期的なパーソナライゼーションの場合、データレイクから過去のイベントデータを読み取り、変換ロジックを適用し、結果のシグナルのみをプロファイルストアに書き込みます。
SQLを使用すると、データエンジニアは変換ロジックを定義し、派生データセット（ロイヤルティ層や解約スコアなどのコンパクトな出力）を生成します。 クエリは自動的に更新されるようにスケジュールされ、そのシグナルのみがプロファイルストアに公開されます。 Data Distillerでは、最初に派生属性を作成することなく、SQL🔗から直接 オーディエンスを構築および公開することもできます。
- ロイヤルティと解約のスコアリング、生涯価値、デシルとパーセンタイルのランキング、RFM モデル、自動更新の繰り返し更新に最適：です。
- 強み：は、数学的に正確な出力を生成し、スケジュールに従って自動的に更新し、生のデータをデータレイクに保持します。
- 制限：には、SQLとデータエンジニアが必要です。 変換は事前に定義する必要があるため、探索的分析には適していません。
エンドツーエンドの作業例を含め、このアプローチを実装するには、Data Distillerを使用した長期的なパーソナライゼーション を参照してください。
Customer Journey Analytics customer-journey-analytics
チャネル全体および長期的な顧客行動を分析するには、Customer Journey Analyticsを使用します。 長期的なパーソナライゼーションを実現するために、過去のジャーニーを視覚的に探索するためのコード不要の環境と、生成されるオーディエンスをプロファイルストアに宣伝するための直接パス（オーディエンス公開）を提供します。
Customer Journey Analyticsで分析された履歴データは、プロファイルストアに対して有効にする必要がないため、イベント履歴の数か月または数年が、データボリュームの合計の使用権限にカウントされることなく、そこに格納されます。
アナリストは、あらゆる顧客接点をまたいでジャーニーを視覚的に分析し、行動基準をオーディエンスに組み合わせてプロファイルストアに公開し、Real-Time CDPとAdobe Journey Optimizerで利用できるようになります。 オーディエンスは、施策に一度公開するか、自動的に更新することができます。
- 探索、マルチチャネル ジャーニー分析、リエンゲージメント キャンペーン、特定のイベントに関連付けられた1回限りのオーディエンスを通じて発見された件のオーディエンスに最適です。
- アナリストとマーケター向けの強み： セルフサービス（SQLは必要ありません）。 探索ファーストなので、データからオーディエンスの定義を出すことができます。 数分でアクティベーションに公開できます。
- 制限：出力はオーディエンスメンバーシップであり、すべてのプロファイルに書き戻される計算属性ではありません。 フィルターベースの精度は、正確ではなく近似です。
連合オーディエンス構成 federated-audience-composition
外部のエンタープライズデータウェアハウス内のデータから直接オーディエンスを構築して選定し、基礎データをExperience Platformに移動しない場合は、Federated Audience Compositionを使用します。 オーディエンス定義は、ノーコード構成キャンバスを使用してウェアハウスデータに対して適用され、結果として得られるオーディエンスメンバーシップのみがExperience Platformに送信されてアクティベーションされます。
- 過去データがSnowflake、Databricks、Google BigQuery、Amazon Redshiftなどの倉庫の記録システムであり、完全な取り込みプロジェクトなしでアクティブ化したい：組織に最適です。
- 強み：基盤となるデータは、ガバナンスと主権要件を満たすウェアハウスから離れることはありません。 大規模な取り込みは必要ありません。
- 制限：は、ウェアハウスの接続性と構成に依存します。 アクティベーションは、オーディエンスメンバーシップに限定されます。
比較アプローチ comparison
次の表に、3つのアプローチを比較します。 Real-Time CDPとAdobe Journey Optimizerの場合は、選択前で説明しているように、最新のデータのみを必要とするユースケースのベースラインのままです。
使用するアプローチを決定する decision-guide
クイックセレクターは、出発点を示します。 以下の質問を使用して、詳細なケースや組み合わせたケースを解決します。
数学的に正確な出力が必要ですか？ ユースケースで正確なランキングが必要な場合（例えば、計算指標による上位10%の顧客、8番目のデシルにおける生涯価値）、Data Distillerを選択します。 事前に計算を正確に定義できない場合は、Customer Journey Analyticsから開始してください。
探索を開始していますか？ オーディエンスのデザインがわからない場合や、パターンを視覚的に特定したい場合は、Customer Journey Analyticsを導入しましょう。 パターンが検証されたら、データエンジニアは、その厳格さが必要な場合に、Data Distillerでスケジュールされた精度スコア付きバージョンを作成できます。
再利用可能なプロファイル属性または1回限りのオーディエンスが必要ですか？ Data Distillerは、スコアや階層などの派生属性をあらゆるプロファイルに書き込み、スケジュールに従って自動的に再計算できます。 多くのオーディエンスやジャーニーをまたいでシグナルを再利用可能にする必要がある場合に使用します。 その代わりに、Customer Journey Analyticsでは、エンジニアリングの関与なしに構築されたキャンペーンオーディエンスまたはマルチステップのジャーニー定義に適したオーディエンスメンバーシップを公開します。
お客様のデータの場所とライセンスで許可されているものは何ですか？ 過去データを外部のデータウェアハウスに保持する必要がある場合は、連合オーディエンス構成を使用します。 それ以外の場合は、ライセンスを取得したツールとエンジニアリングサポートの可用性を選択してください。
プロファイルストアをリーンに保つ keep-lean
適切なアプローチを選択することで、新しい履歴データをプロファイルストアから除外することができます。 既にあるものを積極的に管理することは、あらゆる展開に対して補完的かつ継続的な実践です。 ここでも同じガイダンスを繰り返すのではなく、専用のリソースを使用してください。
- ライセンス使用権限の監視、取り込みフィルター、データセットのハイジーンについては、 データ管理ライセンス使用権限のベストプラクティス を参照してください。
次の手順 next-steps
長期的なパーソナライゼーションを行う場合、プロファイルストアに何年も生のイベントデータを保存する必要はありません。 そのためには、履歴から適切なシグナルを導き出し、そのシグナルだけをリアルタイムで活用できるようにする必要があります。 長期的なニーズがあることを確認し、アーキテクチャとチームに合ったアプローチを選択し、リンクされた製品ドキュメントに従って導入します。