ドキュメントExperience Platformインテリジェントサービスガイド

顧客 AI での入力と出力

Last update: Thu Aug 01 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

作成対象：

  • ユーザー

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

はじめに getting-started

顧客 AI で傾向モデルを構築し、パーソナライズされたマーケティングのターゲットオーディエンスを特定する手順を示します。

  1. ユースケースの概要を述べます。傾向モデルを使用すると、パーソナライズされたマーケティングのターゲットオーディエンスの特定にどのように役立ちますか。ビジネス目標と、目標を達成するための戦術は何ですか。傾向モデリングは、このプロセスのどこに当てはまりますか。

  2. ユースケースの優先順位を付けます。ビジネスにとって最も優先度が高いのはどれですか。

  3. 顧客 AI でモデルを構築します。モデルを構築するための段階的なプロセスについては、このクイックチュートリアルをご覧になり、UI ガイドを参照してください。

  4. モデルの結果を使用してセグメントを構築します。

  5. これらのセグメントに基づいて、ターゲットを絞ったビジネスアクションを実行します。結果を監視し、改善するためのアクションを繰り返します。

最初のモデルの設定例を次に示します。このドキュメントで作成されたサンプルモデルは、顧客 AI モデルを使用して、今後 30 日間で小売業にコンバージョンする可能性が高い人を予測します。入力データセットは、Adobe Analytics のデータセットです。

手順
定義
例
設定
モデルに関する基本情報を指定します。
名前：鉛筆購入傾向モデル
モデルタイプ：コンバージョン
データを選択
モデルの構築に使用するデータセットを指定します。
データセット：Adobe Analytics データセット
ID：各データセットの ID 列が共通の ID に設定されていることを確認します。
目標を定義
目標、実施要件を満たす母集団、カスタムイベントおよびプロファイル属性を定義します。
予測目標：「commerce.purchases.value = 鉛筆」を選択します
結果ウィンドウ：30 日。
オプションを設定
モデル更新のスケジュールを設定し、プロファイルのスコアを有効にします。
スケジュール：毎週
プロファイルに対して有効にする：セグメント化でモデル出力を使用するには、これを有効にする必要があります。

データの概要 data-overview

次の節では、顧客 AI で使用される様々な必須のイベント、入力、出力の概要を説明します。

顧客 AI は、次のデータセットを分析して、顧客離れ（顧客が製品の利用をやめる可能性が高いタイミング）やコンバージョン（顧客が製品を購入する可能性が高いタイミング）を予測します。

各データセットが ECID などの同じ ID タイプ（名前空間）を共有している場合は、異なるソースから複数のデータセットを追加できます。複数のデータセットの追加について詳しくは、顧客 AI ユーザーガイドを参照してください。

IMPORTANT
ソースコネクタは、データの埋め戻しに最大 4 週間かかります。コネクタを最近設定した場合、データセットに含まれているデータは、顧客 AI に必要な最小長であることを確認する必要があります。「履歴データ」セクションを確認して、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使用される一般的な用語の概要を次の表に示します。

用語
定義
エクスペリエンスデータモデル（XDM）
XDM は、Adobe Experience Cloud で Adobe Experience Platform を活用して適切なメッセージを適切な人に適切なチャネルと適切なタイミングで配信できるようにする基本的なフレームワークです。Platform では、XDM システムを使用して、Platform サービスに使用しやすいようにデータを整理します。
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。あらゆるシステムにわたって一貫した形式でデータを定義することで、意味を保持しやすくなり、したがってデータから価値を得やすくなります。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種類を制限する必要があります。スキーマは、基本の 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、Experience Event 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に格納される必要がある最小の数のプロパティを記述します。
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です。フィールドグループは、スキーマの階層にフィールドがどのように現れるかを強制するので、フィールドが含まれているすべてのスキーマで同じ構造を示します。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にのみ適合します。
データタイプ
スキーマに 1 つ以上のフィールドを提供することもできるコンポーネントです。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限定されません。そのため、データタイプは、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共通の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しているデータタイプは、CEE と Adobe Analytics の両方のスキーマでサポートされています。
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 customer-ai-input-data

Adobe Analytics や Adobe Audience Manager などの入力データセットの場合、それぞれのソースコネクタは、接続プロセス中にデフォルトでこれらの標準フィールドグループ（コマース、Web、アプリケーションおよび検索）のイベントを直接マッピングします。顧客 AI のデフォルトの標準フィールドグループのイベントフィールドを次の表に示します。

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 または Audience Manager のフィールドマッピングガイドを参照してください。

上記のコネクタを介して入力されない入力データセットについては、エクスペリエンスイベントまたは消費者エクスペリエンスイベントの XDM スキーマを使用できます。スキーマの作成プロセス中に、XDM フィールドグループを追加できます。標準フィールドグループや、Platform のデータ表現に一致するカスタムフィールドグループのように、フィールドグループがアドビから提供されることがあります。

IMPORTANT
これらの入力データセットにデータが入力されることを確認する必要があります。標準フィールドグループのイベントが入力データセットで見つからない場合、設定ワークフローでカスタムイベントを追加する必要があります。カスタムイベントの詳細を参照してください。

顧客 AI で使用される標準フィールドグループ standard-events

エクスペリエンスイベントは、顧客の様々な行動を特定するために使用されます。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カバーしていない場合があります。 Web やその他のチャネル固有のユーザーアクティビティを明確に特定するのに必要なデータがどのフィールドに含まれているかを判断するのは、ユーザーです。予測目標に応じて、必要なフィールドが変わることがあります。

NOTE
Adobe Analytics または Adobe Audience Manager のデータを使用している場合は、データの取得に必要な標準イベントを持つスキーマが自動的に作成されます。独自のカスタム EE スキーマを作成してデータを取り込む場合は、データの取り込みに必要なフィールドグループが何であるかを検討する必要があります。

顧客 AI は、デフォルトで、コマース、Web、アプリケーション、検索の 4 つの標準フィールドグループのイベントを使用します。以下に示す標準フィールドグループのイベントごとにデータが必要になるわけではありませんが、特定のシナリオでは特定のイベントが必要になります。標準フィールドグループ内のイベントが使用可能な場合は、そのイベントを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 モデルを作成する場合は、コマースフィールドグループと Web ページ詳細フィールドグループのデータを用意すると役に立ちます。

Platform UI でフィールドグループを表示するには、左パネルの「スキーマ」タブ、「フィールドグループ」タブの順に選択します。

フィールドグループ
イベントタイプ
XDM フィールドパス
コマース詳細
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 詳細
webVisit
web.webPageDetails.name
webInteraction
web.webInteraction.linkClicks.value
アプリケーションの詳細
applicationCloses

  • application.applicationCloses.value

  • application.name

applicationCrashes

  • 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
search.keywords

さらに、顧客 AI は購読データを使用して、より優れた顧客離れモデルを構築できます。購読データは、サブスクリプションデータタイプの形式を使用してプロファイルごとに必要です。ほとんどのフィールドはオプションですが、顧客離れモデルを適切に構築するには、startDate、endDate、その他の関連詳細など、できるだけ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。この機能の追加サポートについては、アカウントチームにお問い合わせください。

カスタムイベントとプロファイル属性の追加 add-custom-events

顧客 AI で使用されるデフォルトの標準イベントフィールドに加えて含めたい情報がある場合は、カスタムイベント設定によって、モデルで使用されるデータを拡張できます。

カスタムイベントを使用するタイミング

カスタムイベントは、データセット選択手順で選択したデータセットに、顧客 AI が使用するデフォルトのイベントフィールドが​ 何も ​含まれていない場合に必要です。顧客 AI には、結果以外の少なくとも 1 つのユーザー行動イベントに関する情報が必要です。

カスタムイベントは、次の場合に役立ちます。

  • ドメインの知識または以前の専門知識をモデルに組み込む。

  • 予測モデルの品質を向上させる。

  • さらなる洞察と解釈を得る。

カスタムイベントの最良の候補は、結果を予測できるドメイン知識を含むデータです。カスタムイベントの一般的な例を次に示します。

  • アカウントに登録する

  • ニュースレターを購読する

  • カスタマーサービスに電話をかける

以下は、業界特有のカスタムイベントの例です。

業界
カスタムイベント
小売
店舗内トランザクション
クラブカードへの登録
モバイルクーポンの利用。
娯楽
季節メンバーシップの購入
ビデオのストリーミング。
接客業
レストランの予約
ロイヤルティポイントの購入。
旅行
既知の旅行者情報の追加、マイルの購入。
コミュニケーション
プランのアップグレード／ダウングレード／キャンセル。

カスタムイベントが選択されるためには、ユーザーが開始したアクションを表している必要があります。例えば、「メール送信」は、ユーザーではなくマーケターが開始したアクションなので、カスタムイベントとしては使用すべきではありません。

履歴データ

顧客 AI には、モデルをトレーニングするために履歴データが必要です。データがシステム内に存在している必要のある期間は、結果のウィンドウと実施要件を満たす母集団という、2 つの主要な要素によって決まります。

デフォルトでは、顧客 AI は、アプリケーションの設定中に実施要件を満たす母集団が定義されない場合、過去 45 日間にアクティビティがあった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た履歴データから、少なくとも 500 件の適格イベントと 500 件の非適格イベント（合計 1,000 件）が必要です。

次の例は、必要なデータの最少量を判断するのに役立つ、簡単な数式の使用方法を示しています。最少要件を超える量のデータがある場合、より正確な結果がモデルから得られる可能性が高くなります。最少要件を下回る量しかない場合、モデルのトレーニングに十分なデータがないので、モデルは失敗します。

顧客 AI は、サバイバルモデルを使用して、特定の時間にイベントが発生する確率を推定し、影響要因を特定します。また、教師あり学習では、ポジティブとネガティブの母集団を定義し、lightgbm などの意思決定ベースのツリーを使用して、確率スコアを生成します。

数式:

データがシステム内に存在する必要最少期間を決定するには、次の手順に従います。

  • 機能を作成するには、少なくとも 30 日分のデータが必要です。実施要件のルックバックウィンドウを 30 日間と比較します。

    • 実施要件のルックバックウィンドウが 30 日を超える場合、データ要件 = 実施要件ルックバックウィンドウ + 結果ウィンドウになります。

    • それ以外の場合は、データ要件 = 30 日 + 結果ウィンドウになります。

** 実施要件を満たす母集団を定義する条件が複数ある場合、実施要件のルックバックウィンドウは、その中で一番長い値になります。

NOTE
30 日は、実施要件を満たす母集団に必要な最少の日数です。指定されていない場合、デフォルトでは 45 日です。

例:

  • 過去 60 日間に何らかの web アクティビティがあった顧客が、今後 30 日間に腕時計を購入する可能性があるかどうかを予測するとします。

    • 実施要件のルックバックウィンドウ = 60 日

    • 結果ウィンドウ = 30 日

    • 必要なデータ = 60 日+ 30 日 = 90 日

  • ユーザーが次の 7 日間に時計を購入する可能性があるかどうかを、実施要件を満たす母集団を明示的に​ 指定せず ​予測したいと考えています。この場合、対象の母集団はデフォルトで「過去 45 日間にアクティビティがあったユーザー」になり、結果期間は 7 日間になります。

    • 実施要件のルックバックウィンドウ = 45 日

    • 結果ウィンドウ = 7 日

    • 必要なデータ = 45 日 + 7 日 = 52 日

  • 過去 7 日間に何らかの web アクティビティがあった顧客が、今後 7 日間に腕時計を購入する可能性があるかどうかを予測したいと考えています。

    • 実施要件のルックバックウィンドウ = 7 日

    • 機能の作成に必要な最少データ = 30 日

    • 結果ウィンドウ = 7 日

    • 必要なデータ = 30 日 + 7 日 = 37 日

顧客 AI では、データがシステム内に存在する最少期間が必要ですが、直近のデータが最も効果的でもあります。より新しい行動データを使用すると、顧客 AI は、ユーザーの将来の行動をより正確に予測できる可能性が高くなります。

顧客 AI 出力データ customer-ai-output-data

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。スコア（出力）の使い方は、プロビジョニングした内容に基づいて 2 通りあります。リアルタイム顧客プロファイルが有効なデータセットがある場合は、セグメントビルダーでリアルタイム顧客プロファイルからの分析情報を利用できます。プロファイルが有効な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。

出力データセットは、Platform の「データセット」ワークスペースにあります。すべての顧客 AI 出力データセットは、「顧客 AI スコア - NAME_OF_APP（アプリ名）」という名前で始まります。同様に、すべての顧客 AI 出力スキーマは、「顧客 AI スキーマ - Name_of_app（アプリ名）」という名前で始まります。

顧客 AI の出力データセットの名前

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
スコア
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。確率の値の範囲は 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

これらは、プロファイルがなぜコンバージョンする、または離れる可能性が高いかについて、予測される理由です。これらの要因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 next-steps

データを準備し、すべての資格情報とスキーマが適切に定められていることを確認したら、「顧客 AI インスタンスの設定」ガイドを参照してください。このガイドでは、顧客 AI インスタンスを作成するためのチュートリアルを段階的に説明しています。

recommendation-more-help
8959a20a-a58f-4057-9f82-870706c576e9