顧客 AI でインサイトを見つける
顧客 AI は、インテリジェントサービスの一部として Adobe Sensei を活用し、顧客の次の行動を予測する力をマーケターに提供します。顧客 AI は、個々のプロファイルのカスタム傾向スコア（チャーンやコンバージョンなど）を大規模に生成するために使用されます。ビジネスニーズから機械学習の問題への変換、アルゴリズムの選択、トレーニング、デプロイメントは必要ありません。
このドキュメントは、Intelligent Services 顧客 AI ユーザーインターフェイスのサービスインスタンスインサイトを操作するためのガイドとして機能します。
はじめに
顧客 AI のインサイトを利用するには、正常な実行ステータスを持つサービスインスタンスを使用できる必要があります。新しいサービスインスタンスを作成するには、以下にアクセスします。 顧客 AI インスタンスの設定. サービスインスタンスを最近作成し、まだトレーニングとスコア付けをおこなっている場合は、実行が終了するまで 24 時間お待ちください。
サービスインスタンスの概要
Adobe Analytics の Adobe Experience Platform UI、「 」を選択します。 サービス をクリックします。 サービス ブラウザーが開き、使用可能なインテリジェントサービスが表示されます。顧客 AI のコンテナで、 開く.
顧客 AI サービスページが表示されます。このページは、顧客 AI のサービスインスタンスをリスト表示し、それらに関する情報（インスタンスの名前、傾向タイプ、インスタンスの実行頻度、前回の更新のステータスなど）を表示します。
開始するサービスインスタンス名を選択します。
次に、そのサービスインスタンスのインサイトページが表示され、「 」オプションで「 」を選択します 最新のスコア または パフォーマンスの概要. デフォルトのタブ 最新のスコア は、データのビジュアライゼーションを提供します。 ビジュアライゼーションと、データを使用して実行できる操作について、本ガイド全体で詳しく説明します。
The パフォーマンスの概要 「 」タブには、各傾向バケットの実際のチャーンまたはコンバージョン率が表示されます。 詳しくは、 パフォーマンスの概要指標.
サービスインスタンスの詳細
サービスインスタンスの詳細を表示する方法は、ダッシュボードから、またはサービスインスタンス内からの 2 つです。
サービスインスタンスダッシュボード
ダッシュボード内のサービスインスタンスの詳細の概要を表示するには、サービスインスタンスコンテナを選択し、名前に接続されるハイパーリンクを回避します。 右側のパネルが開き、詳細が表示されます。 コントロールには、次のものが含まれます。
- 編集：選択 編集 既存のサービスインスタンスを変更できます。 インスタンスの名前、説明およびスコア付け頻度を編集できます。
- 複製：選択 複製 現在選択されているサービスインスタンスの設定をコピーします。 その後、ワークフローを変更して小さな調整を行い、新しいインスタンスとして名前を変更できます。
- 削除：実行履歴を含むサービスインスタンスを削除できます。
- データソース：このインスタンスで使用されるデータセットへのリンク。
- 実行頻度：スコアリング実行が実行される頻度とタイミング。
- スコア定義：このインスタンスに設定した目標の概要です。
その他のインサイトドロップダウンを表示
サービスインスタンスの追加の詳細を表示する 2 つ目の方法は、インサイトページ内にあります。選択 詳細を表示 をクリックして、ドロップダウンを表示します。 スコアの定義、作成日時、傾向タイプ、使用するデータセットなどの詳細が表示されます。 一覧に表示されたプロパティの詳細については、 顧客 AI インスタンスの設定.
顧客 AI データセットプレビューポップオーバー
顧客 AI で複数のデータセットを使用する場合は、 複数 後に角括弧で囲まれたデータセットの数が続く () が指定されている。
複数のデータセットリンクを選択すると、顧客 AI データセットのプレビューポップオーバーが開きます。 プレビュー内の各色は、データセット列の左側にある Color キーで示すように、データセットを表します。 この例では、 データセット 1 次を含む PROP1 列。
インスタンスの編集
インスタンスを編集するには、「 」を選択します。 編集 」をクリックします。
編集ダイアログボックスが表示され、インスタンスの名前、説明、ステータス、スコア付け頻度を編集できます。 変更を確認してダイアログを閉じるには、「 」を選択します。 保存 をクリックします。
その他のアクション
右上のナビゲーションの「編集」の横に「その他のアクション」ボタンがあります。選択 その他のアクション ドロップダウンが開き、次の操作のいずれかを選択できます。
- 複製：選択 複製 設定されたサービスインスタンスをコピーします。 その後、ワークフローを変更して小さな調整を行い、新しいインスタンスとして名前を変更できます。
- 削除：インスタンスを削除します。
- スコアへのアクセス：選択 スコアへのアクセス ダイアログが開き、 顧客 AI のスコアのダウンロード チュートリアルでは、API 呼び出しの実行に必要なデータセット id も提供します。
- 実行履歴の表示：ダイアログが開き、サービスインスタンスに関連付けられたすべてのスコア付け実行のリストが表示されます。
スコア付けの概要 scoring-summary
スコア付けの概要には、スコア付けされたプロファイルの合計数が表示され、傾向が高、中、低のグループに分類されます。 傾向バケットは、スコア範囲に基づいて決定され、「低」は 24 未満、「中」は 25 ～ 74、「高」は 74 を超える値になります。各バケットには、凡例に対応する色があります。
リング上の任意の色の上にマウスポインターを置くと、バケットに属するプロファイルの割合や合計数など、追加の情報を表示できます。
スコアの配分
「スコアの配分」カードには、スコアに基づいた訪問者の概要が視覚的に表示されます。「スコアの配分」カードに表示される色は、生成された傾向スコアのタイプを表します。任意のスコアリング配分の上にマウスポインターを置くと、その配分に属する正確なカウントが表示されます。
影響を与える要因
各スコアグループに対して、そのグループに影響を与えた要因の上位 10 件を示すカードが生成されます。影響要因を確認すると、顧客が様々なスコアバケットに属する理由の詳細がわかります。
影響を与える要因のドリルダウン
影響を与える要因の上位にカーソルを合わせると、データがさらに分類されます。 特定のプロファイルが傾向バケットに属する理由に関する概要が提供されます。 要因に応じて、数値、分類、ブール値を指定できます。 次の例は、地域別の分類値を示しています。
さらに、ドリルダウンを使用すると、2 つ以上の傾向バケットに存在する場合の配分率を比較し、これらの値を使用してより具体的なセグメントを作成できます。 次の例は、最初の使用例を示しています。
コンバージョン傾向が低いプロファイルは、 adobe.comの Web ページを最近訪問した可能性が低いことがわかります。 傾向が中程度のプロファイルの場合、「前回の Web 訪問からの日数」要因の対象は 8%のみで、26%に過ぎません。 これらの数値を使用して、各バケット内の配分を要因と比較できます。 この情報を使用して、傾向が中程度のバケットの場合とは異なり、Web 訪問の最新性は傾向が低いバケットでは影響力が低いとは考えることができません。
セグメントの作成
の選択 セグメントを作成 」ボタンをクリックすると、傾向が「低」、「中」、「高」の任意のバケットにリダイレクトされ、セグメントビルダーに移動します。
セグメントビルダーは、セグメントを定義するために使用します。 選択時 セグメントを作成 顧客 AI は、インサイトページから、選択したバケット情報をセグメントに自動的に追加します。 セグメントの作成を完了するには、セグメントビルダーのユーザーインターフェイスの右側パネルにある「名前」コンテナと「説明」パラメーターを入力します。セグメントに名前と説明を付けたら、「 」を選択します。 保存 をクリックします。
新しいセグメントを Platform UI に表示するには、「 セグメント をクリックします。 参照 ページが表示され、使用可能なセグメントがすべて表示されます。
過去のパフォーマンス historical-performance
The パフォーマンスの概要 「 」タブには、実際のチャーンまたはコンバージョン率が、顧客 AI がスコアリングする傾向バケットのそれぞれに分けて表示されます。
最初は、予想された率（点線）のみが表示されます。 予期される率は、スコアリングの実行が発生せず、データがまだ使用できない場合に表示されます。 ただし、結果ウィンドウを過ぎると、予測レートは実際のレート（実線）に置き換えられます。
行の上にマウスポインターを置くと、その日の実際/予測レートがそのバケットに表示されます。
表示されている予測率と実際の率に関する期間をフィルタリングできます。 を選択します。 カレンダーアイコン
個々のスコアリング実行率
の下半分 パフォーマンスの概要 「 」タブには、個々のスコアリング実行の結果が表示されます。 右上のドロップダウンの日付を選択し、異なるスコアリング実行の結果を表示します。
チャーンまたはコンバージョンを予測するかどうかに応じて、 スコアの配分 グラフには、各増分でのチャーン/コンバートされたプロファイルの配分（チャーン/コンバートされなかったプロファイルの配分）が表示されます。
モデル評価 model-evaluation
「履歴パフォーマンス」タブで予測および実際の結果を経時的に追跡する以外に、マーケターは、「モデル評価」タブを使用して、モデルの品質に対してさらに透明性を持ちます。 上昇率グラフとゲイングラフを使用して、予測モデルとランダムターゲティングの違いを判断できます。 さらに、各スコアカットオフで取り込まれるポジティブな結果の数を決定できます。 これは、セグメント化や、投資回収率とマーケティングアクションを調整するのに役立ちます。
上昇率チャート
上昇率グラフは、ランダムなターゲティングではなく予測モデルを使用した場合の改善を測定します。
高品質のモデル指標は次のとおりです。
- 最初の数デシルで上昇率の値が高くなります。 つまり、モデルは、関心のあるアクションを実行する傾向が最も高いユーザーを識別するのに適しています。
- 上昇率値の降順。 つまり、スコアの高い顧客は、スコアの低い顧客よりも、関心のある行動を取る可能性が高くなります。
ゲイングラフ
累積的なゲインのグラフは、特定のしきい値を超えるスコアのターゲティングによってキャプチャされたポジティブな結果の割合を測定します。 傾向スコアで顧客を並べ替えた後、母集団は 10 個の等しいサイズのグループに分割されます。 完璧なモデルは、最高スコアのデシルで、すべてのポジティブな結果をキャプチャします。 ベースラインのランダムターゲティング方法では、グループのサイズに比例して肯定的な結果をキャプチャします。ターゲット設定すると、30%のユーザーが結果の 30%をキャプチャします。
高品質のモデル指標は次のとおりです。
- 累積ゲインは、100%に近づく速さです。
- モデルの累積ゲイン曲線は、グラフの左上隅に近いです。
- 累積的なゲインのグラフは、セグメント化とターゲティングのスコアカットオフを決定するために使用できます。 例えば、モデルが最初の 2 スコアで肯定的な結果の 70%を取り込むと、PercentileScore が 80 を超えるユーザーをターゲティングする場合、肯定的な結果の約 70%が取り込まれると想定されます。
AUC （曲線の下の面積）
AUC は、スコアによるランキングと予測された目標の発生との関係の強さを反映します。 An AUC が 0.5 の場合、モデルはランダム推測以上のものではありません。 An AUC が 1 の場合、モデルは、誰が関連するアクションを実行するかを完全に予測できます。
次の手順
このドキュメントでは、顧客 AI サービスインスタンスが提供するインサイトの概要を説明しました。これで、顧客 AI でのスコアのダウンロードに関するチュートリアルを続けるか、提供される他の Adobe Intelligent Services ガイドを参照できるようになりました。
その他のリソース
次のビデオでは、顧客 AI を使用してモデルの出力と影響力のある要因を確認する方法の概要を説明します。