Customer AIでインサイトを発見

インテリジェントサービスの一部であるCustomer AIは、マーケターにAdobe AIを活用して、顧客の次の行動を予測する力を提供します。 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、Customer AI インスタンスの設定にアクセスしてください。 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 Experience Platform UIで、左側のナビゲーションで「サービス」を選択します。 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。 Customer AIのコンテナで、開く​を選択します。

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。

Customer AI ダッシュボードでサービスインスタンス名を選択するプロセスを示す

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、「最新スコア」または「パフォーマンスの概要」を選択するオプションが表示されます。 デフォルトのタブ 最新スコア​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。

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解約率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の節を参照してください。

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には、ダッシュボードまたはサービスインスタンス内から2つの方法があります。

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、名前に添付されているハイパーリンクを避けて、サービスインスタンスコンテナを選択します。 右側のパネルが開き、追加の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。

顧客AIで失敗したスコアリング実行に対して

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。 右上の​ 詳細を表示 ​を選択して、ドロップダウンを入力します。 スコア定義、作成日時、傾向タイプ、使用されたデータセットなどの詳細がリストされます。 リストされているプロパティの詳細については、Customer AI インスタンスの設定を参照してください。

Customer AI データセットのプレビューポップオーバー

Customer AIで複数のデータセットを使用する場合、「Multiple」というラベルの付いたハイパーリンクの後に、括弧内のデータセット数()が指定されます。

複数データセット リンクを選択すると、Customer 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。 プレビューの各カラーは、データセット列の左側にあるカラーキーに示すように、データセットを表します。 この例では、データセット 1​にのみPROP1列が含まれていることがわかります。

選択したインスタンスの追加の詳細を表示する

インスタンスの編集

インスタンスを編集するには、右上のナビゲーションで「編集」を選択します。

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、スコアリング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、右下隅の「保存」を選択します。

その他のアクション

その他のアクション ボタンは、編集​の横にある右上のナビゲーションにあります。 その他のアクション​を選択すると、次のいずれかの操作を選択できるドロップダウンが開きます。

スコア付けの概要 scoring-summary

スコアリングサマリーは、スコアリングされたプロファイルの総数を表示し、高、中、低の傾向を含むバケットに分類します。 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にカーソルを合わせると、バケットに属するプロファイルの割合や合計数などの追加情報を表示できます。

スコアの配分

スコアの​配布 カードには、スコアに基づく母集団の視覚的な概要が表示されます。 スコアの分布​ カードに表示される色は、生成された傾向スコアの種類を表します。 ​任意のスコアリング配分にカーソルを合わせると、その配分に属する正確な数が表示されます。

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。

影響要因のドリルダウン

最も影響力のある要因のいずれか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の概要が表示されます。 係数に応じて、数値、カテゴリ、またはブール値を指定できます。 次の例では、カテゴリ値を地域別に表示しています。

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で発生する配分係数を比較し、これらの値を使用してより特定のオーディエンスを作成できます。 次の例は、最初のユースケースを示しています。

コンバージョン傾向が低いプロファイルは、adobe.com 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。 「前回のweb訪問からの日数」係数は、中程度の傾向プロファイルでは26%であるのに対し、8%しかカバーされていません。 これらの数値を使用して、ファクターの各バケット内の分布を比較できます。 この情報を使用して、webvisitの最新性が、中程度の傾向バケットにあるように、低傾向バケットにはそれほど影響を与えないことを推測できます。

オーディエンスの作成

低、中、高傾向のいずれかのバケットで「オーディエンスを作成」ボタンを選択すると、セグメントビルダーにリダイレクトされます。

セグメントビルダーは、オーディエンスの作成に使用します。 インサイトページから「オーディエンスを作成」を選択すると、Customer AIは選択したバケット情報を自動的にオーディエンスに追加します。 オーディエンスの作成を完了するには、セグメントビルダーユーザーインターフェイスの右側のパネルにある​ 名前 ​および​説明 コンテナに入力するだけです。 オーディエンスに名前と説明を指定したら、右上の「保存」を選択します。

Experience Platform UIで新しいオーディエンスを表示するには、左側のナビゲーションで「オーディエンス」を選択します。 参照 ページが表示され、使用可能なすべてのオーディエンスが表示されます。

Experience Platform UIで使用可能なすべてのオーディエンスのリストを表示する

過去の実績 historical-performance

「パフォーマンスの概要」タブには、実際の解約率またはコンバージョン率が、Customer AIによってスコアリングされた各傾向グループに分けて表示されます。

最初は、想定されるレート（点線）のみが表示されます。 スコアリング実行が発生しておらず、データがまだ使用できない場合は、予想されるレートが表示されます。 ただし、結果ウィンドウが通過すると、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、そのバケット内のその日の日付と実際/予想されるレートが表示されます。

表示される予測レートと実際のレートの時間枠をフィルタリングできます。 カレンダーアイコン を選択し、新しい日付範囲を選択します。 各バケットの結果は、新しい日付範囲内に表示されるように更新されます。

個人スコアリングの実行率

「パフォーマンスの概要」タブの下半分には、個々のスコアリング実行ごとの結果が表示されます。 右上のドロップダウン日付を選択して、別のスコアリング実行の結果を表示します。

解約またはコンバージョンを予測しているかどうかに応じて、​ スコア分布 グラフには、各増分で解約/コンバージョンしたプロファイルと解約/コンバージョンしていないプロファイルの分布が表示されます。

モデル評価 model-evaluation

マーケターは、「過去のパフォーマンス」タブで予測結果と実際の結果を経時的に追跡することに加えて、「モデル評価」タブでモデル品質の透明性をさらに高めることができます。 「上昇率」と「上昇率」のグラフを使用して、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どれだけのポジティブな結果が得られるかを判断することもできます。 これは、セグメンテーションや、ROIとマーケティング活動を整合させるのに役立ちます。

リフトチャート

リフトチャートは、ランダムなターゲティングではなく予測モデルを使用することの改善を測定します。

高品質のモデル指標には次のものが含まれます。

ゲインチャート

累積ゲインチャートは、一定の基準値を超えるスコアをターゲットにすることで達成されたポジティブな結果の割合を測定します。 傾向スコアが高いものから低いものまで顧客を並べ替えた後、母集団は10桁に分けられます。つまり、同じサイズのグループが10個です。 優れたモデルは、最もスコアが高いタスクのポジティブな結果をすべて取り込むことができます。 ベースラインのランダムターゲティング手法では、グループのサイズに比例して肯定的な結果を取得します。ユーザーの30%をターゲットに、結果の30%を取得します。

高品質のモデル指標には次のものが含まれます。

AUC （曲線下の領域）

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。 0.5の​ AUC ​は、モデルがランダムな推測よりも優れていないことを意味します。 1の​ AUC ​は、モデルが適切なアクションを実行するユーザーを完全に予測できることを意味します。

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、Customer AIを使用して、モデルの出力と影響要因を確認する方法の概要を説明します。