エンゲージメントスコア engagement-scores
エンゲージメントスコアは、購買グループのメンバーのエンゲージメントのレベルを示す数値です。 これらのスコアは、購買グループメンバーの活動、加重アクション、および加重された役割に基づいています。 結果のスコアはテナント（インスタンス）内で正規化され、一貫性のある比較を可能にし、実用的なインサイトを可能にします。 スコアの計算は、購買グループを作成するとすぐに開始されます。 Journey Optimizer B2B edition データハブシステムは、毎日スコアを計算し、取り込みサービスを使用してマルチレベルマーケティング（MLM） MySQL システムにアップロードします。
エンゲージメントスコアには、次の2種類があります。
-
購買グループのエンゲージメントスコア – 購買グループのエンゲージメントスコアは、0から100までの間の正規化されたスコアであり、人物レベルで計算されたエンゲージメントスコアに基づいています。
購買グループのエンゲージメントスコアは、購買グループの詳細 ページに表示されます。 また、インテリジェントダッシュボードで最もエンゲージメントの高い購買グループを表示することもできます。
-
人物エンゲージメントスコア – 人物エンゲージメントスコアは、個々の購買グループメンバーのアクティビティに基づいています。
購買グループの各メンバーに対する人物エンゲージメントスコアは、購買グループの詳細ページ メンバータブ に表示されます。 これらのスコアは、最もエンゲージメントの高いメンバーや重複する連絡先情報を含むページやダッシュボードにも表示されます。
人物エンゲージメントスコアは、 ロールテンプレート および ジャーニースプリットパスによる人物ノード でのフィルタリングに使用できる属性です。
過去30日間に購買グループのメンバーが実行したエンゲージメント加重活動を使用して、スコアを計算します。 30日間のウィンドウでは、アクティビティの発生回数が期限切れになり、スコアが下に移動する可能性があります（スコア減衰）。 表示されるスコアは丸められます（例えば、スコア 75.89999は76と表示されます）。
エンゲージメントスコアリングに使用されるアクティビティ
購買グループのスコアリングは トリガーベース ではありません。 購買グループのすべてのメンバーのアクティビティを評価し、スコアを再計算する日々のプロセスです。 アクティビティでは、重み付けを使用して、アクティブな重み付けモデルに従って購買グループのスコアリングを通知します。これにより、各アクティビティの重み付け方法が決定されます。
各アクティビティの 1 日あたりのフリークエンシーキャップは 20 です。 購買グループのメンバーが1日に20回以上同じアクティビティを実行した場合、アクティビティのカウントは20に制限されます。
役割テンプレートの重み付け engagement-score-weighting
ユーザーは、役割テンプレート の各役割に 重み付け を割り当てて、役割に異なる重みを割り当てることができます。
各重み付けレベルは値に変換され、エンゲージメントスコアの計算に使用されます。
- 全く重要でない = 20
- 重要ではない = 40
- 標準 = 60
- 重要 = 80
- 非常に重要 = 100
非常に重要、重要、標準として重み付けされた 3 つの役割を持つ役割テンプレートは、次の重み付けパーセンテージに変換されます。
スコア計算の例
次の例は、エンゲージメントスコアの計算を示しています。 概要が記載された役割の重み付け率、購買グループメンバーごとに実施されたインバウンドアクティビティの数、イベントが発生するたびに日当たり20個の上限を使用します。
最終的なエンゲージメントスコアは、各役割スコアの重み付けを適用して計算されます。
スコアリングロジック
計算例で説明した計算ロジックに加えて、システム内で、インスタンス内のすべての人物、購買グループ、アカウントにわたって発生するスコアの非常に複雑な正規化があります。 購買グループのエンゲージメントスコアは、次の順序付きロジックに従って、人物のエンゲージメントスコアに依存します。
人物エンゲージメントスコア計算ロジック
-
web サイト訪問、メールクリック、ウェビナーへの参加など、関連する重み付けおよび日割り当てを持つエンゲージメント重み付けされたすべての アクティビティタイプを特定します。
-
現在30日間にハードコーディングされている、アクティビティの振り返りウィンドウ内で実行されたすべての人物エンゲージメント重み付け アクションを特定します。
-
手順1で特定されたすべてのエンゲージメント重み付けされた アクティビティタイプの重みづけを使用して、アクティビティタイプの重みづけを正規化します。ルックバックウィンドウ内で発生しなかったものを無視します。
この手順では、Min-Max Normalizationを活用し、大部分を活用しないテナントのアクティビティ タイプの重みの人工的な希薄化を大幅に減らします。
-
個人およびアクティビティタイプごとに1日の割り当てフィルタリングを適用します。
このステップでは、スコアを歪める低い値/大量のアクティビティを回避することで、非常に大きな異常値を持つことを軽減します。
-
アクティビティタイプごとの日々のアクティビティを合計し、関連する重みを掛け、ルックバックウィンドウのすべての日の結果を合計して、生の人物のエンゲージメントスコアを計算します。
-
可能性のある外れ値を減らすことによって分散を安定させるには、電力変換 （平方根）変換を使用します。
この変換は、歪みを減らし、データのパターンをより直線的にするのに役立ちます。
-
スコアが0 ～ 100の範囲の全体を活用するように、追加の スケール正規化 変換を適用します。
購買グループのエンゲージメントスコア計算ロジック
-
役割テンプレートで設定された重みに従って、各購買グループのメンバーに役割ごとに正規化された重みを適用します。
-
各購買グループの役割の重みを正規化します。
この正規化により、購買グループがすべての役割を使用しない場合に、役割の重みが不必要に希釈されるのを防ぐことができます。
-
すべての購買グループメンバーの人物エンゲージメントスコアを、人物の役割に正規化された役割の重みを掛けて集計し、それらを追加します。
-
Power Transformation （平方根）変換を適用して、特に非常に大規模な購買グループの場合、起こりうる外れ値を減らすことで分散を安定させます。
-
スコアが0 ～ 100の範囲の全体を活用するように、追加の スケール正規化 変換を適用します。