次善のパスノード
次善のパス ノードは、AIによる分割パス決定をジャーニーキャンバスに直接取り込みます。 分割パス ノードでフィルター条件を設定する代わりに、自然言語で意図を記述し、各ユーザーに最も関連性の高いパスをシステムに判断させます。
B2B購入では、プロファイルは購買担当者のひとつに見えるかもしれませんが、その行動、企業特性データ、エンゲージメントのコンテキストは、より詳細なストーリーを明らかにします。 次善のパスノードは、そのコンテキストを評価してインテリジェントなルーティング決定を行い、ジャーニーをアクティブ化する前にAIの推奨事項をレビュー、変更、上書きできるようにします。
AIは、入力を組み合わせて、定義されたパスプロンプトに対して各個人を評価します。
- エンゲージメント履歴 – 現在および以前のジャーニーからのメール開封、リンクのクリック、web ページへの訪問、およびその他の行動シグナル
- リアルタイムシグナル - フォームへの入力や価格ページへの訪問などの意図の高いイベント
- プロファイル属性 – デモグラフィック、役職、ペルソナ、企業特性データ
- アカウント属性 – 個人のアカウントに関連付けられた企業特性データと技術特性データ
ある人物がノードに到達すると、システムはプロファイルコンテキストを取得し、制約を適用し、LLMを使用して最適なパスを選択します。 各決定は、透明性と観測可能性のために、信頼性スコアと自然言語推論で記録されます。
パスが一致しない場合、またはプロンプトがプロファイルで使用できないデータを参照する場合、そのユーザーはデフォルトのフォールバックパスにルーティングされます。
次善のパスノードの追加 add-next-best-path-node
-
個人ジャーニーを開き、ジャーニーマップに移動します。
-
パスのプラス（+）アイコンをクリックし、次善のパスを選択します。
ノードがキャンバスに追加され、AI分割設定パネルが右側に表示されます。 1つのパスとデフォルトの その他 のパスから始まり、定義されたパスのどれにも該当しないユーザーをルーティングします。
パスの設定 configure-paths
各パスに対して、名前と、そのパスにルーティングするユーザーを説明する自然言語プロンプトを定義します。 プロンプト入力は、フィルター条件UIを完全に置き換えます。設定する属性条件はありません。
-
ノードに含める追加パスごとに「パスを追加」をクリックします。
パスを削除するには、パスカードの削除 （
-
右側のパネルの各パスカードについて：
-
そのセグメントのオーディエンスまたはインテントを反映する ラベル を入力します。
-
自然言語で プロンプト を入力し、このパスに属するユーザーを記述します。 特定の属性値ではなく、意図と結果に注目する：
例では、3つのパスの分割を求めるプロンプトが表示されます：
- _Path 1 - HR Leaders :_タレントマネジメントと従業員体験コンテンツに関わる可能性が最も高い人事リーダーシップの役割の人物を特定します。
- _Path 2 – 技術評価者:_製品アーキテクチャ、統合、実装コンテンツに関与する可能性が最も高い技術的関係者を特定します。
- _Path 3 - ビジネス意思決定者:_ROI、ビジネス成果、ケーススタディのコンテンツに最も関与する可能性の高いビジネス関係者を特定します。
-
-
必要に応じて、パスを並べ替えて、一致する優先順位を設定します。
パスのフィルタリングは、トップダウンの順序で評価されます。 各人は一致する最初のパスに沿って進みます。
各パスカードの右上にある上下の矢印をクリックして、パスのリストで上下に移動します。
-
デフォルトパス（パスリストの最後）を確認し、必要に応じてラベルを変更します。
デフォルトのパスは、AIが自信を持って定義されたパスに個人を割り当てることができない場合や、関連するデータが利用できない場合に使用されます。 プロンプトが特定のプロファイルのデータセットに存在しないデータを参照すると、そのプロファイルがデフォルトパスにルーティングされ、データギャップがフラグ付けされます。
ヒューマン・イン・ザ・ループ制御 human-in-the-loop
AIのレコメンデーションには拘束力がありません。 ジャーニーをアクティブ化する前に、次のことができます。
- 任意のパスプロンプトを編集して、ルーティングロジックを調整します。
- パスの追加、削除、並べ替えをおこないます。
- 必要に応じて、AIの提案をカスタム条件で上書きします。
AIを活用したパスの割り当ては、ジャーニーを公開するまで有効になりません。
ユースケース別のプロンプト例 examples
次に、一般的なB2B マーケティングのユースケースをまたいで、効果的なパスプロンプトを作成する方法を示します。 それらを出発点として使用し、ジャーニーのコンテキストとオーディエンスデータに合わせて言語を適応させます。
アクティブな調査と購入のシグナル active-research
解約および維持リスク churn-retention
教育から評価のギャップ education-evaluation
メールエンゲージメントの順序 email-engagement
試用版とコンバージョンのパターン trial-conversion
マルチチャネル購入者 multi-channel
地域の購買シグナル regional-buying
行動タイミングシグナル behavioral-timing
公開前に決定をシミュレート simulate
シミュレーションを利用して、ジャーニーが公開される前に、AIがプロンプトを実際のオーディエンスに対して評価する方法をテストします。 ジャーニーのステータスが ドラフト で、公開されたジャーニーに影響がない場合にのみ使用できます。 このツールを使用して、ルーティングロジックを検証し、AIのレコメンデーションに対する信頼性を高めます。
シミュレーションの実行 run-simulation
-
次の最適なパスノードを選択し、右側のパネルの上部にある「シミュレート」（
-
ダイアログで、シミュレーションに使用するオーディエンスを選択します。
- 元の人物リスト - オーディエンスノードのオーディエンスを使用します。 完全なオーディエンスがシミュレーションのしきい値を超えた場合のサンプルサイズを指定します。
- 動的リストと静的リスト - Marketo Engageの静的リストまたは動的リストを使用します。
- テストレコード - AIが提案したテストプロファイルを使用します。
note NOTE 選択したオーディエンスがシミュレーションのしきい値を超えた場合、システムは100 プロファイルのサンプルに対してシミュレーションを実行します。 UIのインジケーターは、結果がサンプルベースであることを示しています。 選択したオーディエンスがまだ実体化されていない場合、シミュレーションはブロックされます。 インライン警告は、オーディエンスを最初に実体化するよう指示します。 -
「シミュレート」をクリックします。
シミュレーション結果の確認 review-simulation-results
シミュレーションの実行後、右側のパネルには、各パスに対するプロファイルの配分方法と、それらの割り当ての背後にあるAIによる推論が表示されます。
結果を使用してプロンプトを絞り込み、ルーティングが意図した結果を反映していることを確認します。 パス プロンプトを変更し、公開する前に必要な回数だけシミュレーションを再実行できます。
ジャーニーの公開と監視 publish-and-monitor
シミュレーション結果を検証した後：
-
人物オーディエンスをジャーニー入力ノードに接続します。
ジャーニーがライブになると、実行時に次善のパスノードが実行されます。 各人物がノードに到達すると、AIが最新のシグナルを使用してリアルタイムで評価し、最も関連性の高いパスにルーティングします。
公開したジャーニーの場合は、ジャーニーマップを開き、次に最適なパスノードを選択して、右側のパネルに「ライブ結果」セクションを表示します。 ライブの結果は次のとおりです。
- 各パスにおけるプロファイルの割合
- 各パス割り当ての信頼性スコア
- パスレベルおよびプロファイルレベルの推論。個々のプロファイルの詳細を拡張できます
ライブ結果は、ジャーニーコンソールおよびAI ハブのジャーニーオブザーバビリティ スキル からも確認できます。