Decisioning に移行するメリット migrate-to-decisioning
Decisioning とは what-is-decisioning
Journey Optimizer Decisioning は、将来的に他のオブジェクト(ジャーニーなど)に対する意思決定の基盤となる意思決定機能の拡張です。 この新しい機能は、合理化されたオーサリングと管理のための主要なワークフローの概念を統合し、実験を意思決定に導入し、決定項目をスキーマベースのアプローチに移行して動的な項目レンダリングを行います。
Adobe Journey Optimizerの次世代の意思決定フレームワークおよび機能セットにより、企業は利用可能なデータ、インテリジェンス、およびお客様のコンテキストを使用して、それぞれのお客様に最適なエクスペリエンスを決定し、ビジネス価値を最適化できます。 詳細情報
Decisioning に移行する理由 why-migrate
意思決定は、従来の意思決定管理フレームワークに比べて、次のような大きな機能とメリットを提供します。
AI と機械学習機能
-
カスタム指標:AI モデルにカスタム最適化指標を使用する機能。 これにより、Customer Journey Analytics とのレポートの相互運用性が確保され、両方のプラットフォームでレポートが標準化され、データの一貫性と信頼性が向上します。 このシームレスな統合により、パフォーマンス指標をより明確に把握でき、シンプルな指標の作成、オーディエンスの公開、Insight Builder を使用したアドホックな質問の回答、レポートのスケジュール設定などの新機能が追加されます。
-
リフト測定:AI モデルでトラフィックの探索と利用を視覚化する機能。 これにより、マーケターとデータサイエンティストは、AI 探索によって長期的なモデルのパフォーマンスと、新しい勝者オファーの検出可能性を向上させる方法を定量化できます。 トラフィック配分に対する透明性は、AI の決定に対する信頼を構築し、チームが時間の経過と共に学習とパフォーマンスの両方を最適化できるようにします。 詳細情報
-
AI 式ビルダー:AI モデルスコア出力を既存の式機能に適用する機能。 これにより、マーケターは AI 出力を決定論的なルールや重み付けとシームレスに組み合わせて、より繊細な最適化戦略を実現し、機械学習のインテリジェンスを活用しながら、制御と柔軟性を向上させることができます。 詳細情報
実験
オファー、特定のオファーの側面、ランキング方法を実験する機能。 これにより、マーケターはクリエイティブ、実施要件およびランキングロジックに対して対照実験を実行し、高パフォーマンスのバリアントを特定して、学習サイクルを加速し、意思決定システムの継続的な最適化を促進できます。
レポートの強化
ダッシュボード:エンゲージメントfunnelの主要要素に対する決定項目と選択戦略のパフォーマンスを文書化します。 すぐに使える直感的な決定ダッシュボードは、オファーとコンテンツ配信、表示とクリックのエンゲージメント、フォールバックの使用率、AI や機械学習のランキングモデルからの上昇率など、主要な KPI に関するキャンペーンとジャーニーのパフォーマンスの値を素早く表示します。 詳細情報
運用効率
-
サンドボックスコピー:サンドボックス間でオブジェクトをコピーする機能(開発から実稼動環境へのコピーなど)。 これにより、環境間で決定ロジック、オファーおよび設定オブジェクトをシームレスに移行でき、セットアップ時間が短縮され、人的エラーを最小限に抑えることで、デプロイメントおよびテストワークフローが簡素化されます。 詳細情報
-
スキーマベースの項目カタログ管理:スキーマにリンクされたデータセットに直接決定項目を定義および管理する機能。動的な更新が可能になり、ガバナンスが簡素化されます。 これにより、決定項目を基になるデータソースと同期し、コンテンツの精度を確保し、迅速な更新を可能にし、大規模なガバナンスをサポートすることで、カタログ管理が合理化されます。 詳細情報
-
場所に依存しない意思決定:プレースメントや場所をまたいで決定ロジックを再利用し、決定選択を配信から分離する機能。 これにより、1 つの決定モデルで複数のプレースメントやサーフェス(web、アプリ、メールなど)を機能させ、ロジックを一元化し、クロスチャネルパーソナライゼーションの取り組みを高速化することで、再利用性と効率が向上します。 詳細情報
-
再利用可能なコンテンツフラグメント:JSON またはHTMLのコンテンツブロック(タイトル、ヘッダー、フッター、CTA など)を 1 回定義し、それらを複数のオファーオブジェクト内で参照する機能。 これにより、共有コンポーネントをオファー間で一元的に管理し、自動的に更新できるので、コンテンツのオーサリングとガバナンスが合理化されます。 詳細情報
今後の機能
-
チャネル決定:決定ロジックを使用して、1 つのチャネル内の最適なオファーだけでなく、エンゲージメントに最適なチャネル(メール、プッシュ、web など)を決定する機能。 これにより、配信対象だけでなくメッセージの配信場所を最適化することで、顧客体験が向上します。
-
メッセージの最適化:AI またはルールベースのアプローチを使用して、プロファイルごとにメッセージの内容を最適化し、エンゲージメントとコンバージョンの成果を向上させる機能。 これにより、マーケターは、オーディエンス属性とパフォーマンスデータに基づいて、トーン、画像、レイアウトを動的にカスタマイズできます。
-
ジャーニーパスの最適化:実験結果、リアルタイムコンテキスト、ルール、コンバージョン傾向に基づいて、プロファイルが従うジャーニーパスを決定できます。 これにより、チームは最適なジャーニーブランチを通じてプロファイルをインテリジェントにルーティングし、ユーザーごとに適切なケイデンスとコンテンツを確保できます。
-
ジャーニー上の意思決定: プロファイルが複数のジャーニーの対象となる場合に複数のジャーニーを判別し、最も価値の高いまたは関連性の高いジャーニーが選択されるようにします。 これにより、各プロファイルに対して最も優先度の高いジャーニーをランキングおよび選択することで、メッセージの競合やメッセージ超過を防ぐことができます。
その他の機能
-
ポリシーの適用:ビジネスユーザーの権限を強化し、Decisioning 内で データ使用のラベル付けと適用(DULE) および 同意 などの機能を使用し、決定ワークフロー全体でプライバシーシールド保護を有効にします。 これにより、決定がデータ使用ポリシーおよび顧客の同意環境設定に自動的に従うようにします。
-
ネイティブメッセージチャネルのサポート:複数のチャネル( コードベースのエクスペリエンス 、 メール (限定提供)、SMS、 プッシュ通知 にわたって、単一のフレームワーク内でメッセージングと意思決定を統合します。 直感的な UI のサポートにより、ユーザーは、メッセージオーサリングワークフローに決定コンポーネントを直接挿入できます。
-
Experience Platform データセットのルックアップ: オファーの選択ルール、ランキング、パーソナライズされたオファーコンテンツ内で 2}Adobe Experience Platform データセット } を直接アップロードおよび参照する機能。 これにより、決定ロジックで動的外部データソースを使用できるようになり、パーソナライゼーションとターゲティングの柔軟性が向上します。 詳細情報
-
スケーラビリティとパフォーマンス:決定計算をハブからエッジに移動させるアーキテクチャの強化。待ち時間が大幅に削減され、高トラフィックのユースケースのスループットが向上します。
ユースケースの例 use-cases
移行ツール migration-tooling
意思決定管理エンティティを Decisioning に移行するために、包括的な 移行ツール API のセットが利用できます。 これらの API により、自動での依存関係の解決とロールバック機能を使用して、サンドボックス間でシームレスな移行が可能になります。
移行ツール API を使用すると、次のことが可能です。
- ソースサンドボックスとターゲットサンドボックスの 依存関係の分析
- 異なる範囲での移行 - サンドボックス、オファーまたは決定レベル
- ロールバック移行 問題が検出された場合
認証、エンドポイント、リクエスト/応答の例、ステップごとのワークフローなど、完全な API ドキュメントについては、 このページ を参照してください。