次善のパスノード
Marketo Optimizerでは、次善のパス ノードにより、AIによる分割パス決定がジャーニーキャンバスに直接取り込まれます。 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。
パス決定 path-decisioning
インテントからアクティベーションに移行するには、3つのステップがあります。
-
ステップ 1: パスの定義 — ジャーニーに次善のパス ノードを追加し、各パスに名前を付け、自然言語プロンプトを記述して、パスを先に進むユーザーを記述します。 パスはいつでも追加または削除できます。
-
手順2: シミュレーション — サンプルオーディエンスを選択してシミュレーションを実行します。 パスごとのプロファイル数、信頼性スコア、AI推論が表示され、アクティベートする前にロジックを検証できます。
note NOTE シミュレーションはサンプルデータに対してのみ実行され、ライブジャーニーの実行には影響しません。 -
ステップ 3: アクティブ化 – 実際のオーディエンスに対してジャーニーを公開します。 AIが実行時に各個人を評価し、最適なパスをリアルタイムで割り当て、デフォルトのフォールバックにより、行き詰まった人がヒットしないようにします。
AIによる意思決定の入力 ai-decisioning-inputs
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。 AIは、次のような入力を組み合わせ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
AIによるコンテキストの作成 ai-context-building
ルーティング決定の基盤として、AIは各プロファイルに対して推定レイヤーを構築します。 デモグラフィックデータと企業特性データ、アカウントの詳細、行動シグナル（ペルソナの詳細、問題の意図、製品の意図など）を、その人物のコンテキストに即した要約にまとめます。 AIは、この充実したコンテキストを活用することで、各個人を最適なパスに誘導し、自信スコアと各決定の背後にある自然言語の推論の両方を提供することができます。
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-node
-
個人ジャーニーを開き、ジャーニーキャンバスに移動します。
-
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開きます。 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。
-
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 アイコンをクリックします。
-
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：
- パス 1 – 人事部長： タレントマネジメントと従業員体験コンテンツに最も関与する可能性が高い人事部長の役割の人物を特定します。
- パス 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。
- パス 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、リストの上下に移動します。
-
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。
ループ内の人間による制御
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 prompt-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。
-
「過去30日間にJourney Optimizerに興味を持ち、人事サイト（shrm.org、hbr.org/topic/human-resource-management）でAIに関するウェビナーに参加する可能性が高い人物を特定します。 AI製品にも関心を示すべきでした」と述べています。
-
過去30日間にMarketoに興味を持ち、財務部門のサイト（wsj.com/finance,investopedia.com）でAIに関するウェビナーに参加する可能性の高い顧客を特定します。 AI製品にも関心を示すべきでした」と述べています。
-
「過去30日間にGenStudioに関心を持ち、RiskManagementのAIに関するウェビナーに参加する可能性が高いリスク/リサーチサイト（mckinsey.com/capabilities/risk-and-resilience, forrester.com/research）に関するエンゲージメントを持つ人を特定します。 AI製品にも関心を示すべきでした」と述べています。
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。 シミュレーションは、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。
シミュレーションの実行 run-simulation
-
次善の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」アイコンをクリックします。
-
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-results
シミュレーションの実行後、右側のパネルには、各パスにまたがるプロファイルの分布と、それらの割り当ての背後にあるAIの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-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、ジャーニーキャンバスを開き、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とAI ハブのジャーニーオブザーバビリティ機能でも確認できます。