Recommendations の概要

Target Recommendations の実装

戦略から始めます。

戦略を立案したら、Target Recommendations の実装を開始する準備が整います。

レコメンデーション実装の作成に関して 3 つの大まかな手順があります。

Target にコンテキストや製品について認識させる

Recommendations を開始する場合、レコメンデーションしたい各品目に関する情報を渡します。Target は、カタログを作成するためのいくつかの統合オプションを提供します。

最もシンプルで最もよく使用される方法は、毎日または毎週、お使いの製品情報管理システムやコンテンツ管理システムから CSV ファイルを送信することです。しかし、Adobe Target JavaScript ライブラリを使用するページからデータレイヤーの情報を渡したり、アドビの API を活用してお使いのソースシステムから情報を直接渡したり、または既にカタログデータを Analytics に渡している場合は Adobe Analytics 統合を使用したりすることもできます。

例えば、ほとんどのデータを CSV ファイルを介して毎日渡し、在庫の更新を API を介してより頻繁に渡すなど、複数のオプションを同時に使用したい場合もあります。

通常、IT 部門がこの設定の支援に関わります。

どの方法を選択しても、各品目に関する 3 つのカテゴリのメタデータを含める必要があります。

ユーザー行動のキャプチャ

次に、タグを追加するか、既存の Analytics 実装を活用して、Target アルゴリズムを駆動するコンバージョンイベント（表示や購入など）を追跡する必要があります。

ユーザーが表示および購入している品目を Target が認識するようにする必要があります。購入がコンテキストに関係ない場合は、PDFのダウンロード、調査の完了、ニュースレターの購読、ビデオの視聴など、別のタイプのコンバージョンイベントをトラッキングできます。

既に Target を使用してサイトで A/B テストアクティビティを実行している場合、既にこの手順を完了している可能性があります。または、既に Adobe Analytics を使用してサイト訪問およびコンバージョン行動をレポートしている場合、Analytics を行動データソースとして使用できます。そうでない場合、Adobe Experience Platform のタグなどのタグマネージャーを使用してこれを設定するのが最も簡単です。 また、リアルタイム API を介して、オフラインまたはアプリ内のインタラクションを Target に送信することもできます。

適切なコンテキストでのレコメンデーションの取得

インタラクションの際にユーザーおよびコンテキストに関する情報を Target に渡して、関連するパーソナライズされたレコメンデーションを返します。

ユーザー行動全般に加えて、Target にレコメンデーションが表示されている特定のコンテキストを渡す必要があります。これには、ページに関する情報およびユーザープロファイルからの情報が含まれます。Target は、この情報を使用してパーソナライズされたレコメンデーションをおこないます。例えば、小売 Web サイトでは、訪問者が現在表示している製品および製品カテゴリを把握したいと考えます。また、ユーザーに関する情報（お気に入りのブランド、お気に入りの製品カテゴリ、ロイヤルティ層など）も把握したいところです。この情報は、Target が品目をフィルタリングし、レコメンデーションのパーソナライゼーションを改善できるので重要です。

最初の Recommendations アクティビティの構築

Recommendations アクティビティとは

Recommendations アクティビティは、次のコンポーネントで構成されます。

標準設定では、Target には、14 個のビルトインオーディエンス、42 個のビルトイン条件および 10 個のビルトインデザインテンプレートが含まれています。これらの各品目をカスタマイズしたり、独自のものを追加したりできます。過去に、Target で オーディエンスの構築に関するウェビナーを実施したことがあります。 ここでは、どの品目をレコメンデーションするかを定義する、条件の定義に焦点を当てています。

Target では、条件カードという概念を使用します。条件カードは、パーソナライゼーションのレシピのようなものです。

目的のパーソナライゼーション結果を達成するための適切な条件を選択または作成することが重要です。条件は、カタログ全体から最終的なレコメンデーションに導くファネルのようなものです。

次の節では、このファネルの様々な部分と、Target での仕組みについて説明します。

静的フィルター（コレクションおよび除外）

静的フィルターは、頻繁に変更することを期待しないカタログ属性に関連する幅広く適用できるルールです。

例えば、コンテンツのコンテキストで、レコメンデーションにすべての映画を含めたいが、レートが NC-17 の映画を除外したい場合があります。小売のコンテキストで、世界の様々な地域の複数のブランドがあるが、米国で利用可能な製品のみをレコメンデーションしたい場合があります。また、地方のプライベートブランドから製品を場外したい場合があります。

これらはすべて、幅広く適用できるカタログ属性で、複数のレコメンデーションで使用し、頻繁に変更することを期待しないものです。

アルゴリズム（レコメンデーションキーおよびロジック）

次の手順では、レコメンデーションキーおよびロジックを選択します。ここで、レコメンデーションの基礎を決定します。

最初に選択する必要があるのは、レコメンデーションキーです。レコメンデーションキーは、レコメンデーションを選択するために「検索」するものです。これが、レコメンデーションの基礎となります。

次のようなことをレコメンデーションの基礎にします。

これらのキーに基づいて、次に、目的のレコメンデーションロジックを選択します。

標準設定では、Target にはアルゴリズムのポートフォリオが含まれています。

オンラインビジネスルール

最後の手順は、オンラインビジネスルールの適用です。ここで、ドメインの知識とお客様のデジタルプロパティ上で訪問者が何をしているかに基づく現在のコンテキストによってアルゴリズムに力を与えます。

例えば、コンテンツのコンテキストで、訪問者が以前観た映画を除外したり、同じ監督の映画をレコメンデーションしたり、同じジャンルの映画を押したりしたい場合があります。小売のコンテキストで、在庫切れの製品を除外したり、価格範囲が $5 ～ $500 の品目を表示したり、同じブランドの品目を押したりしたい場合があります。