この記事では、まず、人工知能（AI）と機械学習（ML）の活用の重要性について説明します。次に、Virtual Analyst と セグメント IQ を使用して、異常値の検出、異常値の回避、ROI の最大化を実現するメリットとグローバル顧客の 実際の成功事例 を確認します。

人工知能の価値

チェスチャンピオンである Garry Kasparov が、IBM のディープブルーに敗れたことを覚えている方も多いでしょう。専門家は、チェスのように複雑なゲームでは、機械が人間の意思決定と判断を勝ることはありえないと確信していました。しかし、それが現実となり、人工知能の力が発掘されると同時に、これがビジネス戦略や技術革新の根本的な転換の鍵となりました。

Adobe Analytics は、エクスペリエンスビジネスのインテリジェンスの中核システムで、企業内の誰でも、あらゆるタッチポイントをまたいでリアルタイムかつ大規模に、顧客のブランドとのインタラクションを把握し、最適化できます。

アドビの AI ツールは、お客様の代わりとなるものではなく、お客様の取り組みに対する ROI を最大化するツールです。

分析を変革

分析を発展させるには、次の 3 つの主要な考慮事項に焦点を当てる必要があります。

1. 組織 - 顧客の総合的な考えを把握し、インサイトに基づいた決定を優先し、データを民主化する方法。
2. テクノロジー - データとテクノロジーでパーソナライゼーションを大規模に実現する方法。
3. 顧客 - 信頼を構築し、変化に適応する方法。

分析は困難で時間のかかる作業ですが、常に、インサイトを得るまでの時間を短縮する必要があります。組織が直面する主な問題は次のとおりです。

• 限られた組織のリソース - 様々なビジネス目標によってリソースの利用が制限されます
• 限られた技術的専門知識 - 知識の共有とデータの民主化を可能にします
• 顧客の期待 - 自分のチームは顧客行動の変化に動的に反応できるか

Adobe Sensei を搭載した Virtual Assistant で顧客インテリジェンスを極める

顧客インテリジェンスの 3 つのレベル

顧客インテリジェンス戦略を成功に導くには、（a）データ収集、（b）データ処理、（c）分析と機械学習の 3 つのレベル （上の図 1 を参照） を通っていく必要があります。最終的に行動を起こして、コンテンツと広告を最適化するのはその後になります。

• （a）データ収集は組織によって異なり、OTT デバイス、ビデオ、エンタープライズ、コールセンター、店舗、ソーシャルメール、web、広告、モバイルアプリ、ウェアラブル、IoT、音声アシスタント、コネクテッドカード、地理空間など、様々なチャネルやメディアが含まれる場合があります。
• （b）データ処理には、リアルタイムデータ収集、処理ルール、オーディエンスシンジケーション、コンテキスト認識セッション化、リアルタイムのトリガーとビュー、プラットフォームが含まれます。
• （c）分析と機械学習には、セグメント IQ、Virtual Analyst、セグメント化、Analysis Workspace が含まれます。

Virtual Analyst の活用

Virtual Analyst は、次のことを実現する、アナリストのロックスター的存在です。

隠れている機会の発見

• マーケティング KPI の最新のステータスを可視化
• 優れたマーケティング投資を確実かつ予測可能にする
• 顧客の期待に応え、期待に以上の結果を出す

実際の成功例

Virtual Analyst は、実際の Adobe のお客様に対して、次のようなシナリオを明らかにしました。

キャンペーンの終了 - 主に早期に終了したキャンペーンにより、1 日 170 万ドルの増収が得られました。

ベンダーのバグ - 特定の製品を買い物かごから自動的に削除していたタグマネージャーのバグが原因で、買い物かごからの削除が 73％増加しました。

ブラウザーの問題 - Chrome ブラウザーに関連して、買い物かごの放棄が 8％増加しました。これを修正した結果、売上が 1 日あたり 120 万ドル増加しました。

クーポンの不正 - 化粧品に関する不正なクーポンを配布している大手クーポンサイトから参照されたトラフィックにより、注文が 81％急増したことを特定しました。これらの注文はキャンセルできました。

企業スパイ - 競合他社が作成したボットやクローラーによって訪問者数が 200％増加し、サイトからコンテンツが抜き取られ再利用されました。これらの IP はブロックできました。

Adobe Analytics の機能

• 異常値検出:

  • 組み込みの予測アルゴリズムを活用して、それまで把握できていなかったデータの急な増加や減少を特定できます。
  • 28 の独自のアルゴリズムを使用して、季節性、成長性、循環性などモデルや、休日との整合性などを含む、異常値の特定を行います。
  • データサイエンティストへの依存を減らし、一般従業員のデータサイエンティスト能力を引き出します。

• 貢献度分析：

  • データに大きな変化をもたらした要因を迅速に特定します。
  • 指標の変化を説明するための検索にかかる時間を大幅に削減できます。
  • アナリストやマーケターをデータサイエンティストに変えるように設計された、強力な機械学習を活用します。

• インテリジェントアラート：

  • オフィスにいても、移動中でも、常にデータ内の異常を把握できます。

    • Analysis Workspace からアラートを直接作成
    • 異常値（90％、95％、99％）、変化率、超過/未満に基づくルール
    • アラートプレビューでアラートがトリガーされた頻度を確認
    • 自動生成された Analysis Workspace プロジェクトへのリンクを含む SMS とメールのサポートを活用

• セグメント IQ：

  • セグメント間の違いと重複を見つけ、セグメント化戦略を示します
  • KPI を推進するオーディエンスセグメントの主な特徴を明らかにします
  • ディメンション、指標および他のセグメントにまたがる共通性を表示するレポートとビジュアライゼーションを数秒から数分で取得できます
  • 付加価値の高い顧客とのエンゲージメントを向上します

セグメント IQ による実際の成功例

モバイルとデスクトップ：「サイト間でヒット数を比較したところ、すぐにタグの不整合が多く見つかりました。」→ 製品リリース前のデータの問題を回避

機能の利用状況：「製品比較機能を使用したお客様は、コンバージョン率が 10％高いことがわかりました。これをページの上部に移動すると、注文が増えました。」→ コンバージョン率が 4％増加

コンテンツエンゲージメント：「ニュースセクションの訪問者は、ビデオ広告を視聴する傾向が 2 倍あることがわかったので、そのセクションにビデオのオプションを増やしました。」→ ビデオ広告の視聴が 7％増加

有料検索：「検索エンジンからの訪問者は、アップセルの確率が 3 倍高くなっていました。その結果、特定のキーワードへの支出を増やしました。」→アップセルが 56％向上

製品の在庫切れ：「Fitbit を購入するお客様に「在庫切れ」と表示される確率が他のすべてのお客様の 6 倍でした。そのため、すぐに Fitbit を追加注文しました。」→ 在庫切れを防ぎ、年末商戦により多くの注文を獲得

詳細についてはこちらのウェビナーをご覧ください。