> ## Documentation Index
> Fetch the complete documentation index at: https://docs.kameleoon.com/llms.txt
> Use this file to discover all available pages before exploring further.

# AI予測ターゲティング

> 機械学習を使用して各訪問者のコンバージョン確率を推定し、リアルタイムでプロペンシティスコアに基づいてターゲティングします。

<Note>
  AI予測ターゲティングは、Web ExperimentationとFeature Experimentationの両方で利用可能なアドオンです。詳細については、Customer Success Managerにお問い合わせください。
</Note>

すべての訪問者を同じ方法でターゲティングすると、コンバージョンする可能性が非常に高い人と、そうでない人を同じように扱うことになります。その結果、いつ介入するか、どのメッセージを表示するか、どの程度のインセンティブを提供するか（提供する場合）を判断するのが難しくなります。

AI予測ターゲティングは、特定のゴールに対する各訪問者のコンバージョン確率を推定する機械学習モデルを訓練することで、この問題を解決します。トレーニングが完了すると、セグメントで**コンバージョン可能性**条件を使用して、予測されたコンバージョン確率に基づいて訪問者をターゲティングし、キャンペーンを適切に調整できます。

## モデルの仕組み

Kameleoonの機械学習モデルは、3つのカテゴリのデータポイントから各訪問者の期待コンバージョン確率を推定します。各カテゴリに挙げる例はすべてを網羅したものではなく、モデルはKameleoonが収集するほとんどのデータポイントを考慮します。完全な一覧については、[収集されるデータの一覧](/developer-docs/privacy-and-compliance/data-collection-backend#list-of-collected-data)を参照してください。

### 過去のセッション

訪問者の過去のセッションから得られるデータポイントで、以下が含まれます。

* セッション数
* セッション間の平均時間
* 訪問したページ数
* クリック数

### 静的なデータポイント

訪問者のコンテキストを表すデータポイントで、以下が含まれます。

* ブラウザ
* オペレーティングシステム
* ランディングページ
* リファラー
* 前回のセッションからの経過時間

### 動的なデータポイント

Kameleoonが現在のセッション中の訪問者の行動から算出するデータポイントで、以下が含まれます。

* 訪問したページ数
* クリック数
* ウェブサイトでの滞在時間

### モデルとスコアの更新頻度

モデルは固定されたものではありません。Kameleoonは、新しいデータポイントを収集し、より多くの訪問とコンバージョンを分析するのに合わせて、10分ごとにモデルを再トレーニングします。また、最新のモデルをデプロイするために、Kameleoonは`engine.js`アプリケーションファイルを1時間ごとに再構築します。ただし、ユーザー自身の変更（キャンペーンの更新など）によってすでに再構築がトリガーされている場合を除きます。

各訪問者のスコアはリアルタイムで更新されます。Kameleoonは、カスタマージャーニーのステップなど、測定対象のトリガーが発生するたびにスコアを再計算します。

## 独自のデータでモデルを強化する

独自のビジネスデータを提供することで、予測精度を向上させることができます。カスタムデータを作成する際に、**このカスタムデータをAI予測ターゲティングの入力として使用する**を有効にすると、モデルで使用できるようになります。

<Note>
  モデルが受け付けるカスタムデータタイプは**数値**と**ブーリアン**のみです。日付、タイムスタンプ、または訪問者の一意の識別子（メールアドレスやアカウント番号など）のような機密データの追加は避けてください。これらの値は予測モデルには適していません。また、高度にターゲットされたカスタムデータ（個々の訪問者や非常に小さなセグメントに固有のデータなど）の追加も避けてください。
</Note>

設定手順については、[カスタムデータを作成する](/user-manual/assets/custom-data/create-custom-data#use-this-custom-data-as-input-for-ai-predictive-targeting)を参照してください。

## AI予測ターゲティングを設定する

<Steps>
  <Step title="ゴールでAI予測ターゲティングを有効にする">
    コンバージョンゴールを選択し、AI予測ターゲティングを有効にしてモデルの学習フェーズを開始します。カスタマージャーニーにおける重要なタイミングを表すトリガーを選択します（商品ページビュー、カートへの追加、チェックアウト放棄など）。[ゴールでAI予測ターゲティングを有効にする](/user-manual/ai-predictive-targeting/enable-ai-predictive-targeting-on-a-goal)
  </Step>

  <Step title="学習フェーズの完了を待つ">
    モデルには**7日間**のデータと**100,000回の訪問**が必要です。両方の条件を満たす必要があります。トレーニングが完了すると、ゴールバッジが**AI学習中**から**AIアクティブ**に変わり、翌日から予測が利用可能になります。各バッジの意味については、[AIモデルのステータスバッジ](/user-manual/ai-predictive-targeting/enable-ai-predictive-targeting-on-a-goal#ai-model-status-badges)を参照してください。
  </Step>

  <Step title="コンバージョン可能性でセグメントを作成する">
    **コンバージョン可能性**条件を使用して、予測コンバージョン確率で訪問者をターゲットにするセグメントを作成します。Kameleoonは訪問者を5つのスコアバケットにグループ化します：非常に低い、低い、中程度、高い、非常に高い。[セグメントでAI予測ターゲティングを使用する](/user-manual/ai-predictive-targeting/target-users-based-on-likelihood-to-convert)

    また、再利用可能なセグメントを作成せずに、[クイックターゲティング](/user-manual/experimentation/web-experimentation/configure-and-launch/define-your-experiments-targeting#target-specific-visitors)を通じて**コンバージョン可能性**条件を実験に直接適用することもできます。
  </Step>

  <Step title="セグメントをキャンペーンに適用する">
    コンバージョン傾向に基づいて各訪問者に適切なエクスペリエンスを提供するために、セグメントをウェブ実験、パーソナライゼーション、またはフィーチャー実験に追加します。
  </Step>
</Steps>

## Feature Experimentation SDKでの使用

Feature Experimentation SDKを介して訪問者データを取得する場合は、`getRemoteVisitorData` 呼び出しで `kcs` を `true` に設定します。このフラグがないと、KameleoonはKameleoon Conversion Score (KCS) を返さず、**コンバージョン可能性**条件は評価するスコアを持ちません。

パラメーターの完全なリファレンスについては、SDKドキュメントの [getRemoteVisitorData](/developer-docs/sdks/web-sdks/js-sdk#getremotevisitordata) を参照してください。`kcs` パラメーターはすべてのKameleoon SDKで利用可能です。