ゴールで AI Predictive Targeting を有効にする

すべての訪問者を同じようにターゲットにすると、コンバージョンの可能性が高い人も低い人も同じように扱うことになります。そのため、いつ介入するか、どのようなメッセージを表示するか、どの程度のインセンティブ(もしあれば)を提供するかを判断するのが難しくなります。 AI Predictive Targeting は、特定のゴールに対する各訪問者のコンバージョン可能性を推定する機械学習モデルをトレーニングすることで、この問題を解決します。トレーニングが完了すると、セグメント内で Likelihood to convert 条件を使用して、予測されたコンバージョン確率で訪問者をターゲットし、それに応じてキャンペーンを調整できます。

​

既存のゴールで AI Predictive Targeting を有効にする

1. Settings > Goals をクリックします。
2. 更新したいゴールを見つけて Edit をクリックします。
3. Advanced settings をクリックします。
4. Use this goal with AI Predictive Targeting を On に切り替えます。
5. AI Predictive Targeting が確率予測を行うトリガーを選択します。
6. Save をクリックします。

​

新しいゴールの作成時に AI Predictive Targeting を有効にする

1. Settings > Goals をクリックします。
2. New goal をクリックします。
3. 必要なゴールの詳細を入力し、Next をクリックします。
4. Advanced settings をクリックします。
5. Use this goal with AI Predictive Targeting を On に切り替えます。
6. Save をクリックします。

​

適切なトリガーの選び方

トリガーとは、予測を起動させるカスタマーアクション、イベント、またはジャーニー上の瞬間のことです。イベントが技術的に取得できるからという理由だけで、あるいは何となくトリガーを選ばないでください。適切なトリガーは、意思決定を必要とする、カスタマージャーニーにおける意味のあるステップを表します。エンゲージするか、パーソナライズするか、レコメンドするか、リテンションを図るか、インセンティブを提供するか、それとも介入せずにユーザーの行動に任せるかを判断する場面です。 意味のあるトリガーの例は以下の通りです。

• ユーザーが商品ページを表示する
• ユーザーが商品をカートに追加する
• ユーザーがチェックアウトを離脱する
• ユーザーが購入を完了する
• ユーザーが解約リスクの兆候を示す
• ユーザーがロイヤルティのマイルストーンに到達する
• ユーザーが一定期間の非アクティブ後に再訪する

実際には、トリガーをカスタマージャーニーに対応付けてください。多くのブランドは、ディスカバリー、コンシダレーション、購入、オンボーディング、リテンション、ロイヤルティ、リアクティベーションなどの主要なジャーニーステージをすでに定義しています。プロペンシティスコアは、これらのタイミングで生成し解釈するときに最も有用です。 「コンバージョン可能性が高い」というスコアは、それ単独では意味がありません。特定のジャーニーステップ、たとえば商品閲覧後、カート離脱後、更新日直前などに紐づけると、はじめて実行可能なものになります。同じスコアでも、ジャーニーのステージによって異なるアクションにつながります。 Kameleoon は訪問者を 5 つのスコアバケットにグループ化し、それぞれが対象オーディエンスのおよそ 20% に相当します。

• Very low
• Low
• Moderate
• High
• Very high

High または Very high のスコアは、訪問者に軽い後押しだけで十分か、あるいはインセンティブが不要であることを示している場合があります。Low または Very low のスコアは、より強いメッセージ、異なるオンサイト体験、タイミングを工夫したインタラクション、またはインセンティブが必要であることを示している場合があります。期待されるインパクトが低すぎるため、そもそもその訪問者をターゲットにすべきでないという意味になる場合もあります。 各スコアレベルに対する適切なアクションを普遍的に定義することはできません。実験を通じて検証してください。ジャーニーステージとプロペンシティバケットの組み合わせごとに、どのオンサイト体験が最も効果的かをテストし、観察されたパフォーマンスに基づいてトリガーと意思決定戦略を洗練していきます。

​

例: カート離脱後のオンサイトパーソナライゼーション

ある小売業者が、カートを離脱した訪問者向けのオンサイト体験を最適化するために、プロペンシティスコアリングを活用したいと考えています。 トリガーは単に「スコアが得られるたびにパーソナライゼーションを表示する」であってはいけません。代わりに、意味のあるジャーニーの瞬間、つまり訪問者がカートに商品を追加し、チェックアウトを完了せず、定義された期間内にサイトに戻ってきた瞬間をトリガーにするべきです。 その時点で、プロペンシティスコアが最適なオンサイトアクションを示唆します。

• 購入するプロペンシティが Very high / High: 保存されたカートを軽くリマインドするページ内表示を出す、またはインセンティブをまったく提供しない。
• 購入するプロペンシティが Moderate: ソーシャルプルーフ、商品レビュー、配送特典などの文脈に沿った安心材料を表示する。
• 購入するプロペンシティが Low / Very low: インセンティブバナー、代替商品のレコメンド、カートページの異なるレイアウトなど、より強いオンサイト体験をテストする。

時間をかけてこれらのオンサイト体験をテストし、各スコアバケットでどの戦略が最も効果的かを学習していきます。

​

学習フェーズ

AI Predictive Targeting を有効にした後、Kameleoon は予測が利用可能になる前に学習フェーズを開始します。モデルには以下が必要です:

• 7 日間のデータ
• 100,000 訪問

両方の条件を満たす必要があります。たとえば、サイトが 1 日で 100,000 訪問を受けても、モデルにはまだ 1 週間分のデータが必要です。サイトが週に 50,000 訪問を受ける場合、トレーニングには 2 週間かかります。 トレーニングが完了すると、モデルは 7 日目 (D+7) にアクティブ化され、1 日分の予測データが蓄積された後の 8 日目 (D+8) に予測が利用可能になります。 アクティブ化された後も、モデルは学習を続けます。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。詳細については、モデルとスコアの更新頻度 を参照してください。

​

AI モデルのステータスバッジ

AI Predictive Targeting が有効になっているゴールは、Goals ダッシュボードにステータスバッジが表示されます。 AI Learning バッジにマウスオーバーすると、AI Predictive Targeting が有効になるために必要な推定時間と訪問者数を示すツールチップが表示されます。

​

次のステップ

モデルが AI Active ステータスに達した後、Likelihood to convert 条件を使用してセグメントを作成 し、予測されたコンバージョン確率で訪問者をターゲットにします。