BigQuery をソースとして使用する — オーディエンスターゲティング

BigQuery 統合を使用すると、BigQuery メトリクスを Kameleoon の結果ページに KPI として表示できます。Kameleoon は BigQuery インスタンスをゴールコンバージョンのデータソースとして利用し、ゴール作成時にデータを継続的に更新します。 主なメリット:

• 特定のデータドリブンなゴールの定義と定期的な更新を可能にし、意思決定プロセスを簡素化し、キャンペーンが目標と整合することを保証します。
• BigQuery メトリクスを主要業績評価指標 (KPI) として活用し、キャンペーンパフォーマンスの包括的なビューを提供します。

プロジェクトで BigQuery 統合を有効化した後、Use BigQuery as a source を有効化すると、Kameleoon キャンペーン内で Google BigQuery に保存されているデータにアクセスして使用できます。 Use BigQuery as a source を有効化すると、データ取り込みタスクを設定することで Google BigQuery のデータの力を活用できます。これらのタスクは、定義された SQL クエリと頻度に基づいて、BigQuery から特定のデータを定期的に取得します。これらのタスクを通じて収集されたデータは、Kameleoon キャンペーン内のターゲティング条件として使用でき、高度にパーソナライズされたデータドリブンなユーザー体験を可能にします。

1. 機能を有効化: 選択したプロジェクトの構成で、Use BigQuery as a source と表示されたチェックボックスをオンにして機能を有効化します。
2. データ取り込みタスクを作成: 機能を有効化すると、データ取り込みタスクの作成を開始できます。これらのタスクは、定義された SQL クエリと頻度に基づいて BigQuery から特定のデータを定期的に取得します。新しいデータ取り込みタスクを作成するには、Add new task をクリックします。

3. Validate: データ取り込みタスクに必要な情報を提供した後、Confirm をクリックしてタスクを作成します。タスクの命名、SQL クエリの定義、頻度の設定の手順を繰り返すことで、追加のタスクを作成できます。タスクの構成が完了したら、Validate をクリックして構成設定を保存し適用します。
4. カスタムデータを作成: データ取り込みタスクを作成したので、Kameleoon のサーバーが、構成した頻度で BigQuery インスタンスでクエリを実行することによってデータの収集を開始します。収集したデータを使用するには、カスタムデータを作成する必要があります。
5. セグメントを作成: 収集したデータに基づいてユーザーをターゲティングするための最後のステップは、作成したカスタムデータに基づいてセグメントを作成することです。

​

データ取り込みタスク

データ取り込みタスクは、Kameleoon 内の BigQuery 統合の重要なコンポーネントです。これらのタスクにより、事前定義された SQL クエリと頻度に基づいて Google BigQuery から特定のデータを定期的に取得できます。データ取り込みタスクを通じて収集されたデータは、Kameleoon キャンペーン内のターゲティング条件として利用でき、高度にパーソナライズされたデータドリブンなユーザー体験を可能にします。

​

データ取り込みタスクの作成

データ取り込みタスクを作成するには:

1. Add new task をクリックします。

2. フォームに入力します:
   1. Name (必須): タスクに固有でわかりやすい名前を付けて、その目的を識別します。
   2. BigQuery project ID (必須): Google BigQuery プロジェクトに関連付けられたプロジェクト ID を提供し、データが正しい場所に送信されるようにします。
   3. Region (必須): 提供されたリストから適切なリージョンを選択します。リージョンの選択により、BigQuery オペレーションの地理的な場所が指定されます (利用可能なリージョン)。
   4. Query (必須): BigQuery データベースからオーディエンスを取得する SQL クエリを提供します。クエリは以下の特定の形式に従う必要があります: SELECT visitor_id, attribute_1, .. attribute_N FROM your_events_table

• attribute_ フィールド: オプションで、高度なターゲティングシナリオに使用できます。これらの高度なユースケースの詳細はこちらをご覧ください。
• visitor_id: この列は訪問者の一意の識別子を表します。

​

ガイドライン

列の命名

列名には文字 (大文字または小文字)、数字、アンダースコア (_) のみを使用できます。数字で始めることはできません。

列の順序

統合が正しく機能するためには、列は指定された順序 (visitor_id の後にオプションの属性) で正確に表示される必要があります。 必要な情報をすべて提供したら、Confirm をクリックしてデータ取り込みタスクを作成します。

​

データ取り込みタスクの更新

データ取り込みタスクを更新するには:

1. タスクの選択: まず、ドロップダウンメニューから編集したい特定のデータ取り込みタスクを選択します。

2. タスクの詳細を編集: タスクの名前、頻度、BigQuery プロジェクト ID、リージョン、クエリなど、更新したいフィールドを変更します。
3. 変更を確定: 必要な更新を行った後、「Confirm」をクリックしてデータ取り込みタスクの変更を保存します。

​

データ取り込みタスクの削除

データ取り込みタスクを削除するには:

1. タスクの選択: ドロップダウンメニューから削除したいデータ取り込みタスクを選択します。

2. 削除を開始: Edit フォームの右上にある削除アイコンをクリックします。
3. 削除を確定: 確認プロンプトが表示されます。Confirm をクリックして選択したデータ取り込みタスクを削除します。

データ取り込みタスクを作成すると、Kameleoon プラットフォームはウェアハウスのポーリングを開始しており、データはすぐに Kameleoon キャンペーンでユーザーのターゲティングに利用できるようになります。ポーリングされたデータは、Web 実験用の Activation API と、機能実験用の当社の SDK を使用して利用できます。

​

取り込み前にクエリを実行する

取り込みタスクを保存する前に、Kameleoon でクエリを直接テストできます。テストにより以下が可能になります:

• 接続をリアルタイムで確認できます。
• 認証情報とアクセス権が正しいことを確認できます。これにより、最初のデータインポートを待つことなく、問題を即座に検出するのに役立ちます。
• データの構造とアクセシビリティを検証できます。

簡単なクエリを実行して、Kameleoon が正しいデータベースとテーブルにアクセスできることを確認できます。データセットの小さなサンプルをダウンロードして、スキーマ、権限、コンテンツが期待どおりであることを確認することもできます。

​

インポートしたオーディエンスをターゲティングする

ウェアハウスのオーディエンスをターゲティングする方法を見る