統合個人プロファイルを作成する
学習の目的
この単元を完了すると、次のことができるようになります。
- 統合個人プロファイルの利点を説明する。
- 統合個人プロファイルを作成する方法を説明する。
Data Cloud
Data Cloud は対象オーディエンスセグメントを作成するために複数のシステムのデータを統合するのに役立つ強力なツールです。Data Cloud の統合プロファイルでは、ユーザーが指定したルールセット内の ID 解決ルールに基づいて各種ソースからのデータが 1 つのプロファイルにまとめられます。ただし、統合個人プロファイルを作成するには、データが正しくマッピングされている必要があります。このモジュールでは、統合個人プロファイル、データモデリング、Customer 360 データモデル、ID 解決データマッピング要件など、データと ID に関する概念について学習します。このような重要なデータ統合概念を理解することで、Data Cloud を最大限に活用できるようになります。
データと ID
まず、データと ID の概要に関する動画をご覧ください。
会社のデータ戦略を作成する方法の詳細については、Trailhead の「カスタマーデータプラットフォーム戦略」モジュールを参照してください。
統合個人
Rachel Rodriguez はアウトドア用品と衣料の小売企業である Northern Trail Outfitters (NTO) のお客様 (そして熱烈なファン) です。NTO では、Commerce Cloud、Marketing Cloud など、複数のシステムの顧客プロファイルに Rachel に関するデータがあります。ただし、各システムに存在する情報は異なっています (異なるメールアドレスなど)。このような一意のデータを連絡先 (電話番号、メールアドレス、住所) と呼びます。
Rachel のようなお客様はさまざまなシステムで複数の取引先責任者レコードとシステム固有のプロファイルによって表されます。これは、各クラウドや製品が独立して動作するために必要なことです。マーケターにとっては、Rachel にマーケティングキャンペーンを送信するために点をつなぐことが困難になる場合があります。
そこで役立つのが Data Cloud のデータマッピングと ID 解決です。統合個人は ID 解決の一致ルールと調整ルールを使用してリンクされた複数のソースからのデータで構成されます。同じデータが複数の場所に存在する場合、設定されたルールに基づいてプロファイルがリンクされます。
ID 解決ルールを設定することで、NTO の Rachel Rodriguez に関するビューには複数のソースからの統合 ID が含まれます。
さらに、新しいプロファイルが追加されたり、既存のプロファイルが更新されたりしたときには、プロファイルエクスプローラーというツールで統合個人情報を確認できます。現在のデータが Rachel を最も正確に表していることが保証されます。
統合個人の作成
ではそのしくみはどうなっているのでしょうか? データを設定するのが自分であっても別の同僚であっても、データモデリングとマッピングを開始する前に次の手順と概念を理解しておくと役立ちます。未加工データから統合個人プロファイルを作成する実装手順を確認しましょう。
ステップ |
説明 |
|---|---|
データソースから未加工データを取得する。 |
データはバンドル、データエクステンション、Amazon Simple Storage Service (S3)、その他のシステムからそのままの状態で追加されます。未加工データがデータストリームとして Data Cloud に追加された後に、データをデータモデルにマッピングする必要があります。 |
データをマッピングしてモデル化する。 |
Customer 360 データモデルは、複数のソースからのデータを簡単にマッピングできるように読みやすい形式に標準化するバックグラウンドツールです。ID 解決ルールセットが機能するには、データストリームからのデータが関係者 ID や個人などのオブジェクトにマッピングされている必要があります。 |
ID 解決ルールセットを作成する。 |
モデリングとマッピングのステップが完了したら、ID 解決ルールセットを作成します。さまざまなデータストリームのプロファイルを探して統合するために一致ルールと調整ルールが追加されます。 |
統合個人プロファイルを作成する。 |
ルールセットが設定されると、セグメンテーションと有効化で使用できる統合個人プロファイルがシステムによって作成されます。 |
データについて議論する
統合個人プロファイルの背後にある概念を理解できました。次は何でしょう? 成功するには、Data Cloud で使用するデータを分析するために時間を費やすことが重要です。 
チームを集め、ホワイトボードを用意して、次の点について議論します。
- データはどこに存在しているか?
- スプレッドシート、S3、Salesforce CRM、Marketing Cloud など、すべての場所をリストする。
- 各データソースに対してアセットインベントリが作成されているか?
- 各データソースで、個人をどのように識別するか?
- メール、名前、誕生日、システム ID を使用するか?
- 連絡先キー、リード ID、購読者キーを一意のシステム識別子として使用するか?
- システム間でどのデータが共有されているか?
- 名、姓、メールの使用に一貫性があるか?
- カスタマージャーニーはどのようなものか?
- すべての顧客インタラクションをマッピングしたか?
- 各インタラクションにどのデータが必要か?
- オーディエンスセグメンテーションに本当に必要なデータはどれか?
- 各ソースのデータ品質はどの程度か?
- スペルが間違っている単語はあるか?
- 欠落していることが多いデータは何か (誕生日、電話番号、その他)?
この部分は省略しないでください。時間を割く価値があります。データを理解することは、Data Cloud の実装を成功させるための鍵です。次の単元では、ID 解決ルールセットを作成するためのデータマッピングに関する重要な考慮事項について学習します。
