Skip to main content

Einstein レコメンデーションを準備する

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。

  • Einstein レコメンデーションの主要な用語を定義する。
  • 実装手順を挙げる。

パーソナライズされたレコメンデーションを作成する

Einstein は、卓越したサイエンティストであり、マーケターでもある一方、優れたマジシャンでもあります。今回は、パーソナライズされたレコメンデーションの作成の種明かしをしてくれるようです。このモジュールでは、Einstein メールレコメンデーションと Web レコメンデーションに焦点を当てます。この 2 つのツールを使用すると、お客様の行動や興味に基づいて、カスタマイズされたメール、モバイル、Web コンテンツを作成できます。これが、お客様にご満足いただけるパーソナライズされたコンテンツを作成するためのマジックの材料なのです。

準備が重要

手際よく行われるマジックは素晴らしいですが、それには準備が必要です。同じように、マジックのようなレコメンデーションの送信を開始する前に実行すべき準備作業があります。まず、Einstein レコメンデーションで使用される用語を確認することから始めましょう。

用語

意味

知っておくべきこと

匿名ユーザー (既知のユーザーと対比)

ユーザーは、メールアドレスなどの ID を通じて既知になるまでは匿名のラベルが付けられます。 

識別は通常、お客様が Web サイトにログインするか、購入したときに発生します。 

属性またはタグ

属性とは、トラッキングされ、レコメンデーションの作成に使用されるアクションやコンテンツのことです。 

標準属性と必須属性がありますが、カスタム属性 (ブランド、色、カテゴリ) も作成できます。

カタログ

カタログには、Web サイトからキャプチャされた情報のすべてのメタデータが保存されます。

このカタログは、お客様のプロファイルやユーザーアフィニティを作成するのに役立ちます。 

コレクトトラッキングコード

Web サイトでのユーザー行動に関するデータをキャプチャするために使用される 1 ピクセルの JavaScript スニペット。

Web サイトからキャプチャされたデータはカタログに関連付ける必要があります。 

連絡先 ID

お客様を匿名ユーザーから区別するために割り当てられた一意の識別子。 

この ID は変更できません。そのため、Marketing Cloud Engagement と Web サイトの間で共有できる一意のキーを使用することをお勧めします。 

シナリオ 

パーソナライズされたレコメンデーションを提供するために構築されたアルゴリズム。 

高度にテストされた事前作成済みアルゴリズム (時間の経過に伴ってよりスマートになっていく一連の手順) であり、レコメンデーションの生成に役立ちます。

SKU/一意の ID

カタログ内の各アイテムには unique_id (製品の SKU ともいう) が必要です。このカタログフィールドは一意である必要があります。

ユーザーがアイテムをカートに入れるか購入したときに正しくトラッキングできるように、Web サイトがカタログ内の値を参照できることが重要です。

製品コード/アイテム

製品コード (アイテム) とは、関連する一意の製品のクラスのことです。

たとえば、Web サイト上のアイテムのすべてのサイズのバリエーションは製品コードが同じです。各バリエーションには、独自の SKU または一意の ID があります。

マジックのしくみ

このすべてのトリックとなるのがスマートなアルゴリズムです。このアルゴリズムは、自動的に更新と微調整が行われ、リアルタイムの結果を提供します。これによって、高度にパーソナライズされた (つまり効果的な) メッセージを作成できます。ほとんどの人工知能と同じように、Einstein レコメンデーションには多くのデータが必要です。そのデータを入手するために、お客様のブラウザー行動、好み、E コマース履歴などから顧客情報を収集するトラッキングコードが Web サイトに追加されます。 

次にマーケターは、カタログの形式で、Web サイトから収集したデータ (メタデータともいう) を会社の製品コンテンツに対応付けます。最後に、そのレコメンデーションのコンテンツテンプレートを作成します。

プロセスのステップ: カタログの特定とアップロード、コードのインストールとカスタマイズ、コンテンツの作成。

しっかり理解できましたか? 理解できていなくても心配しないでください。あるシナリオを見ていきましょう。ハイキングやキャンプ用品の小売業者である、お馴染みの Northern Trail Outfitters (NTO) では、Einstein レコメンデーションを使用したいと考えています。まず、NTO のチームは、自社の Web サイトのページにコードをインストールします。次に、カタログを同期します。カタログには、NTO 製品の写真と製品についてトラッキングする情報が含まれています。 

NTO の得意顧客の Rachel Rodriguez が Web サイトにログインしてハイキングシューズを表示すると、Einstein によってこの情報が記録され、閲覧履歴を含む Rachel の顧客プロファイルの作成が開始されます。 

NTO が Rachel にメールを送信する準備が整うと、送信する前にメールレコメンデーションコンテンツブロックが追加されます。 

Rachel がメールを開くと、2 時間前に見たシューズを含めて 3 種類のおすすめのハイキングシューズがマジックのように表示されます。おすすめの新しいシューズの 1 つに目が留まり、彼女は [今すぐ購入] をクリックします。 

Rachel は喜んでいます。Northern Trail Outfitters も喜んでいます。 

次の単元では、ビジネスへの Einstein レコメンデーションの実装について詳しく説明します。 

リソース

Rights of ALBERT EINSTEIN are used with permission of The Hebrew University of Jerusalem. (ALBERT EINSTEIN の権利は、ヘブライ大学の許可を受けた上で使用しています。)Represented exclusively by Greenlight. (Greenlight が排他的に代理人を務めています。)

Salesforce ヘルプで Trailhead のフィードバックを共有してください。

Trailhead についての感想をお聞かせください。[Salesforce ヘルプ] サイトから新しいフィードバックフォームにいつでもアクセスできるようになりました。

詳細はこちら フィードバックの共有に進む