複数のアプローチ
Tealium Predictを使用して戦略と目標を定義するために使用できるアプローチのバリエーションは、事実上無数です。たとえば、既存の使用事例の拡張や強化、複数の探索モデルの作成、またはターゲットの発見事項に対応する特定の使用事例の作成を実行できます。
実装
Tealium AudienceStream CDP製品でデータ収集を有効にしている場合、Tealium Predictの使用を開始できます。それ以外の要件はありません。詳細については、前提条件を参照してください。
開発を開始するための全般的なアプローチとして、1つ以上のモデルのトレーニングを実施し、_[Training Details]レポートで[Included Attributes]_を確認してください。
このレポート内の詳細から、重要なユーザーイベントの主な推進要因になっているのがAudienceStreamのどのデータポイントか、ということを示す複数の新しいインサイトのソース (情報源) が明らかになります。データの詳細、開発中の実装、および新しいアイデアの情報源を確認するためのツールとして、Tealium Predictを使用することもできます。
ベストプラクティス
以下の実証済みベストプラクティスは、より強力な結果につながります。
- 解決策を実現できるように、解決しようとする問題と複数の目標を定義します。
- 開発を開始する前に、データの収集とクリーニングに関する複数のベストプラクティスを策定します。詳細については、データの準備を参照してください。
- データの準備ステージで、サイロ化したデータセットを統合し、絞り込みに使用できる社内データの他の特性を検討します。
- 可能な場合は、より長い期間を使用してトレーニングを実施します。
- 既存のオーディエンスを改善または強化し、オーディエンスの効率をいっそう高めるために、Tealium Predictを活用するさまざまな方法を検討します。
- AudienceStreamプロファイルに、Badge(バッジ)またはBoolean(ブール値)など、ターゲットの動作を通知するための高価値の属性があることを確認します。そのような属性が存在していない場合、すぐに複数の属性を作成し、データを蓄積する期間を長くします。
- 本番環境または実際のアプリケーションにモデルをデプロイします。
- モデルが本番環境でどれほど良好に動作しているかを評価し、必要に応じてトレーニングとテストのステージに戻り、改善を進めます。
使用事例
実装を開始するため、または実証済みの使用事例を実装するためのアイデアを収集する目的で、Tealiumのお客様が実装を進めている、マシンラーニングに関する一般的な新しい使用事例を説明している以下の記事を確認できます。
- Proactive Marketing: Machine Learning-Powered Segmentation(積極的なマーケティング:マシンラーニングを活用したセグメンテーション)
- Marketing Efficiency: Improve Purchase or Conversion Rate(マーケティングの効率:購入またはコンバージョン率の改善)
- Customer Retention: Reduce Churn(顧客の引き留め:解約の減少)
- Customer Experience: Funnel Optimization(カスタマーエクスペリエンス:ファネルの最適化)
- Predictive Analytics: Get Customer Insights and Validate Assumptions(予測アナリティクス:カスタマーインサイトの取得と仮説の検証)
詳細については、Tealium Predict ML: Top 5 Emerging Machine Learning Use Cases with Customer Data(Tealium Predict ML:カスタマーデータを使用するマシンラーニングに関する上位 5 つの使用事例)を参照してください。