マーケターの仕事とは、訪問者の行動やアクションをした商品を分析し、全体がどのように連鎖しているか理解することが大切です。その情報を活用することで、個人レベルで心に響く顧客体験の構築が可能になります。
しかし、訪問者が多くのブランドや色、スタイル、価格などに触れるようになると、いくら努力しても特定のアクションに意味を見出すことが難しくなります。さらに、複雑なデータに埋もれた結果、エンゲージメントの本質を見失ってしまうことも…。
そこで、ターゲティング条件の組み合わせをテストし、適切な体験とオーディエンスをマッチングさせる推測方法に取って代わるのが、ユーザーの嗜好をプロファイルする「アフィニティプロファイリング」です。アクションに紐づけられたメタ情報に基づきスコア付けすることで、ユーザーにとって最も親和性の高い商品を予測しやすくなります。
参考：Dynamic Yield（ダイナミックイールド）のアフィニティスコアを活用した施策 5選
今回は、アフィニティに秘められた、無限の可能性に触れてみたいと思います。
マーケティング活動で重要なリスティング広告。現状実績を改善し、さらに成果を伸ばすことに苦戦しているマーケティング担当者は多いです。弊社ではリスティングAIを活用した、まったく新しいご提案が可能です。
目次
ユーザーアフィニティプロファイリングは、デジタルプロパティと各エンゲージメントをキャプチャし、アクションに関するすべての属性値を収集することから始まります。
では、カスタマージャーニーで見てみましょう。
このユーザーの場合、色別でみると、緑色の商品を４点、赤色の商品を6点、青色の商品を２点閲覧しました。閲覧されたアイテムはすべて50ドル以下のメンズTシャツです。
そして、赤と緑のTシャツをカートに入れましたが、最終的には赤だけを購入しました。
セッション全体でみると、次のようになります。属性値とエンゲージメントタイプのすべてがスコアリングの対象としてマークされています。
ユーザーが商品と接した際、アクションの種類と発生したタイミングで各属性値のスコアが更新されます。
上記のデータを活用するために、アクションと属性値との相関性を最初に決めておく必要があります。現在、想定される意図のレベルに基づいて各エンゲージメントにウェイトを割り当て、各値ごとのエンゲージメントの合計数を合算することで決定されます。
アフィニティ・アルゴリズムに応じて、デフォルトは次のように数値化されています。
例えば、商品をカートに追加するよりも購入のほうがウェイトが高くなるように、相互作用が高いほどウェイトも大きくなります。それ自体は単なる商品閲覧よりも重要と捉えます。そこから、各アクションの発生率にウェイトが加算されます。
エンゲージメントスコア=アクションタイプのウェイト×属性値カウント
したがって、購入が4、カートへの追加が2、商品閲覧が1の場合、「色：赤」の合計スコアは（1×6）+（2×1）+（4×1）= 12となります。
これらのスコアはアフィニティプロファイルを構築するために使われ、基本は顧客行動に基づいた「好みの色」「カテゴリー」「ブランド」などの項目ごとにランク付けされます。
ユーザーの行動や嗜好は時間の経過とともに変化します。そのため、新たな閲覧ページ、アクション、イベントが発生するたびに、アフィニティプロファイルをリアルタイムでアップデートする必要があります。Dynamic Yieldは、データの最新性を考慮し、アルゴリズムが古いデータよりも新しいアクティビティを優先するようになっています。
スコア化には通常、3つの期間が使用されます。
この情報を属性値スコアに重ねる際、アクションウェイトに加え、リーセンシ―も加味されます。
リーセンシースコア=リーセンシーウェイト（アクションウェイト x 属性値）
上記で参照したユーザーが2週間後にサイトを再訪し、カートに入ったままになっていた緑色のTシャツを購入したとすると、「色: 緑」の合計スコアは 2[(1×4) + (2×1) + (4×0)] + 8(4×1) = 44となります。
現在、アフィニティプロファイルには2つの強力なスコア（エンゲージメントとリーセンシ―）が反映されており、ユーザーが購入する可能性が高い商品を表示することができます。
また、データを正規化することで、購入に関連する「ロングテール」属性を発見することができ、「よく見られている商品」や「人気の商品」を降格させることで結果に偏りが出ないようになっています。
アフィニティスコアの算出方法は簡単でシンプル、かつ効果的です。利用可能なメタ情報を活用し、これら2つの簡単な数式に基づいて、異なる属性同士の関連性をより適切に、明確にします。
これによってカスタマーコミュニケーションを容易にし、プライオリティの高い属性が強調されます。また、追加の設定や構成を行わなくとも、新しくリリースされた製品が自動で組み込まれる仕様になっています。機械学習のサポートにより、アフィニティの未来はより柔軟性に富み、ランク付けの性能を高め、より複雑な相関関係を明確にする機会がもたらされるのです。
スマートアフィニティは、すべての訪問者に対して静的なウェイトシステムで同じ計算式を使うのとは対照的に、スコアの計算に使われる変数の調整が可能です。
例えば、ある場合では属性のウェイトを調整してロングテールにフォーカスし、別の属性では現在のセッションにフォーカスしています。コンバージョンに至る過去の顧客セッションを学習したディープラーニングモデルは、属性間の表面的な相関関係と同じく、各属性の異なるアクションと時間の経過ごとにウェイトを割り当てることができます。
そして、リアルタイムのユーザーセッションに基づいて、色などの属性値を、カートへの追加や購入される確率によってランク付けすることができ、そのユーザーが今まで触れたことのない色やブランドであっても、その属性値をランク付けすることができます。また、より高度なデータの正規化によって、サイトや商品カテゴリ、日付、時間など重要な文脈上のニュアンスが、すべて計算の際に考慮されます。
アフィニティモデリングは、限りなくパーソナライズされたものになってきていると言えるでしょう。また、変動性があるため、アフィニティがどのように生成され、分析され、どのようにアクションを起こすか、より多くの可視性を必要としています。
今日、アフィニティデータのほとんどはブラックボックス化されており、パーソナライゼーションの取り組みを最適化するための、アフィニティスコアを計算したアルゴリズムについての洞察力はほとんどありません。「これはあなたのアフィニティスコアです。それを採用するか、そのままにするか」では、もはや十分ではありません。
アフィニティと属性に関するすべてのデータは、ビジネスの固有のニーズに応じてパーソナライズする必要があるのです。
参考記事
ユーザーが何を望んでいるかを予測する、ユーザーアフィニティの力をフルに発揮する唯一の方法は、その情報をオープンにし、その情報とその使用方法を可能な限りコントロールできるようにすることです。そのため、ユーザーアフィニティのすべての変数を活用するだけでなく、キャンペーンごとの取り組みのアウトプットを理解できるようなテクノロジーの導入が重要になるのです。
※この記事は、Dynamic Yield社による記事を引用・再構成しています。
カスタマージャーニーにおける顧客体験（CX）をマルチチャネルでパーソナライズするAIプラットフォーム「Dynamic Yield（ダイナミックイールド）」。
ユーザーの親和性に基づくレコメンデーション戦略を可能にするほか、AIによるROI最大化のための配信コントロール機能「ダイナミックアロケーション」、個々の分析データから隠れた売上拡大機会を発見する「プレディクティブターゲティング」などを複合的に活用することで、個別最適化されたECサイト表示・Web接客を実現します。
Dynamic Yieldと日本初のパートナー契約を結んだアドフレックスでは、取り組みを積極的に進め、専任のコンサルタントが導入から施策サポート、フォローまで全面的なバックアップで事業成長を支援しています。
CX向上のための新たな打ち手を検討している、また、パーソナライズやDynamic Yieldに興味がございましたらお気軽にお問い合わせください。
一緒に読まれています
マーケティング活動で重要なリスティング広告。現状実績を改善し、さらに成果を伸ばすことに苦戦しているマーケティング担当者は多いです。弊社ではリスティングAIを活用した、まったく新しいご提案が可能です。
アドフレックス・コミュニケーションズ公式アカウントです。
アドフレックス・コミュニケーションズ公式アカウントです。
