コンテンツ一覧
※各小タイトルの [★★★] のような表記は難易度を示しています。同コンテンツでも、社内勉強会の方がセミナーよりも詳しい内容となります。難易度も異なっておりますので知識レベルに応じて使い分けるようにしてください。
Jannah Theme License is not validated, Go to the theme options page to validate the license, You need a single license for each domain name.
目次
CDP入門
はじめてのCDP [★]
Journey Orchestration
概要 - ジャーニーオーケストレーション
概要
ジャーニーオーケストレーションとは何か？
ジャーニーオーケストレーションは、オーディエンススタジオ上の各プロファイル（オーディエンススタジオでは顧客のことをプロファイルと呼ぶ）を、定義したカスタマージャーニー上に乗せ、プロファイルが次のステージ、またはジャーニーのゴール（コンバージョン）へ進むために必要な施策を（個々に適切なタイミングで）自動的に実施してくれる機能です。
カスタマージャーニーの作成
図1：ある購買サイトにおけるカスタマージャーニーの例。
5つのステージそれぞれで顧客の心理や行動は異なる。自社の顧客ひとりひとりが今どのステージにいるのかを把握し、適切な施策を行うことが重要となる。
ジャーニーオーケストレーションではカスタマージャーニーを、ジャーニーエディタと呼ばれるキャンバス上に、マウスのドラッグ&ドロップによって作成できる機能を利用して作成することになります。
ジャーニーステージごとにステップを配置
図2ジャーニーエディタで作成したンプルなジャーニーの例。
4つのジャーニーステージを用意し、各ステージのステップを進む（＝適切なタイミングで適切な施策を受ける）ことでモチベートされ、次のステージに進むきっかけとなる。
さらにジャーニーエディタでは各ジャーニーステージに、「ステップ」と呼ばれるアクションアイコン（その上を通過するとイベントが発火）を設置していきます。このステップには
- アクティベーション
- （N日）待機
- 条件分岐・ランダム分岐
- ジャンプ
などがあり、プロファイルは各々のステージにエントリーした時点から、ステップを順番に進んでいくことになります。「アクティベーションステップ」を通過するごとに、メール配信や広告配信などの施策を受けることになり、それによってモチベーションが高まったプロファイルは次のステージへステップアップし、さらにそのステージのステップを進んでいくことになります。前回のアクティベーションの効果を待つために、次のアクティベーションまでに日数を設けたければ、その間に「待機ステップ」を挟むことによって、プロファイルは待機ステップ上に指定された日数待機することになります。
ジャーニーオーケストレーションの存在意義
「カスタマージャーニーを定義し、ステージごとに適切な施策を実施する」、これは従来から行われた試みであります。ジャーニーオーケストレーションの大きな特徴は、従来それらを行うために
- マーケターが各プロファイルのステージを把握すること、
- 適切な施策をマニュアルで実行すること、
これらを全てオートメーション化することができることです。
またオートメーションと聞くと、MA（マーケティングオートメーション）と同じと思われるかもしれませんが、CDPという顧客の莫大な情報を活用し、壮大なジャーニーを構築できるスケール感に違いがあると言えます。また、カスタマージャーニーの情報は、オーディエンススタジオのリソースとして他の機能（予測スコアリング、プロファイルAPIトークンなど）で活用できるというメリットもあります。
リンク集
*1 別サイトのため、別途ユーザー登録が必要となります。
紹介セミナー（2022/05）[★★]
利用者向けガイド資料 [★★★]
社内勉強会（テックセッション）（2022/10）[★★★★★]
Jump機能紹介 - 社内勉強会（2023/06/07）[★★★★]
TD AutoML
概要 - TD AutoML
概要
AutoML とは？
近年「AutoML」という言葉が機械学習の分野で話題になっています。AutoMLは「Automated Machine Learning」の略称であり、その名の通り機械学習（主に教師あり学習）における多くのプロセスを自動化してくれることにより、従来より圧倒的に短いリードタイムで機会学習を実行することができるものです。
一般的にAutoMLでは上図のような「データの前処理」から「精度向上」に至るまでを自動化してくれるため、機械学習の実行のための敷居を大幅に下げることができます。これまで機械学習の現場ではデータの準備やモデルの制度向上を行うためにデータエンジニアやデータサイエンティストと呼ばれる人が必要でした。しかし、AutoMLにおいては、そこまで機械学習に深い知見のない場合でも自分たちで機械学習を実行できるものになっています。現在GoogleやAmazonをはじめとした多くのBig Tech CompanyがAutoMLのライブラリを開発し、サービスを展開している状況です。
Treasure Data が提供する TD AutoML とは？
まず、Treasure Data CDP内における TD AutoML の立ち位置を説明しますと、CDP内で機械学習を実行できる第4の枠組みという位置付けになっています。
TD AutoMLはWorkflowを通じて機械学習を実行できるようになっていますが、Hive SQLから実行するHivemallやWorkflow上でPythonコードを記述して実行するCustomScriptsに比べて、必要な記述量が圧倒的に短いものになっています。また、Predictive Scoringはオーディエンススタジオ内からUIベースで実行できるものですが、ロジスティック回帰というただ一つの手法のみしか実行できません。
また、Treasure Data が提供する「TD AutoML」は、もちろん AutoML の機能（ソリューション）も提供するのですが、実はそれだけにとどまりません。基本的に（テーブルデータに対する）AutoMLは「教師あり学習」と呼ばれる、分類や回帰を行なってくれるものになっています。しかし世の中にはその他にもクラスタリングに代表される教師なし学習や強化学習などの多くの機械学習のソリューションが存在しています。 TD AutoMLでは各ソリューションを「Notebook」と呼ばれるものに定義・実装し、Notebookごとに機械学習ソリューションを提供する形式となっています。これによって、AutoMLに限らず、さまざまな機械学習ソリューションを同じ枠組みの中で、しかも非常に簡潔な記述のもによって利用することができるものになっています。
さらに、提供するソリューションは機械学習だけにとどまりません。主にマーケティング領域における、マルチタッチアトリビューションやネットワーク分析といった高度なデータ分析もNotebookとして提供しています。そして、今後も時代や利用者のニーズに合わせたソリューションNotebookがどんどん増えていく拡張性もTD AutoMLの大きな魅力と価値になっています。
リンク集
*1. 別サイトのため、別途ユーザー登録が必要となります。