エージェントの設計
エージェント設定の第一ステップは、AI意思決定サービスチームと協力してエージェントを設計することだ。この記事では、主要な設計上の決定事項と、オーディエンスを定義する方法について説明する。
意思決定エージェントに関する基礎概念（成功指標、次元、アクションバンク、制約など）については、『意思決定エージェントの設計』を参照のこと。
主要な設計上の決定事項
AI意思決定サービスチームと協力して、以下の決定を行うことになる：
| 決定 | 説明 | 例 |
|---|---|---|
| 成功指標 | カスタマーエンゲージメントをパーソナライズする際、エージェントは何を最大化するのか？ | 収益、生涯価値、ARPU、コンバージョン、リテンション |
| オーディエンス | Decisioning Studioのエージェントは、誰に対してカスタマーエンゲージメントの決定を行うのか？ | すべての顧客、ロイヤルティ会員、リスクのあるサブスクライバー |
| 実験グループ | Decisioning Studioの無作為化比較試験はどのように設計すべきか？ | Decisioning Studio、ランダムコントロール、通常業務、ホールドアウト |
| ディメンション | エージェントはどの決定をパーソナライズすべきか？ | 時間帯、件名、頻度、オファー、チャネル |
| options | エージェントにはどんな選択肢があるのか？ | 特定のテンプレート、オファー、時間枠 |
| 制約 | エージェントが決して下すべきでない決定とは何か？ | 地理的制限、予算制限、適格性ルール |
これらの決定のそれぞれが、エージェントがどれだけ追加的な向上を生み出せるか、そしてどれだけ速く実現できるかに影響を及ぼす。当社のAI意思決定サービスチームは、貴社のビジネスルールを全て遵守しつつ、最大の価値を生み出すエージェントを設計するため、貴社と協力する。
オーディエンスを定義する
ユースケースのオーディエンスは通常、カスタマーエンゲージメントプラットフォーム（BrazeやSalesforce Marketing Cloudなど）で定義され、その後Decisioning Studioエージェントに送信される。その後、エージェントは顧客を治療群に分け、無作為化比較試験を実施する。
治療群
| グループ | 説明 |
|---|---|
| Decisioning Studio | AIによって最適化された推薦を受け取る顧客 |
| ランダムコントロール | ランダムに選択されたオプションを受け取る顧客（ベースライン比較） |
| 従来通りの業務（任意） | 現在のマーケティング・ジャーニーを受け取る顧客（既存のパフォーマンスとの比較用） |
| 保留（任意） | 連絡を受け取らない顧客（キャンペーン全体の効果を測定するため） |
オーディエンスを設定する
Brazeでオーディエンスを設定する：
- ターゲットにしたいオーディエンス向けのセグメントを作成する。
- セグメントIDをAI意思決定サービスチームに提供せよ。
Brazeでは、複数のセグメントを取り込み、それらを組み合わせてオーディエンスを作成できる。Decisioning Studioは、通常業務比較キャンペーンのセグメントを取り込むことができる。これらのパターンはすべて許容される。
Salesforce Marketing Cloudでオーディエンスを設定する：
- オーディエンス向けにSFMCデータ拡張機能を設定し、データ拡張IDを提供する
- Decisioning Studioが要求する適切な権限で、API統合用のSFMCインストール済みパッケージを設定する。
- このデータ拡張機能は毎日更新されるようにする。Decisioning Studioは利用可能な最新の増分データを取得するからだ。
拡張機能IDとAPI キーをBrazeサービスチームに提供せよ。彼らは顧客データの取り込みにおける次のステップを支援する。
Klaviyoでオーディエンスを定義する：
- オーディエンスセグメントを作成する
- プライベートAPI キーを生成し、これをBraze AI Decisioningチームに提供する。
- セグメントIDとAPI キーをBrazeサービスチームに提供せよ
これらのステップの詳細については、Klaviyoのドキュメントを参照せよ。
Google Cloud Storage
もしオーディエンスが現在Braze、SFMC、またはKlaviyoに保存されていない場合、次に取るべき最善のステップは、BrazeがコントロールするGoogle Cloud Servicesのバケットへ直接オートメーションでエクスポートを設定することだ。
これが可能かどうかを判断するには、使用しているマーテクプラットフォームのドキュメントを参照せよ。例えば、mParticleはGoogle Cloud Storageとのネイティブ統合を提供している。その場合、オーディエンスデータをエクスポートするためのGCSバケットを提供できる。
以下に類似のページがある：
プロ向け機能
Decisioning Studio ProはAI意思決定の全機能を提供する：
| 能力 | 詳細 |
|---|---|
| いかなる成功指標も | 収益、コンバージョン、ARPU、生涯価値、あるいはあらゆるビジネスKPIを最適化する |
| 無限の次元 | オファー、チャネル、タイミング、頻度、クリエイティブなど、あらゆる要素でパーソナライゼーションを行う |
| 任意のCEP | Braze、SFMC、Klaviyoとのネイティブ連携に加え、あらゆるプラットフォーム向けのカスタム連携 |
| AI意思決定サービス | Brazeのデータサイエンスチームによる専任サポート |
| 高度な実験計画法 | 完全にカスタマイズ可能な治療群と保留群 |
ベストプラクティス
Decisioning Studioエージェント設計におけるベストプラクティスをいくつか挙げる：
- データの豊かさを最大限に高める：エージェントが顧客について持っている情報が多ければ多いほど、彼らのパフォーマンスは向上する。
- アクションを多様化する：エージェントが取れるアクションの選択肢が多様であればあるほど、各ユーザーに対してパーソナライズされた戦略を適用できる。
- 制約を最小限に抑える。エージェントに対する制約は少ないほど良い。制約は、ビジネスルールを尊重しつつ、可能な限りエージェント主導の実験を自由にするように設計すべきだ。
次のステップ
主要な設計上の決定がなされ次第、ローンチに進むことができる。
GitHub でこのページを編集