Skip to content

実験パスのパーソナライズされたパス

パーソナライズされたパスは、キャンペーンのパーソナライズされたバリアントに似ており、コンバージョンの可能性に基づいて、個々のユーザーのキャンバスジャーニーの任意の部分をパーソナライズできます。

パーソナライズされたパスの仕組み

試用パスステップでパーソナライズされたパスを有効にすると、キャンバスが1回送信するか、再開するかによって、動作が少し異なります。

  • 単一送信キャンバス:ユーザーs の集合が遅延グループに保持されます。残りのユーザーは、設定した期間中(最良の結果を得るために少なくとも24 時間)、類似モデルをトレーニングするために最初のテストに渡されます。テストの後、ユーザーの行動が特定のパスにおけるコンバージョンの高可能性にどのように関連付けられているかを学習するモデルが作成されます。最後に、遅延グループの各ユーザーが、その行動と、初期テストでルックアライクモデルが学習した内容に基づいて、コンバージョンの可能性が最も高いパスに送信されます。
  • 繰り返し、アクショントリガー、APIトリガーのキャンバス：最初の実験は、指定された期間に実験パスに入るすべてのユーザーに対して実行されます。実験の完全性を維持するために、ユーザーがウィンドウの終了前に多数のメッセージを受信した場合、毎回同じバリアントに割り当てられます。実験期間の後、各ユーザーはコンバージョンの確率が高いパスに送られます。

パーソナライズされたパスを使用する

ステップ 1:実験パスを追加する

実験パスをキャンバスに追加し、[パーソナライズされたパス] をオンにします。

ステップ2:パーソナライズされたパスを設定する

勝者を決定するコンバージョンイベントを指定します。利用できるコンバージョンイベントがない場合は、キャンバスの設定の最初のステップに戻り、コンバージョンイベントを割り当てます。勝者を決定するために開封sまたはクリックを含むコンバージョンイベントを選択した場合、開封sまたはクリックを生成するパスの最初のメッセージステップのみが勝者を決定するのに役立ちます。パス内の後続ステップは考慮されません。

次に、実験期間を設定します。[実験期間] は、遅延グループ内の各ユーザーに最適なパスを選択する前に、ユーザーがすべてのパスに送られる時間の長さを決定します。期間は、最初のユーザーがステップに入ったときに始まります。

ステップ 3:フォールバックを決定する

デフォルトでは、テストの結果が統計的に有意な勝者を決定するのに十分でない場合、将来のすべてのユーザーが単一の最もパフォーマンスの高いパスに送信されます。

または、すべての将来のユーザーにパスの組み合わせの送信を続行するよう指定することもできます。

このオプションは、実験パスの配分で指定されたパーセンテージに従って、将来のユーザーにパスの組み合わせを送信します。

ステップ 4:パスを追加してキャンバスを開始する

1 つの実験パスコンポーネントに最大 4 つのパスを含めることができます。ただし、単回送信キャンバスで [パーソナライズされたパス] をオンにすると、実験に最大 3 つのパスを追加できます。4 番目のパスは、Braze が自動的に実験に追加する遅延グループ用に予約されます。

必要に応じてキャンバスの設定を終了し、開始します。最初のユーザーが実験に入ったら、キャンバスをチェックして分析を確認し、実験のパフォーマンスを追跡できます。

実験期間が経過して実験が完了すると、Braze は遅延グループのユーザーを、ルックアライクモデルの推奨に基づいて、パーソナライズされたコンバージョンの可能性が最も高いそれぞれのパスに送信します。

1 つの実験パスで最大 4 つのパスをテストできます。パスを追加し、キャンバスに必要な設定を完了してから、キャンバスを起動します。

最初のユーザーが実験に入ったら、キャンバスをチェックして分析を確認し、実験のパフォーマンスを追跡できます。

実験期間が終了して実験が完了すると、その後キャンバスに入るすべてのユーザーは、コンバージョンが発生する可能性が最も高いパスに送られます。

分析

パーソナライズされたパスが有効になっている場合、分析ビューは2つのタブに分かれています。Initial ExperimentおよびPersonalized Paths.

[最初の実験] タブには、実験期間中の各パスの指標が表示されます。指定したコンバージョンイベントに対して実行されたすべてのパスの概要を確認できます。

各ユーザーにとって最もパフォーマンスの高いパスを特定するために送られた、最初の実験結果。テーブルには、ターゲットチャネルのさまざまなメトリックに基づく各パスのパフォーマンスが表示されます。

デフォルトでは、テストはユーザーのカスタムイベントとそのパスの設定との間の関連性を見つけようとします。この分析では、カスタムイベントによって特定のパスに応答する可能性が増えるか減るかを検出します。次に、これらの関係を使用して、実験期間の終了後、どのユーザーにどのパスを割り当てるかが決定されます。

カスタムイベントとメッセージの設定の関係は、[最初の実験] タブの表に示されています。

テストでカスタムイベントとパスの設定の間に意味のある関係が見つからない場合、テストはセッションベースの分析方法にフォールバックします。

フォールバック解析法

セッションベースの分析方法
フォールバックメソッドを使用してパーソナライズされたパスを決定する場合、[最初の実験] タブには、特定の特性の組み合わせに基づいてユーザーが好むバリアントの内訳が表示されます。

これらの特徴は以下のとおりです。

  • リーセンシー:最後にセッションを行った日時
  • 頻度:セッションの頻度
  • 使用期間:ユーザーになってからの期間

[ユーザー特性] テーブル。ユーザーが、リーセンシー、頻度、および使用期間という 3 つのバケットのいずれに分類されるかに基づいて、どのユーザーがパス 1 およびパス 2 を優先するかの予測を示します。

リーセンシーとは、ユーザーが最後にエンゲージしたのがどれくらい最近のことか、頻度とは、どれくらいの頻度でエンゲージしているか、そして使用期間とは、エンゲージメントを開始してからの期間と考えることができます。ユーザーを「バケット」にグループ化し、これら 3 つの条件に基づいて (ユーザー特性表を参照)、どのバケットがどのパスをより好むかを判断します。これは、最後に一緒に買い物をしたのはいつか、買い物をした頻度、そして顧客となってからの期間に基づいて、ユーザーを何百ものリストに分類するようなものです。

ユーザーへのメッセージを選択する場合、Braze はユーザーに当てはまるバケットを調べます。各バケットは、ユーザーのパス選択に明確な影響を与えます。弊社では、過去の行動に基づいて将来の行動を予測するためのロジスティック回帰と呼ばれる統計的メソッドを使用してこの影響を定量化しています。このメソッドは、最初のメッセージ送信時のユーザーインタラクションを考慮します。この表には、各バケットのユーザーがどのパスでエンゲージする傾向にあるかを表示し、結果の概要だけを示しています。

最終的には、Braze は、このすべてのデータを組み合わせて、ユーザーごとにカスタマイズされたメッセージパスを選択し、ユーザーにとってできる限り魅力的で関連性の高い体験を提供します。

パーソナライズされたパスの選択方法
この方法では、個々のユーザーの推奨メッセージは、特定のリーセンシー、頻度、および使用期間の効果の合計です。ユーザー特性表に示すように、リーセンシー、頻度、および使用期間は、バケットに分割されます。各バケットの時間範囲は、個々の各キャンバスのユーザーデータによって決定され、キャンバスごとに異なります。

各バケットには、パスごとに異なるコントリビューションまたは「プッシュ」を設定できます。各バケットのプッシュの強さは、ロジスティック回帰を使用して最初の実験時のユーザー応答から決定されます。この表には、各バケットのユーザーがどのパスでエンゲージする傾向にあるかを表示し、結果の概要だけを示しています。個々のユーザーの実際のパーソナライズされたパスは、そのユーザーが属する 3 つのバケットの効果 (各特性に 1 つずつ) の合計によって異なります。

[パーソナライズされたパス] タブには、最終的な実験の結果が表示されます。ここでは、遅延グループ内のユーザーがベストパフォーマンスのパスに送信されます。

このページの 3 つのカードには、予想リフト、全体的な結果、および代わりに勝者パスのみを送信した場合の予測結果が表示されます。たとえリフトがない場合でも (まれに見られます)、結果は、勝者パス (従来の AB テスト) のみを送信するのと同じです。

  • 予想リフト:すべてのユーザーを全体的なベストパフォーマンスのパスに送るのではなく、パーソナライズされたパスを使用することによる、選択したコンバージョンイベントの改善。
  • 全体的な結果:コンバージョンイベントに基づく 2 回目の送信の結果。
  • 予測結果:代わりに勝利バリアントのみを送信した場合の、選択した最適化指標に基づく 2 番目の送信の予測結果。

キャンバスの [パーソナライズされたパス] タブ。カードには、予想リフト、全体のコンバージョン率 (パーソナライズされたパスを使用)、および予想されるユニーク開封率 (勝者パスを使用) が表示されます。

ローカルタイム配信でのパーソナライズされたパスの使用

パーソナライズされたパスを持つキャンバスでは、ローカルタイム配信を使用することはお勧めしません。これは、最初のユーザーが通過したときに実験期間が始まるためです。ごく初期のタイムゾーンにいるユーザーがステップに入り、予想よりもはるかに早く実験期間の開始をトリガーすることがあります。その結果、より典型的なタイムゾーンのユーザーの大部分がキャンバスに入ってコンバートするのに十分な時間が経過する前に、実験が終了してしまう可能性があります。

ローカルタイム配信を使用したい場合は、24 ～ 48 時間以上の実験期間を使用してください。これにより、初期のタイムゾーンのユーザーがキャンバスに入って実験の開始がトリガーされた後でも実験期間に十分な時間を残すことができます。それ以降のタイムゾーンにいるユーザーが、キャンバスとパーソナライズされたパスを使った実験ステップに入り、実験期間が期限切れになる前にコンバージョンに至るのに十分な時間があります。

Github   GitHub でこのページを編集
「このページはどの程度役に立ちましたか?」
New Stuff!