予測：AmplitudeのAIを使用してリフトを最大化

予測は、ターゲティングワークフローを最適化してリフトを向上させるのに役立ちます。

予測は、過去の行動によってユーザーをセグメント化するのではなく、将来特定のアクションを実行する可能性によってユーザーをセグメント化します。 予測は、通信頻度、ダイナミックプライシング、コンテンツのパーソナライゼーションのワークフローに最も役立ちます。予測を使用することで以下が可能になります。

• キャンペーンに含めるユーザー、または除外するユーザーを指定します。
• ユーザーがコンバージョンする可能性に基づいてメッセージングの頻度を調整します。
• ユーザーのコンバージョンの可能性に応じて、料金、オファー、割引を変更します。
• 広告、Eメール、またはウェブサイトのコンテンツを、そのコンテンツタイプに対するユーザーの親和性に基づいて微調整します。

予測は、ユーザーがプロダクト内で特定のアクションを実行する可能性を予測するための数学モデルを構築します。このモデルは、類似した確率を持つユーザーをグループ化します。

まず、どのような予測を作成するかを決定します。

予測によってどのような質問に答えるべきですか？ほとんどの場合、その答えは会社を導く目標に結びついています。まずは、ユーザーがプロダクトに初めて触れたときから最後の接触までのKPIを含めたユーザージャーニーをマッピングすることから始めましょう。ユーザージャーニーの一般的なステップには、登録、アクティベーション、リテンション、および離脱などがあります。

ステップを特定したら、それらのステップ間の主要なボタン操作をそれぞれ指定してマイルストーンを記入してください。 このジャーニーの各ステップについて予測を作成します。

たとえば、あるeコマースプロダクトにはこのようなユーザージャーニーが存在する場合があります。

予測を使用すべきユーザーとタイミング

予測が最適に機能する特定の状況：

• **目標とする成果に明確なファネルがない場合。**これらの結果は通常、複雑なユーザージャーニーから生じるものであり、明確なバイナリイベントとして定義することは困難です。一般的な例としては、アクティベーション、リテンション、エンゲージメント、長期的な価値などがあります。これらのメトリックがプロダクトにとって非常に重要な場合は、予測コホートを検討してください。
• **これらの成果を段階的に向上させようとしている場合。**慎重に設計された予測は、行動コホートと比較して5%から20%の向上をもたらす可能性があります。
• **プロダクトに月間平均10万人以上のユーザーがいる場合。**小さい製品では、信頼性の高い統計的推論を行うのに十分なサンプルサイズを生成できない場合があります。

逆に、以下の場合、会社が予測から利益を得る可能性は低くなります。

• 物理的な製品を販売する。
• B2B分野に属している。
• マーケティングチームが不足している。

予測コホートを使用する前に、予測を作成するおよび予測ベースのコホートをキャンペーンで使用するを参照してください。次のセクションでは、Amplitudeが予測をどのように構築するかを説明します。

予測の仕組み

予測とは、過去の行動を使用して将来の行動を予測することです。 予測を作成するとき、Amplitudeはディープラーニングモデルを作成し、指定したアクションを実行するユーザーと実行しないユーザーを区別します。

Amplitudeは、1期間前に開始コホートに含まれていたユーザーから開始します。その後、Amplitudeはこれらのユーザーのうち、どのユーザーがそれ以降の期間にアクションを実行したか、実行しなかったかを特定します。 期間は、7日、30日、60日、または90日間に設定できます。

次に、Amplitudeは高度なトランスフォーマーベースのシーケンスモデルを使用して、これら2つのユーザーグループをイベント、イベントプロパティ、ユーザープロパティ、ユーザーアクティビティシーケンスという4つの変数セットにわたって比較します。

• イベント：過去4期間の各週において、各ユーザーが予測ターゲットに関連する上位25個のイベントをトリガーした頻度。
• イベントプロパティ：過去4期間の各週において、各ユーザーが最も頻繁にクエリされたイベントプロパティをトリガーした頻度。
• ユーザープロパティ: 過去4つの期間における各ユーザープロパティの初期値と最新の値。
• ユーザーアクティビティシーケンス: 各ユーザーの直近の128件のイベントとその時間間隔のアクティビティシーケンス。

トランスフォーマーエンコーダはこれらの変数を処理し、ユーザーのアクティビティシーケンスの上にエイリアスコホートを構築します。ほとんどの行動コホートは、手動で設計された3〜5つのシグナルに依存しています。Amplitudeの予測は、数百もの行動信号を含むトランスフォーマーベースのAIモデルを使用しています。

このモデルは、開始コホート内のすべてのユーザーについて確率スコアを計算します。 このスコアは、各ユーザーが指定された期間内に目標のアクションを実行する可能性を測定します。 モデルが季節ごとのデータを学習してそれに対応するにつれて、Amplitudeはお客様の設定に応じて毎日または毎時間各ユーザーの確率スコアを再計算します。

開始するには、「予測を作成する」と「予測に基づくコホートをキャンペーンで使用する」をご覧ください。