【第605回】Personalization：Affinity に応じた WPM レコメンドを設定する

これまでの記事では、TrailNest のカテゴリごとの Affinity を使って Hero Banner を切り替え、API で取得したおすすめ商品を Web サイトへ表示しました。

今回は、顧客が最も興味を持つカテゴリの中から、過去 2 週間に商品詳細をよく見られた商品を選ぶ構成へ進みます。

例えば、Apparel への興味が最も高い顧客には、Apparel の中で閲覧回数が多い商品をおすすめします。本人がまだ見ていない商品も候補になります。

商品を選ぶ設定をこの回で用意し、次回の記事では Web Personalization Manager（WPM）を使って、商品詳細ページに表示します。

Personalization 基礎シリーズ

• ① Personalization の基本的な仕組み

• ② Personalization の初期セットアップ

Sitemap Builder シリーズ

• ③ Sitemap Builder の利用を開始する

• ④ Sitemap Builder で Page Type を設定する

• ⑤ Sitemap Builder で Resolver を設定する

• ⑥ Sitemap Builder で Profile Attribute を設定する

• ⑦ Sitemap Builder で Event を設定する

• ⑧ Sitemap Builder で Event を紐付ける

• ⑨ Sitemap Builder の Schema を確認する

• ⑩ Sitemap Builder で Debug を確認する

• ⑪ Sitemap Builder で Sitemap と Schema の取得

Data 360 設定シリーズ

• ⑫ Website Connector と Data Mapping の設定

• ⑬ CloudPages に Web SDK を設置する

• ⑭ 顧客 ID で CRM と Web の Profile を統合する

• ⑮ Real-Time Profile Data Graph を作成する

• ⑯ リアルタイム ID 解決の確認方法

• ⑰ 商品データを取り込んで Item Data Graph 作成

Personalization 設定シリーズ

• ⑱ Engagement Signal を設定する

• ⑲ Real-Time Calculated Affinity を設定する

• ⑳ Affinity を使って Hero Banner を切り替える

• ㉑ Affinity に応じた API レコメンドを設定する

• ㉒ トップページに API レコメンドを表示する

• ㉓ Affinity に応じた WPM レコメンドを設定する

• ㉔ 商品詳細ページに WPM レコメンドを表示する

• ㉕ レコメンドカードを拡張チャット v2 で表示する

• ㉖ Real-Time Data Graph をメールで活用する

• ㉗ Affinity に合わせてポップアップを表示する

• ㉘ トップページに中央強調型カルーセルを表示する

• ㉙ 人気商品と興味に合う商品を A/B テストする

今回の商品の選び方

今回は以下のように商品を選びます。

• 興味のあるカテゴリが分かる顧客：最高スコアのカテゴリの商品を選ぶ。

• まだ興味のあるカテゴリが分からない顧客：全カテゴリから商品を選ぶ。

• 商品の順位：全ユーザーの商品詳細閲覧回数の降順。

• 集計期間：Calculated Insight の実行時点から過去 14 日間。

• 表示件数：最大 4 商品。

• WPM の表示場所：商品詳細ページのみ。

カテゴリを決めるのは、その顧客の Affinity です。カテゴリ内で商品を並べるのは、サイト全体の 商品閲覧回数です。この 2 つは別の指標です。

今回は、正の raw_affinity_score がある顧客を「興味のあるカテゴリが分かる顧客」として扱います。Affinity のレコードがない場合や、正のスコアがない場合は、全カテゴリの人気商品を選びます。

閲覧人数ではなく、閲覧イベントの件数を数えます。同じ人が別の閲覧イベントで 3 回見れば、3 回として数えます。購入確率を AI で予測する構成ではありません。

過去 2 週間という期間は、商品閲覧回数の集計に適用します。 カテゴリへの Affinity は、これまでの設定を使用します。

① 商品詳細の閲覧データを確認する

Data 360 のデータエクスプローラーで、Product Browse Engagement に TrailNest の商品詳細閲覧が取り込まれていることを確認します。

今回の TrailNest の Sitemap は、Product Detail ページで ViewCatalogObject を送信する構成です。イベントの interactionName は View Catalog Object になります。

集計に使う項目は、次のとおりです。

• Product Browse Engagement ID（ssot__Id__c）
  閲覧イベントの ID

• Product（ssot__ProductId__c）
  閲覧した商品の ID

• Engagement Date Time（ssot__EngagementDateTm__c）
  閲覧が発生した日時

• Engagement Channel Action (ssot__EngagementChannelActionId__c)
  閲覧などの行動名

• Product View URL（ssot__ProductViewURL__c）
  閲覧したページの URL

② 過去 2 週間の商品閲覧回数を集計する

Data 360 の Calculated Insights を開き、新規作成します。

• 作成方法：SQL

• Name：TrailNest Product View Count

• API Name：TrailNest_Product_View_Count

次の SQL を設定し、スケジュールを有効にし、定期的に再集計される状態にしてください。

SELECT
  ssot__GoodsProduct__dlm.ssot__Id__c AS Product_Id__c,
  COUNT(ssot__ProductBrowseEngagement__dlm.ssot__Id__c) AS View_Count__c
FROM ssot__GoodsProduct__dlm
INNER JOIN ssot__ProductBrowseEngagement__dlm
  ON ssot__GoodsProduct__dlm.ssot__Id__c =
     ssot__ProductBrowseEngagement__dlm.ssot__ProductId__c
WHERE ssot__ProductBrowseEngagement__dlm.ssot__EngagementChannelActionId__c =
      'View Catalog Object'
  AND ssot__ProductBrowseEngagement__dlm.ssot__ProductViewURL__c LIKE
      'https://mcxkknz3m0zj3jqsxn4hm3dp3q-4.pub.sfmc-content.com/f0sn3uhu0p0?view=product%'
  AND ssot__ProductBrowseEngagement__dlm.ssot__EngagementDateTm__c >=
      SECOND_SUB(NOW(), 1209600)
  AND ssot__ProductBrowseEngagement__dlm.ssot__EngagementDateTm__c <= NOW()
GROUP BY ssot__GoodsProduct__dlm.ssot__Id__c

この SQL は、次の処理をしています。

1. 商品マスタと閲覧イベントを、商品 ID で結び付ける。

2. TrailNest の商品詳細閲覧だけに絞る。

3. 集計実行時点から過去 14 日間の閲覧に絞る。

4. 商品ごとに閲覧イベントを数える。

• SECOND_SUB(NOW(), 1209600) で、集計を実行した時点の 14 日前を求めます。1209600 とは、14 日 × 24 時間 × 60 分 × 60 秒のことです。未来の日付のイベントは上限条件で除外します。

• 「今週と先週」という暦の 2 週間ではなく、実行時刻から遡る 14 日間です。例えば 10 月 5 日 10:00 に実行すれば、9 月 21 日 10:00 から 10 月 5 日 10:00 までが対象になります。

• 出力は、Product_Id__c が集計の単位（Dimension）、View_Count__c が閲覧回数（Measure）です。顧客 ID でグループ化しないため、全ユーザーの閲覧を合算します。

• URL 条件は、現在の TrailNest の ?view=product&id=... という構成に合わせています。Query String の順序やページ URL が異なる場合は、実際に取り込まれた Product View URL に合う条件へ変更してください。WPM のプレビューで商品詳細を開いたときの閲覧も、同じ条件に一致すれば集計されます。

初回の集計処理が完了したら、Calculated Insight の結果を確認します。同じカテゴリの複数商品を異なる回数だけ閲覧しておくと、並び順の確認に使えます。

③ Item Data Graph に閲覧回数を追加する

前回までの記事で作成済みの TrailNest Item Data Graph を編集します。

Goods Product を起点とするグラフに、今回作成した TrailNest Product View Count を追加し、次の項目を選択します。

• Product_Id__c

• View_Count__c

④ 閲覧回数順の Recommender を新規作成

Personalization アプリの Recommenders を開き、新規作成します。

• Profile Data Graph：TrailNest Profile

• Item Data Graph：TrailNest Item Data Graph

• Recommender Name：TrailNest Category Popular Recommendations

• Recommender API Name：TrailNest_Category_Popular_Recommendations

• Fallback Recommender：無効

次の設定では、Rule-Based Recommendations を選択します。

並び順を設定する

• Data Graph Resource：先ほど作成した Calculated Insight

• Calculated Insight：TrailNest Product View Count

• Sort Measure / 並び替えに使う指標：View_Count__c

• Sort Order：Descending（降順）

カテゴリの Filter を設定する

Filters の Include 側に、次の条件を追加します。

• Take Action When：All Conditions Are Met

• Item Data Graph Resource：Direct Attributes > Category

• Filter Type：Profile Data Graph

• Operator：Match Any

• Profile Data Graph Resource：Calculated Insights > TrailNest Category Affinity Category > Category

ここで Category を選ぶと、その下に WHERE の条件が表示されます。次のように指定します。

• Metric：raw_affinity_score

• Operator：Is Top

• Value：1

Is Top の 1 は「上位 1 カテゴリ」を選ぶための指定です。Match Any だけを指定すると、複数の Affinity カテゴリに一致する商品が候補になります。今回は WHERE の Is Top：1 と組み合わせることで、最高スコアのカテゴリに絞ります。

保存し、Recommender の処理が完了したことを確認します。

⑤ Simulate で商品の絞り込みを確認する

今回の Filter は、リクエストで渡す独自変数ではなく、顧客の Profile Data Graph を参照します。Recommender の Simulate で、顧客に応じた商品の選択を確認します。

• Sample Recipient：対象顧客の Unified Individual ID

• Anchor Item ID：今回は指定しません

⑥（初回訪問向けの）全カテゴリが対象の人気 Recommender を作成する

Affinity がない顧客にも商品を表示するため、カテゴリで絞らない Recommender を、もう 1 つ新規作成します。

• Profile Data Graph：TrailNest Profile

• Item Data Graph：TrailNest Item Data Graph

• Recommender Name：TrailNest All Popular Recommendations

• Recommender API Name：TrailNest_All_Popular_Recommendations

• Fallback Recommender：無効

• Recommendation Type：Rule-Based Recommendations

• Calculated Insight：TrailNest Product View Count

• 並び替えに使う Measure：View_Count__c

• Sort Order：Descending

• カテゴリの Filter：追加しない

この Recommender は、顧客の Affinity に関係なく、全カテゴリから過去 14 日間の閲覧回数が多い商品を選びます。

これを Fallback Recommender にしない理由

Fallback Recommender は、メインの商品の件数が足りないときに不足分を補う設定です。今回は、Apparel が最高スコアなら、Apparel が 2 商品しかなくても 2 商品を返します。Backpacks などで残りを埋めません。

そのため、全カテゴリの人気商品は Fallback として追加せず、Affinity がない顧客向けの別 Decision で選択します。

⑦ 既存の Content Schema を確認する

商品レコメンド用の Content Schema は、既存の TrailNest Category Recommendation Content を使用します。

• Personalization Type：Recommendations

• Data Model Object：Goods Product

Selected DMO Fields に、次の項目が含まれていることを確認します。

• 商品 ID：ssot__Id__c

• 商品名：ssot__Name__c

• 商品カテゴリ：Category__c

• 価格：UnitPrice__c

• 画像 URL：ImageUrl__c

• 商品ページ URL：Link_URL__c

Content Schema は、選ばれた商品の、どの情報を返すかを決めます。価格順か閲覧数順かは Recommender の設定なので、今回も同じ Schema を使用できます。

⑧ WPM 用の Personalization Point と Decision を設定する

Personalization Points を開き、New → Manual Setup で作成します。

• Profile Data Graph：Real-Time > TrailNest Profile

• Name：TrailNest WPM Category Popular Recommendations

• API Name：TrailNest_WPM_Category_Popular_Recommendations

• Personalization Type：Recommendations

• Content Schema：TrailNest Category Recommendation Content

• Maximum Number of Recommendations to Return：4

• Authentication Required：未チェック

この Point には、2 つの Decision を作成し、紐づけます。

1. Affinity がある顧客用

2. Affinity がない顧客用

① Affinity がある顧客用

• Decision Name：TrailNest WPM Category Popular Recommendations Decision

• Decision API Name：TrailNest_WPM_Category_Popular_Recommendations_Decision

• Decision State：Live

• Recommender：TrailNest Category Popular Recommendations

• Targeting Rules：以下を設定します。

まず Take Action When を「Any Condition Is Met（OR 条件）」にします。 6 カテゴリのどれか 1 つに正のスコアがあれば、この Decision の対象とするためです。

そして、最初の条件を、次のように設定します。

• Resource：Calculated Insights > TrailNest Category Affinity Category > raw_affinity_score

• Operator：Is Greater Than

• Value：0

• WHERE の Resource：Category

• WHERE の Operator：Is Equal To

• WHERE の Value：backpacks

WHERE は、どのカテゴリのスコアを調べるかを指定する欄です。この画面では Category の入力が求められるため、NULL にはできません。

条件右側にある「複製」アイコンを使い、同じ条件を合計 6 つ作成します。各条件の WHERE の Value だけを、次の値に変更します。

• backpacks

• tents

• sleeping

• apparel

• footwear

• accessories

これで、「Backpacks の raw スコアが 0 より大きい、または Tents の raw スコアが 0 より大きい、または……」という判定になります。

② Affinity がない顧客用

同じ Point（TrailNest WPM Category Popular Recommendations）に、もう 1 つ Decision を追加します。

• Decision Name：TrailNest WPM All Popular Recommendations Decision

• Decision API Name：TrailNest_WPM_All_Popular_Recommendations_Decision

• Decision State：Live

• Recommender：TrailNest All Popular Recommendations

• Targeting Rules：Always

Decision の一覧で、Affinity 用を上、全カテゴリ用を下にします。両方に該当する顧客には、優先度の高い Affinity 用が選ばれるようにします。

いかがでしたでしょうか。

今回は、顧客の Affinity を Recommender から直接参照し、最も興味を持つカテゴリの商品を、過去 2 週間の閲覧回数順で選ぶ構成を紹介しました。

興味のあるカテゴリがまだ分からない顧客には、別の Decision で全カテゴリの人気商品を返します。

次回は、Experience Template と WPM を使い、商品詳細ページに商品カードを表示します。トップページの API レコメンドを継続しながら、WPM の表示を追加していきます。

今回は以上です。

次の記事はこちら

前回の記事はこちら

私の note のトップページはこちら