LLMインサイト

Adobe Customer Journey Analyticsでは、ユーザーエージェント、リファラー、クエリパラメーターに基づく派生フィールドを使用してLLMとAIトラフィックをタグ付けおよび分類することができるため、AI生成インタラクションを人間の行動から分離し、KPIを正確に保つことができます。その後、セグメントとダッシュボードを構築して、既存のチャネルと並行してAIトラフィック量、ジャーニー、下流のコンバージョンのトレンドを分析することができます。

会話とAIインタラクションデータをAdobe Experience Platformに取り込み、意図、トピック、好感度、結果を含むAdobe Experience Data Modelでモデル化した後、Customer Journey Analyticsでweb、アプリケーション、オフラインデータセットと結合し、完全なクロスチャネルジャーニーを作成します。これにより、購入、解約、サポート解決などの下流行動を特定のAIの会話に関連付け、時間の経過とともにKPIへの影響を測定できます。

対話型AI分析では、自然言語処理（NLP）やLLMモデルを使用してチャットや音声記録から意図、トピック、キーワード、好感度などのシグナルを抽出し、Customer Journey Analyticsでジャーニーデータと組み合わせて集計レポートや会話再生を行います。結果と併せて好感度をトラッキングすることで、顧客を困らせるエクスペリエンス、意図、フローを特定し、修正の優先順位を付け、満足度やコンバージョンを向上させる変更を検証できます。

LLMインサイトはAdobe LLM Optimizerと連携し、AIの回答でブランドが言及または引用される場所、AIエージェントがコンテンツをクロールする頻度、競合他社と比較して優位または劣位となるプロンプトやトピックを表示します。この可視性データをCustomer Journey Analyticsに接続すると、AIソースの訪問がエンゲージメントと収益をどのように促進するかを確認でき、AI主導の検索での発見性を向上させるコンテンツと検索エンジン最適化（SEO）への投資の判断に役立ちます。

通常、チャット記録、ボットメタデータ、コンテンツ配信ネットワーク（CDN）やエッジログ、LLM Optimizerのエージェント型トラフィックやリファラルトラフィックなどのAIインタラクションとログデータを、Adobe Experience Platformの既存のデジタルおよびオフラインデータセットと組み合わせ、Customer Journey Analyticsに接続してレポートを作成します。顧客AI、Adobe Journey Optimizer、LLM OptimizerからCustomer Journey Analyticsへのネイティブなデータ共有などのオプション統合により、これらのジャーニーを予測やAI可視性指標で強化し、AIプロンプトからビジネス成果までのエンドツーエンドの分析を可能にします。