統合モデリング | Adobe Marketing Campaign Analytics | アドビ
View this page in English (US).Continue
.

Adobe Marketing Campaign Analyticsの機能

統合モデリング

すべてのマーケティングデータを連携し、特許出願中の技術によってマーケティングミックスモデリングとマルチタッチアトリビューションを統合。自社でコントロールできる単一のモデルで、全チャネルの増分効果を一貫したパフォーマンスの視点から測定できます。

データ基盤とガバナンス

Adobe CX Analyticsのデータ基盤でマーケティングデータを接続・統合・管理し、すべてのモデルに必要な完全な情報を提供します。

  • データインジェストサービス。 広告、コマース、CRM、データベースプラットフォームから有料・自社・獲得データを豊富なインテグレーションとAPIを通じて取り込み、到着後すぐに分析できる状態にします。
  • 有料メディアインテグレーション。 事前構築済みのコネクタにより、対応する有料メディアプラットフォームからキャンペーンと支出データを自動同期。設定作業を繰り返すことなく、レポートを常に最新の状態に保ちます。
  • ビジネスコンテキストと要因。 株価変動や失業率などの外部要因と、価格変更、プロモーション、ブランド認知度調査などの内部要因を追加することで、それらの影響をマーケティングの効果から切り分けることができます。
  • データハーモナイゼーション。 複数のソースにまたがるデータフィールド、チャネル、タッチポイントを整合させ、各チームが同じ基準で結果を解釈できるようにします。
  • データガバナンス。 Adobe Experience Platformのデータガバナンスを活用して機密データにラベルを付け、利用ポリシーとロールベースの権限を設定し、ポリシー違反が試みられた際にアラートを受け取ることができます。
マーケティングチャネル結果の製品内画面
双方向転送を使用してデータを入力する2つのチャート

統合測定フレームワーク

集計データとイベントレベルの測定を1つの因果AIモデルに統合し、チャネルミックス全体から個々のタッチポイントまで一元的に把握できます。

  • マーケティングミックスモデリング。 集計データをもとに各チャネルの成果への貢献度を把握。オフラインチャネルにも対応し、プライバシーを重視したアプローチで分析を行います。
  • マルチタッチアトリビューション。 ラストタッチアトリビューションを超え、CX Analytics全体のイベントレベルデータへのネイティブアクセスにより、カスタマージャーニー全体における各タッチポイントの増分効果を可視化します。
  • 乗法回帰モデル。 クロスチャネルの相乗効果から収益逓減まで、チャネル間の相互作用を捉え、チャネルROIと予算予測がミックス全体のパフォーマンスを正確に反映するようにします。
  • 事前情報。 過去のモデリング結果や独立した調査から得た知識を加えることで、モデルのキャリブレーションを支援し、結果の安定性を高めます。
  • フルファネル測定。 ブランド認知などのファネル上部の目標とその後のコンバージョンを同時にモデル化することで、需要を創出する施策がその後の売上に与える貢献を正しく評価できます。

オンデマンドモデル設定

ビジネス目標に合わせてモデルをカスタマイズし、継続的に改善することで、規模が拡大しても予測精度を維持できます。

  • モデル管理。セルフサービスのワークフローでモデルの作成、トレーニング、スコアリング、公開を一括して行い、ビジネスニーズや市場環境の変化に合わせて継続的に管理できます。
  • モデルの前提条件。各モデルに含めるタッチポイント、期間、要因を選択し、繰り越し効果、飽和度、季節性の処理方法を調整することで、実際の市場状況を反映したモデルに仕上げられます。
  • モデルのバリエーション。同じデータと設定を再利用しながら、売上、販売数、リードなど異なる成果を反映した個別のモデルバージョンを作成できます。
  • スピードと俊敏性。必要なときはいつでもモデルの再実行、再トレーニング、再スコアリングが可能で、データ作業をやり直すことなく新しい地域やビジネス領域を追加できます。
モデル評価結果

モデルの透明性

モデルの結果に基づいてアクションを起こす前に、各モデルがデータにどれだけ適合しているかを確認しておきましょう。リーダーシップから問われた際にも、数値をすぐに提示できます。

  • 実績値vs.予測値。実績値、予測値、残差を並べて表示し、モデルが適合している箇所と乖離している箇所を一目で把握できます。
  • 適合指標。R²、MAPE、RMSEを1つの画面で確認できます。データサイエンティストがモデルの適合性評価に使用する標準的な指標です。
  • トレーニング適合メトリクス:モデルが履歴データからどの程度学習できているかを示すトレーニング適合メトリクスをレビューし、結果に依存する前にモデルの安定性と適合性を評価することができます。

統合モデリング機能の使い方を学ぶ

Adobe Experience Leagueでは、ドキュメント、チュートリアル、ユーザーガイドなど、様々な学習コンテンツを利用できます。

詳細を見る

Adobe Marketing Campaign Analyticsがお客様のビジネスにどのように役立つのかをご案内します。

導入のご相談

チャネル貢献度の結果と将来の予算配分に関するAIレコメンデーションを確認するマーケター