パーソナライゼーションエンジンは、訪問者ごとに表示内容を実際にどう決めているのか

どのパーソナライゼーションツールも、同じ名詞で自らを説明します——プロファイル、セグメント、レコメンデーション、テスト——。それなのに、唯一重要な瞬間を説明しているものはほとんどありません。訪問者がページを要求してからの数ミリ秒、エンジンがその1人に何を見せるかを決めなければならない瞬間です。それは1つの仕掛けではありません。複数の層があり、それぞれにサイト運営者が決めたルールがあり、このページにいるこの訪問者への答えは、そのすべてから同時に導き出されます。この記事では、それらの層を実際に働く順番でたどります。舞台は Personyzeです。

4つの層、1つの判断。どの枠も、サイト運営者がルールを決める場所です——どのデータを取り込み、どう重み付けし、答えをどこに届け、何を測定するか。

1. データレイヤー：エンジンが知っていること

エンジンが何も知らない訪問者については、何も判断できません。そのため最初の層は、エンジンが何をどこから集めるかです。その大半は誰も設定しなくても届きます。残りはサイト運営者の選択です。

• デフォルトのデータセット。ページ上のタグは、すべての訪問者の行動を記録します——閲覧したページと商品、サイト内検索、カートの中身と金額、滞在時間、スクロール、再訪、訪問回数、リファラーとキャンペーン、デバイス、所在地、現地の天気と時刻。これはほかのすべての層が読む土台であり、最初のページビューから有効になっています。
• サイトクローラーと自動の興味関心。Personyzeはサイトをクロールし、AIを使って各ページを実際の内容で分類します——汎用的な分類体系ではなく、あなたのサイト自身の用語で、文脈に沿って。宗教関連ギフトのカテゴリの商品を閲覧した訪問者には、閲覧量に応じた重みで「宗教関連ギフト」という興味関心が付きます。これによりエンジンは、ページが閲覧されたという事実だけでなく、そのページがその人にとって何を意味するかを理解できます。同じ興味関心が、ターゲティング、レコメンデーション、そしてオーディエンス発見にも使われます。
• 連携。オンボーディングの際に、すでにお持ちのものを接続します。CRMとESP（HubSpot、Salesforce、Klaviyo、ActiveCampaignなど）、CDPやタグマネージャー、商品やコンテンツのフィード、そしてAPI経由の独自イベントです。それぞれがプロファイルの属性となり、ルールやモデルで使えます——一覧は連携のページをご覧ください。
• アカウントデータ。B2Bサイトでは、リバースIPルックアップで匿名訪問の背後にある企業——業種、規模、社名——を特定し、名指しのアカウントリストを使えば、 アカウントベースマーケティングのキャンペーンで、ターゲットアカウントを最初のページから別扱いにできます。
• 申告データとアイデンティティ。フォーム、ログイン、メールのクリックによって、セッションとデバイスが1人の人物に結び付けられます。そのため、先週ノートPCでエンジンが学んだことが、今日スマートフォンでも活かされます。

この層の要点は選択です。エンジンがどのデータグループを使ってよいかは一連のスイッチで決まり、レポートには、実際にどのグループが判断を支えたかが示されます。

2. プロファイル：1人の訪問者に1つのレコード——そしてここまでの訪問

リクエスト時の順序。まずプロファイルを読み、オーディエンスとモデルが判断し、答えを表示し、結果を次のリクエストのために書き戻します。

リクエストの時点で、エンジンは誰が要求しているかを特定し、統合された1つのレコードを読みます。上で述べた行動、クローラーが割り当てた興味関心、CRMのフィールド、企業、訪問者が属するリスト——そして何より、今回の訪問で何をしたかです。「業務用」と検索し、6つの商品を閲覧し、カートを放棄したばかりの訪問者は、5分前に到着した人とは別人であり、下のすべての層は、昨夜の状態ではなく、今の状態のプロファイルを読みます。

だからこそルールは業種が金融に等しい、かつ閲覧した商品が6件以上と書くことができ、一方の事実がZoomInfoから、もう一方が現在のセッションから来ていても気にする必要がありません。

3. ターゲティング：この訪問者は今、誰なのか

プロファイルがそろうと、エンジンはターゲティングルールを評価します——スナップショットに対してではなく、訪問のたびにリアルタイムで。このステップには3種類のオーディエンスが使われます：

• あなたが書いたルール。プロファイルの任意の属性に対する条件を、AND、OR、NOTで組み合わせたものです。これが、多くのチームが知っている行動ターゲティングです。カート放棄者、リピーターのVIP、有料広告からの初回訪問、ターゲットアカウントリストに載っている企業などです。
• インポートまたは作成したリスト。CRMのエクスポート、フィード、過去のキャンペーンから得た特定の人物のリストで、スケジュールに沿って更新され、サイト上だけでなく、メール、プッシュ、オフラインのキャンペーンにも使えます。
• エンジンが発見したオーディエンス。週に1回——または「今すぐ実行」を押したときに——オーディエンス発見がアカウント自身の訪問者データを読み取り、平均よりはるかに高い頻度で成果に到達する訪問者を表す短いルールを見つけ、そのルールが一度も見ていない訪問者で改めて検証します。見つかったものはそれぞれカードとして表示され、ワンクリックでターゲティングに使うことも、任意のキャンペーンの「発見されたオーディエンス」カテゴリから選ぶことも、リストにすることも、自分のオーディエンスにコピーすることもできます。

発見されたオーディエンスは、手書きのルールと同じようにターゲティングのステップに加わります。訪問者ごと、リクエストごとに評価されるリアルタイムの条件です。サンプルアカウント。

どの種類であっても、オーディエンスとは、このリクエストでこの訪問者についてエンジンが投げかける問いです。セッションの途中でしきい値を超えた訪問者は、次のページですぐにそのオーディエンスに入ります。

4. レコメンデーションモデル：何を見せ、運営者がどう舵を取るか

レコメンデーションは、判断の中にあるもう1つの判断です。商品ページのウィジェット、カート内の帯、記事の下の「次に読む」ブロック、メール内の商品グリッドは、それぞれこの瞬間のこの訪問者に向けてアイテムを並べるモデルを実行します——そしてそのモデルは1つのアルゴリズムではなく、サイト運営者が管理する設定のもとで組み合わせた、複数のアルゴリズムの選択です。

アルゴリズムはページごとに選びます。起点が変わるからです。商品ページでは表示中の商品、トップページでは最近閲覧したアイテム、カートではカートの中身。サンプルアカウント。

• アルゴリズム。訪問者の興味関心と似た訪問者の行動に基づくパーソナライズされた選択。人気、トレンド、ベストセラー（訪問者が直前に見ていたカテゴリに絞ることも可能）。閲覧中の商品やカート内の商品を起点にした「一緒に閲覧」「一緒に購入」、アップセル。最近閲覧した商品や再入荷といった訪問者の履歴。新着や値下げといったカタログのイベント。そして自分で定義するカスタムアルゴリズム。すべての種類は レコメンデーションエンジンのページをご覧ください。
• 運営者の設定。サイトのビジネスロジックが置かれるのはここです。パブリッシャーはプロモーションやスポンサーのコンテンツの重みを上げられます。小売業者はカテゴリを押し上げ、在庫切れや購入済みの商品を除外し、価格帯に上限を設け、特定の商品を1番目に固定できます。アルゴリズムごとの重みが組み合わせを決め、フィルターが表示してよいものを決めます。
• オーディエンスごと。同じウィジェットでも、オーディエンスごとに異なるロジックを実行できます——リピーターの購入者にはコーディネート提案、初回訪問者にはベストセラー——ターゲティングのステップで、相手が誰かがすでにわかっているからです。
• 訪問に応じて調整。このセッションの興味関心は、すぐに並び順を変えます。1つのカテゴリで3つのアイテムを見たばかりの訪問者には、今いるページを離れる前から、そのカテゴリの重みが上がって表示されます。

5. テストと最適化：どのバリエーションを、誰に

キャンペーンが実験であれば、割り当てはここで行われます。Personyzeはオーディエンスごとに割り当て、オーディエンスごとに結論を出します。それが オーディエンス起点のA/Bテストと、サイト全体で行うテストとの違いです。あるバリエーションがリピーターの購入者では勝ち、初回訪問者では負けることがあり、エンジンは前者のグループにはそれを採用しつつ、後者に対するテストを続けられます。多変量テストは複数の要素について同じことを同時に行い、レコメンデーションアルゴリズム同士も、同じ設置場所で、クリックではなくセッションあたりの売上で比較テストできます。

環境も重要です。キャンペーンはステージングで作成してプレビューし、準備ができたら公開し、トラフィックの割合で分割します。そうすれば新しいアイデアを、全員に展開する前に一部で試せます。数字がそろえば、勝者が自動的にトラフィックを引き継ぎます。

6. 表示：誰も気づかないほど速く

ここで初めて何かが表示されます。選ばれたアクションは、自社サイト上のタグを通じてページ内に表示されるほか、サーバーサイドでは ダイナミックランディングページ上に、メールでは開封の瞬間に、プッシュ通知として、チャットのスレッド内に、自社のスタック向けにはAPI経由で、あるいはイベントセンダーが対応する12の送信先（Meta、TikTok、Google Analyticsなど）へのイベントとして届きます——そして、ここまでの流れ全体が、ページの読み込みより速く完了しなければなりません。バッチ処理を待つものは何もありません。発見の裏にある分析は数日前に実行され、リストは夜間に更新され、判断そのものはリクエスト時にライブプロファイルから計算されます。

7. 学習：何が返ってくるか

最後の層が最初の層に情報を戻します。すべてのインプレッション、クリック、コンバージョンはプロファイルに書き戻され、次のリクエストで訪問者が該当する条件が変わります。キャンペーンレポートは、キャンペーン単位だけでなく、オーディエンス、アクション、アルゴリズム、バリエーションごとに結果を示すので、「効果はあったのか」という問いに、表示したグループごとの答えが出ます。勝者は採用され、アルゴリズムは成果に応じて重み付けされます。

エンジンが自ら見つけたものにも、同じ誠実さが適用されます。予測リフトと実現リフトは別々に表示され、ファネルでは、どのオーディエンスが作成され、中身が入り、実際に使われたかがカウントされます。サンプルアカウント。

層が重要な理由

テストツールから出発したベンダーは5番目の層から始める傾向があり、レコメンデーションウィジェットから出発したベンダーは4番目の層から始めます。どちらも後からプロファイルを付け足すため、その「フルスタック」を1つのシステムとして動かすには連携プロジェクトが必要になります。データから始めること——デフォルトで収集し、クローラーで意味を理解し、連携で拡張すること——こそが、その後のすべての層を低コストにします。ターゲティングルールも、レコメンデーションの組み合わせも、テストも、レポートも、すべて同じプロファイルを読み、サイト運営者はそのすべてでルールを決められます。

• パーソナライゼーションプラットフォーム——1つのプロファイル、1つのエンジン、あらゆる施策。
• 行動ターゲティング——ルール、トリガー、チャネル。
• レコメンデーションエンジン——アルゴリズムと、それを制御する設定。
• オーディエンス起点のA/Bテスト——オーディエンスごとの割り当てと結論。
• オーディエンス発見——エンジンが自社データの中から見つけるオーディエンス。
• デモを予約——ご自身のページで、判断が下される様子をご覧ください。