AI によるアイテムのおすすめ

カタログ内のアイテムのAI アイテム推奨を作成する方法について説明します。

AI 項目の推奨事項を使用して、最も人気のある製品を計算したり、特定の[catalog][catalog]] に対してカスタマイズされたAI 推奨事項を作成したりします。おすすめを作成したら、パーソナライゼーションを使用してメッセージに製品を挿入できます。

前提条件

開始する前に、次の作業を完了する必要があります。

• 以下に説明する推奨タイプのいずれかを使用するには、少なくとも1 つの[catalog][catalog]] が必要です。
• カタログに保存されている一意の製品ID への参照を含む、Braze (カスタムイベントまたは購入オブジェクト) の購入またはイベントデータが必要です。

AI アイテムの推奨の作成

アイテムの推奨を作成するには:

1. Analytics> AI Item Recommendation に移動します。
2. Create Prediction> AI Item Recommendationを選択します。

また、個々のカタログからレコメンドストレートを作成することもできます。Catalogsページからカタログを選択し、推奨の作成を選択します。

ステップ 1:推奨事項の詳細を追加する

おすすめに名前と説明(オプション)を付けます。

ステップ 2:おすすめを定義する

推奨タイプを選択します。すべてのレコメンドタイプは、アイテムのインタラクション(購入またはカスタムイベント) データの過去6 か月間を使用します。以下で説明するインタラクションとは、購入イベントまたはステップ3で選択されたカスタムイベントのいずれかを指します。

• 最も人気がある:カタログから最大30 個のアイテムを計算し、ワークスペース内のすべてのユーザーが最も頻繁に(最も購入された製品など) やり取りするようにします。
• 最新:ユーザが最近操作した製品のリストを最大30 個作成します。
• AI パーソナライズ:新しい種類のディープラーニングである変圧器を使用して、各ユーザーが次に対話する可能性の高い項目のセットを予測します。次の最も可能性の高い項目のうち、最も可能性が高い項目から最も可能性が低い項目までを30 個まで計算します。このタイプの推奨事項では、大規模な言語モデル(LLM) を使用して、データを他のBraze 顧客のデータと組み合わせることはありません。
• トレンド:ユーザーインタラクションに関して、直近のプラスのモメンタムを持つワークスペースから最大30 個の項目を計算します。

ステップ 2a: 事前の購入またはやり取りを除外する(オプション)

ユーザがすでに購入した、またはインタラクションしたアイテムを提案しないようにするには、ユーザが以前にとインタラクションしたアイテムを推奨しません。このオプションは、推奨Type がAI Personalized に設定されている場合にのみ使用できます。

![][2-3]

この設定により、ユーザがすでに購入または操作した項目をメッセージが再利用できなくなります。ただし、推奨が最近更新された場合に限ります。おすすめの更新間に購入された、またはやり取りされたアイテムがまだ表示される場合があります。アイテムレコメンドの無料バージョンでは、更新は毎週行われます。AI アイテム推奨のプロバージョンでは、更新は24 時間ごとに行われます。

たとえば、AIアイテムの推奨のプロバージョンを使用する場合、ユーザーが何かを購入し、その後30分以内にマーケティングメールを受信した場合、購入したばかりのアイテムは、間に合うようにメールから除外されないことがあります。ただし、24時間後に送信されるメッセージには、その項目は含まれません。

ステップ 2b: カタログを選択

まだ入力されていない場合は、[catalog][catalog] を選択します。この推奨では、アイテムを取得します。

ステップ 2c: 選択範囲の追加(オプション)

推奨事項をさらに制御したい場合は、選択を選択してカスタムフィルタを適用します。選択は、ブランド、サイズ、場所など、カタログ内の特定の列によって推奨事項をフィルタリングします。「Liquid」を含む選択は、おすすめでは使用できません。

![][2-2]

ステップ 3:推奨を駆動するインタラクションを選択します

この推奨を最適化するイベントを選択します。このイベントは通常、購入ですが、アイテムとのインタラクションも可能です。

次のために最適化できます。

• Purchase Objectのイベントを購入する
• 購入を表すカスタムイベント
• 他のアイテムインタラクションを表すカスタムイベント(製品ビュー、クリック、メディア再生など)

カスタムイベントを選択した場合は、リストからイベントを選択します。

![][3]

ステップ 4:対応するプロパティ名を選択します

おすすめを作成するには、インタラクションイベント(購入オブジェクトまたはカスタムイベント) のどのフィールドに、カタログ内のアイテムのid フィールドに一致する一意の識別子があるかをBraze に伝える必要があります。わかりませんか?要件を表示します。

Property Nameでこのフィールドを選択します。

Property Nameフィールドには、SDKからブレーズに送信されるフィールドのリストが事前に入力されます。十分なデータが提供されている場合、これらのプロパティは、正しいプロパティである確率順にランク付けされます。カタログのid フィールドに対応するものを選択します。

![][4]

要件

プロパティを選択するには、いくつかの要件があります。

• 選択したカタログのid フィールドにマップする必要があります。
• オブジェクトの購入を選択した場合:product_id またはインタラクションイベントのproperties フィールドである必要があります。
• カスタムイベントを選択した場合:カスタムイベントのproperties のフィールドである必要があります。
• ネストされたフィールドは、event_property.nested_property の形式でドット表記でProperty Name ドロップダウンに入力する必要があります。たとえば、イベントプロパティlocation 内でネストされたプロパティdistrict_name を選択する場合は、location.district_name と入力します。
• このフィールドは、1 つのイベント内の複数のカタログアイテムの配列に含めることができます。自動的に平坦化されます。

マッピングの例

以下のマッピング例は、どちらもこのサンプル・カタログを参照します。

• カスタムイベント
• 購入対象

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "events" : [
    {
      "external_id" : "user1",
      "app_id" : "your-app-id",
      "name" : "added_to_cart",
      "time" : "2024-07-16T19:20:30+01:00",
      "properties" : {
        "product_sku": "ADI-BL-7"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "ADI-BL-7",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "color": "black",
        "checkout_duration": 180,
        "size": "7",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "shoes",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "sku": "ADI-RD-8",
        "color": "red",
        "checkout_duration": 180,
        "size": "8",
        "brand": "Adidas"
      }
    }
  ]
}

ステップ 5: 推奨事項をトレーニングする

準備ができたら、推奨の作成を選択します。このプロセスは、完了までに10 分から36 時間かかることがあります。推奨事項が正常にトレーニングされるか、作成が失敗した理由の説明が表示されると、E メールの更新が表示されます。

推奨事項はPredictions ページにあり、必要に応じて編集またはアーカイブできます。推奨は、毎月1回自動的に再試行されます。

分析

おすすめの分析を表示して、ユーザがおすすめした項目とおすすめモデルの精度を確認できます。

1. Analytics> Item Recommendationに移動します。
2. リストからおすすめを選択します。

ページの上部で、精度やカバレッジなど、おすすめに関する統計を見つけることができます。

![][5]

これらのメトリックは、次の表で定義されます。

次のセクションでは、カタログ内のアイテムの内訳を2つの列に分割して示します。

• パーソナライズされたアイテムまたは最新のアイテム:この列には、カタログ内の各項目が、最も推奨されるユーザーの降順で表示されます。この列には、モデルによって各項目に割り当てられたユーザの数も表示されます。
• 最も人気のある商品この列には、カタログ内の各項目が人気の高い順に表示されます。ここでの人気とは、ユーザーがワークスペース全体で最も頻繁に操作するカタログ内の項目を指します。パーソナライズされた場合や、個々のユーザに対して最新の計算ができない場合に、フォールバックとして使用されます。

![][6]

おすすめ概要には、おすすめが最後に更新された日時など、選択したおすすめ設定の概要が表示されます。

![][7]{: style=”max-width:45%” }

メッセージングでの推奨事項の使用

![][10]{: style=”max-width:30%;float:right;margin-left:15px;”}

おすすめがトレーニングを終了したら、Liquidでメッセージをカスタマイズして、そのカタログで最も人気のある製品を挿入できます。リキッドは、メッセージコンポーザーのパーソナライゼーションウィンドウで生成できます。

1. パーソナライゼーションをサポートするメッセージコンポーザーでは、を選択してパーソナライゼーションウィンドウを開きます。
2. Personalization Type では、Item Recommendation を選択します。
3. Item Recommendation Nameの場合は、作成した推奨を選択します。
4. Number of Predicted Itemsには、挿入したい上位製品の数を入力します。たとえば、購入数の多い上位3 つのアイテムを表示できます。
5. Information to Displayでは、カタログのどのフィールドを各アイテムに含めるかを選択します。各アイテムのこれらのフィールドの値は、この推奨に関連付けられたカタログから取得されます。
6. Copyアイコンを選択し、メッセージ内の必要な場所に液体を貼り付けます。

AI 項目の推奨階層

次の表に、AI Personalized、Popular、およびTrending 推奨タイプの無償バージョンとプロバージョンの違いを示します。

^{1. これは、ユーザ固有の項目の推奨事項が更新される頻度です(ほとんどの一般的な項目を除くすべてのモデル。モデルが再試行されると更新されます)。たとえば、ユーザーがAI アイテムの推奨に基づいてアイテムを購入した場合、その推奨アイテムはこの頻度に従って更新されます 2.利用可能なレコメンドタイプは、AI パーソナライズ、最新、最も一般的、および傾向です。}

よくある質問

” 最も人気のある” 項目が他のモデルの推奨事項に混在する原因は何ですか?

推奨エンジンがリストをキュレーションすると、まず”Most lanced”または”AI Personalized”のように、選択した特定のモデルに基づいてパーソナライズされた選択が優先されます。このモデルが、何らかの理由で30の推奨事項の完全なリストを満たすことができない場合、すべてのユーザーの中で最も人気のある項目の一部が追加され、各ユーザーが常に完全な推奨事項を持っていることを確認します。

これは、いくつかの特定の条件下で発生します。

• このモデルでは、条件に一致する項目が30 個未満検出されます。
• 関連する品目は、もはや入手できず、在庫にありません。
• 品目は現在の選択基準を満たしていません。おそらく、在庫やユーザーの好みの変更によるものです。

[2-1]: /docs/ja/assets/img/item_recs_2-1.png?e8420c0735b7889b579aed7b4bd87f99 [2-2]: /docs/ja/assets/img/item_recs_2-2.png?68ca2dec544d39b26039bf34d65cbd72 [2-3]: /docs/ja/assets/img/item_recs_2-3.png?5362d9aa2d6143ae17307b3dc85be54c [3]: /docs/ja/assets/img/item_recs_3.png?bb1856995d9e9b413317414db40b05f4 [4]: /docs/ja/assets/img/item_recs_4.png?fc49688d955f5e0f241f95ee44830e1d [5]: /docs/ja/assets/img/item_recs_analytics_1.png?41a0d395740ef127b10e73260918b3d8 [6]: /docs/ja/assets/img/item_recs_analytics_2.png?f85b55000f6a461f9c644291f036b0c3 [7]: /docs/ja/assets/img/item_recs_analytics_3.png?f8e96ec0f584096dced105150ce3682f [10]: /docs/ja/assets/img/add_personalization.png?39e5072027aee76764acbc896b613777 [catalog]: /docs/ja/user_guide/personalization_and_dynamic_content/catalogs/