オーディエンスルックアライクモデリング¶
テンプレートについて¶
オーディエンスルックアライクモデリングテンプレートを使用すると、最も収益性の高い既存の顧客に似た、新しい高価値の顧客を見つけて、ターゲットにすることができます。安全なSnowflakeデータクリーンルーム内でカスタム機械学習モデルを採用することで、マーケティング活動を大幅に強化することができます。このプロセスは、 シードオーディエンス （優良顧客の厳選リスト）を特定することから始まります。次に、テンプレートはこのシードオーディエンス固有の特性と行動を分析して、予測モデルを構築します。このモデルはその後、さらに大きな母集団の評価に使用され、データプロファイルに基づいて、製品やサービスに最も関心がありそうな個人を特定します。データクリーンルームを使用することで、基礎となるrawデータを公開または共有することなく、この優れた分析をパートナーと連携して行うことができ、すべての関係者のプライバシーとセキュリティが保証されます。プライバシーに準拠した方法で複数のデータソースからのインサイトを組み合わせることで、より豊かで正確なモデリングが可能になります。
シードオーディエンスを指定し、特徴を選択して、ルックアライクモデルをトレーニングします。必要に応じてブースティングラウンドや外れ値の除外を調整し、モデルのパフォーマンスを最適化することができます。このモデルは、シードオーディエンスの特徴についてトレーニングされ、その後、より大きな母集団を評価するために使用され、コンバージョンにつながる可能性が最も高い個人を特定します。
主なユースケース¶
顧客の獲得： 最も価値のある既存の顧客に類似した新しい顧客を見つけます。
ROI の向上： 製品やサービスに関心がある可能性の高いユーザーをターゲットにすることで、マーケティングキャンペーンの投資対効果を改善します。
市場リーチの拡大： 以前は考慮していなかった可能性のある、新しい市場セグメントを発見します。
パーソナライズされた広告： より関連性の高いパーソナライズされた広告体験をターゲットオーディエンスに提供します。
ワークブックとテンプレートを入手する¶
ワークブックをダウンロードし、同じ組織および同じクラウドホスティング環境で2つの個別のSnowflakeアカウントにそれらをインストールします。これらのノートブックは、使用および変更できる在庫予測テンプレートを使ってクリーンルームを作成し、実行する方法を示しています。テンプレートには UI フォームが含まれているため、コードまたはクリーンルーム UI のいずれかでクリーンルームを実行できます。この例では、コンシューマーが分析を実行し、オプションで結果をプロバイダーのアカウントに対してアクティブ化することができます。
サンプルデータを含むテンプレートを試すには、まずプロバイダーアカウントとコンシューマーアカウントの両方でサンプルデータジェネレーターを実行し、クリーンルームで使用するサンプルデータを生成します。
Pythonサンプルデータテーブルジェネレーターをダウンロードします。これを実行して、コンシューマーおよびプロバイダーノートブックのサンプルデータとして使用できるデータを生成します。