ユースケース:よりスマートなターゲティングでサブスクリプションのアップグレードを予測する

この例では、ある架空のブランドがBraze予測イベントを使用して、プロ会員へのアップグレードのようなビジネスにとって重要な成果を定義し、成果を向上させるターゲット戦略を構築する方法を示している。

例えば、ジョーダンが無料と有料の健康・フィットネスアプリ、ステッピングトンのライフサイクル・ストラテジストだとしよう。ジョーダンのチームには、無料ユーザー群全体に割引メッセージを浴びせることなく、プロプランのアップグレードを増やすという目標がある。現在、無料ユーザーには7日後に “Try Pro for 50% off “のプロモが送られる。コンバージョン（7日間で約5％）を促進する一方で、過剰なアウトリーチ（いずれにせよアップグレードする可能性が高いユーザーを割り引くなど）を行う結果にもなっている。

ターゲティングを改善し、メッセージングの疲労を軽減するために、ジョーダンは予測イベントを使用して、ユーザーが今後7日以内にProにアップグレードする可能性をモデル化する。彼はカスタムイベントを定義する：upgraded_to_proそしてそれを予測モデルのトレーニングに使い、ユーザーをスマートでアクション指向のグループにセグメンテーションする。

このチュートリアルでは、ジョーダンの作成方法を説明する：

• upgraded_to_pro 7日以内の予測モデル
• 少ないメッセージ数でコンバージョンを増やすセグメンテーション

ステップ 1: アップグレードの予測モデルを作る

ジョーダンは、アップグレード戦略にとって最も重要な結果を定義することから始める。彼は、「登録からの時間」のような一般的なトリガーに頼るのではなく、実際にコンバージョンしそうなユーザーを予測したいと考えている。こうすることで、彼のチームは単なる思い込みではなく、実際のシグナルに基づいて行動することができる。

1. ダッシュボードで、ジョーダンは「分析」＞「予測分析」に進む。
2. 彼は新しいイベント予測を作成し、”7日後にプロにアップグレード “と名付けた。
3. ターゲットイベントとして、彼はカスタムイベントupgraded_to_pro を選択した。
4. ジョーダンは予測ウィンドウを7日に設定し、更新スケジュールを設定し、予測を作成する。

予測の定義、ウィンドウ、オーディエンス、更新スケジュールを示す予測設定。](/docs/ja/assets/img/ai_use_cases/prediction_settings.png?f25209f7875e7c8c66aea485fc1cbe43)

ステップ 2: アップグレードの可能性に基づいてユーザーをセグメンテーションする。

トレーニング終了後、Brazeは対象となる各ユーザーにイベント可能性スコア（0～100）を割り当てる。ジョーダンはこのスコアを使って、アクション可能なセグメンテーションを作成する。1つは割引を必要としないであろうハイインテントユーザー、もう1つはサポートなしではコンバージョンしないであろうユーザーだ。

1. ジョーダンはBrazeのセグメンテーションにナビゲートする。
2. 彼はイベント尤度スコアフィルターを使って2つのセグメンテーションを作成し、作成した予測を選択する。つのセグメンテーションである：
   • アップグレードの可能性が高い：70点以上
   • アップグレードの後押しが必要だ：40点以上70点未満

!イベント尤度スコア用の2つのフィルターを備えたセグメンテーション・ビルダー。

ステップ 3: メッセージングを意図レベルでパーソナライズさせる

ジョーダンは、アップグレードの意図を明確に示すシグナルを手に入れ、ユーザー行動に基づいてサブグループを絞り込み、各ユーザーが必要とするものに適応するメッセージング戦略を構築した。画一的なブラストはもういらない。

彼はこのキャンペーンの主要チャネルとしてメールを選んでいる。なぜでしょう？なぜならジョーダンは、高い意向を持つユーザーにはProの価値を説明し、躊躇しているユーザーには説得力のある事例を作りたいと考えているからだ。メールであれば、ユーザーにプレッシャーを与えることなく、柔軟にそれを行うことができ、クリック行動を通じてパフォーマンスを追跡することができる。

ジョーダンは今作ったセグメンテーションに基づいて、体験を分割するキャンバスを作る。彼はターゲットにオーディエンスパスのステップを追加する：

• 高い意向を持つフィットネス重視のユーザー
• 高い意図、他のユーザー
• 低意向のフィットネス重視ユーザー
• 意図が低い、他のユーザー

キャンバス・オーディエンス・パスには、インテント・タイプごとに4つのパスがある。](/docs/ja/assets/img/ai_use_cases/canvas_paths_by_intent.png?39543b753a83b24c70579e2cbbec73d3)

彼はまた、キャンバスコンバージョンイベントをカスタムイベントupgraded_to_pro に設定し、Brazeがユーザーがフローを進むにつれてアップグレードコンバージョンを自動的に追跡するようにしている。

パスごとのメッセージ例

• high intent, fitness
• high intent, other
• low intent, fitness
• low intent, other

ステップ 4: 結果を測定し、戦略を最適化する

キャンペーン実施後、ジョーダンはパーソナライズされたパスのパフォーマンスをキャンバスアナリティクスで検証し、予測意図を行動シグナルと組み合わせることでアップグレード率が向上したかどうかを把握した。

パス別のメールパフォーマンス：

• 高い意思、フィットネス
  • 開封率:34%
  • クリック率である：20%
  • コンバージョン率:13%
  • 割引は適用されない
• 高い意図、その他
  • 開封率:30%
  • クリック率である：17%
  • コンバージョン率:11%
  • 割引は適用されない
• 低い意思、フィットネス
  • 開封率:27%
  • クリック率である：12%
  • コンバージョン率:8%
  • 50％オフキャンペーンを含む
• 低意向、その他
  • 開封率:23%
  • クリック率である：9%
  • コンバージョン率:6%
  • 50％オフキャンペーンを含む

チームが以前行っていた画一的なキャンペーン（7日後に一律割引を行ったところ、コンバージョンがわずか5％にとどまり、過剰なメッセージングが行われた）と比べると、ターゲットを絞ったアプローチでは、すべてのグループにわたって意味のあるリフトが見られ、効率が改善され、不必要な割引が減った。

また、ファネルレポートでは、特にパーソナライズされたメッセージを受け取った低インテントのユーザーにおいて、主要ステップでの離脱が明らかに減少している。より多くのユーザーが開封し、クリックし、アップグレードしていることが、意図ベースのターゲティングの価値を証明している。

ジョーダンはこれらのインサイトを活用している：

• 件名とCTAフレーズのABテストを行う
• 中途入団ユーザーの割引基準を見直す
• コンテンツの閲覧やアプリ機能の利用など、追加的な行動に基づいてセグメンテーションを絞り込む。

予測イベントとレイヤーセグメンテーションによって、彼のチームは、ユーザーの意図と行動に基づいてメッセージングを適応させる拡張性のある戦略を持つようになった。