基本概念 (V4) - Quick Audience - Alibaba Cloud ドキュメントセンター

このトピックでは、Quick Audience V4 バージョンの基本概念について説明します。

用語	説明
デプロイメントが属するワークスペース。	ワークスペースと呼ばれます。 Quick Audience では、複数のスペースを作成できます。データはスペース間で分離されており、通常はブランドまたは部門の異なるセグメントに属しています。ユーザーはワークスペースに参加し、ワークスペースメンバーになることで、ブランドまたは部門に関連するビジネス運用を実行できます。
コンピューティングエンジン	コンピューティングソースは、分析オブジェクトの基礎となるデータテーブルを格納するデータベースであり、コンピューティングソースによるID マッピングによってユーザー識別とオムニチャネルデータ統合を完了します。同じ MaxCompute データベースをコンピューティングソースとして異なるスペースに追加できます。
分析ソース	コンピューティングソースで ID マッピングが完了すると、生データは後続の分析とマーケティングのために分析ソースにインポートされます。 Hologres データベース、AnalyticDB for MySQL データベース、3.0 Hologres データベース、または AnalyticDB for MySQL データベースを追加できます。
データソース	データソースは、コンピューティングソースと分析ソースの総称です。
ユーザー ID	ID と呼ばれます。 ID はユーザーの ID を示すことができます。インポートするユーザーテーブルには、少なくとも 1 つの ID フィールドが含まれている必要があります。 ID フィールドの詳細については、「Quick Audience インポートデータテーブルの要件」をご参照ください。 ID は、マーケティング、プッシュなどに使用できます。ユーザー ID は次の 4 つのカテゴリに分類されます。ユーザー ID: 基本的にユーザーを表します。第三者プラットフォームまたは企業アカウント（携帯電話番号やメールアドレスなど）を登録するときに、ユーザー ID の入力を求められる場合があります。デバイス ID: 電子デバイスの ID です。通常、IMEI、IDFA、IMSI、OAID、MAC アドレスなどのアプリケーション追跡を通じて収集されます。ユーザーにはバインドされていません。企業 ID: 企業の業務システムによってユーザーに対して生成された ID。たとえば、企業の CRM のメンバーシップ ID です。サードパーティプラットフォーム ID: サードパーティプラットフォームのユーザーの ID。たとえば、UnionID、OpenID、淘宝網 ID、淘宝網ニックネーム、Alipay ID、Weibo ID などです。ユーザー ID が Quick Audience に追加されると、ID マッピングによって一意の識別子 (QAID) が生成されます。これにより、ソースチャネルと ID タイプにわたるユーザー識別とデータプルを実装できます。
QAID	QAID は、Quick Audience によって提供される一意の ID です。システムは各ユーザーに一意の ID を割り当てます。データテーブルがコンピューティングソースから Quick Audience にインポートされるとき、または Quick Audience が報告されたイベントデータを受信するとき、システムはID マッピングを実行し、ID に基づいてユーザーを識別し（同じ ID を同じユーザーとして識別し、重複排除を実行し）、各ユーザーに QAID を割り当てます。ユーザー分析、オーディエンスフィルタリング、マーケティング配信などの後続の操作では、QAID がユーザーの一意の識別子として使用されます。他の ID タイプとタグのデータを使用またはプッシュする必要がある場合は、ユーザーのすべての ID フィールドとデータが QAID に基づいて照合されます。
タグ情報	タグは次のカテゴリに分類されます。インポートされたタグ: ユーザタグは、ユーザーの一連のディメンション特性を記録します。 Quick Audience を Quick Audience にインポートするときに、フィールドのタグエイリアスを設定してユーザーにラベルを付けることができます。後でタグを使用するときは、基本的に対応するフィールドが使用されます。カスタムタグ: インポートされたデータに基づいてタグルールをカスタマイズできます。これにより、タグルールに一致するユーザーにタグを付けることができます。次のタグをカスタマイズできます。プリファレンスタグ: ユーザー行動テーブルデータの要件および注文詳細データの要件のデータに基づいて、ユーザー数が最も多い、またはユーザー数が最も多いディメンション機能がラベル値として使用されます。たとえば、ユーザーの好みのショッピングウィンドウ、価格帯、チャネル、テーマ、カテゴリ、およびユーザーが購入した単一商品の最高価格などです。ロイヤルティタグ: タグ値は、ユーザー行動テーブルデータの要件および詳細データの要件のデータに基づいています。タグ値は、最後または最初のユーザー行動の時刻、現在の日までの日数、または累積日数に基づいています。たとえば、最後の購入/アクセス時刻または現在の日からの日数、および累積消費/アクティブ日数などです。購買力タグ: ラベル値は、ユーザー行動テーブルデータの要件および詳細データの要件に基づいています。たとえば、次の値を入力できます。昨年の累積購入金額/購入数/注文数、平均/最大/最小注文金額。ユーザーフェーズタグ: 必要とするユーザー階層ロジックに基づいてユーザーをフィルタリングします。この方法は、オーディエンスオーディエンスフィルタリングに似ています。異なる条件を満たすユーザーがフィルタリングされ、異なる階層ラベルでラベル付けされます。たとえば、合計購入金額が 1000 以上で、おいしいものが好きなユーザーは除外され、マーケティング優先度 1 のラベルが付けられます。合計購入金額が 100 から 999 の間で、グループ A に属するユーザーは除外され、マーケティング優先度 2 のラベルが付けられます。タグリストには、ユーザー属性も含まれています。
ユーザー属性	ユーザー属性は、ユーザーの基本的な情報システムを指定します。実際の値は、インポートされたユーザタグテーブルから取得されます。テーブルフィールドがユーザー属性にマッピングされている場合、ユーザー属性の値が使用されます。後で使用する場合は、マッピングされたユーザー属性のみが表示され、元のラベルは表示されなくなります。ユーザー属性とID マッピングを一緒に使用することで、ソースチャネル全体で基本的なユーザー情報システムを構築し、ユーザープロファイルの基礎を提供できます。
ユーザープロファイル	ユーザープロファイルは、ユーザー属性、タグ、プリファレンス、行動記録、購入記録、マーケティング記録などの情報から抽象化されたタグ付きユーザーモデルです。ユーザー 360 ページでは、ID マッピングによって識別されたユーザーに関する情報が集中的に表示され、便利なラベル付け機能が提供されるため、手がかり分析とアフターフォローが容易になります。
RFM モデル	RFM モデルは、R 消費間隔 (Recency)、F 消費頻度 (Frequency)、M 消費金額 (Monetary) のメトリックを使用してユーザー価値を測定します。 Quick Audience は、注文詳細データの要件と注文概要データの要件に基づいて RFM モデルを提供します。このモデルを使用して、RFM データを分析し、ユーザーをフィルタリングできます。
AIPL モデル	AIPL モデルは、ユーザーブランド関連の行動を親密度段階に分割してユーザー価値を測定する手段です。その中で、A ブランド認知 (Awareness)、I ブランドへの関心 (Interest)、P ブランド購入 (Purchase)、L ブランドロイヤルティ (Loyalty) です。また、異なる期間では、ユーザーの関連行動が異なり、親密度段階が変化する可能性があります。 Quick Audience の AIPL モデルは、Quick Audience インポートデータテーブルの要件に基づいて作成されます。 AIPL ユーザー分析、AIPL フロー分析、オーディエンスフィルタリングに使用できます。
ユーザー	Quick Audience のオーディエンスは、複数のユーザーの QAID の集合です。すべてのユーザーとは異なり、オーディエンスは、特定の目的を達成するため、または特定の条件を満たすために、すべてのユーザーからフィルタリングされた後に生成できます。オーディエンスの作成方法には、インポートされたデータテーブルから指定された条件を満たすユーザーをフィルタリングする（つまり、オーディエンスフィルタリング）、ユーザー ID リストをアップロードする、既存のグループを使用して積集合、組み合わせ、差分を計算して新しいグループを生成する、ユーザー分析、ショートメッセージ、メール、プッシュマーケティング結果、分析レポートから必要なユーザーをフィルタリングする方法があります。オーディエンスは、インサイト分析、マーケティング送信、Data Bank、Dharma Disk、または Kafka へのプッシュに使用できます。
プッシュ	特定のデータを他のチャネルに送信して、他のチャネルで保存および使用します。オーディエンスプッシュ: データをブランドデータバンク、達磨盤、Alibaba Cloud Kafka、またはオープンソース Kafka にプッシュできます。また、ソーシャルインタラクション、リテール CRM、メディア配信モジュールにデータをプッシュすることもできます。 AIPL モデルプッシュ: モデルをブランドデータバンクにプッシュできます。
自動マーケティング	自動マーケティングは、ドラッグアンドドロップキャンバス構成ツールを使用して差別化されたマーケティング戦略が策定された後に、システムによって自動的に実行されるインテリジェントなプロダクトです。
行動イベント	略してイベント。指定されたチャネルでのユーザーの特定のアクションをイベントとして定義します。チャネルは、自動マーケティングのために指定された形式でリアルタイムのイベントデータを報告します。これらには、商品の購入に関連するユーザーの行動に焦点を当てた注文イベントのクラスが含まれます。イベントデータは、分析ソースに保存できます。一般的な行動イベントはユーザー行動テーブルとして保存でき、注文イベントは注文詳細テーブルとして保存できます。これらのテーブルを使用して、ユーザーをフィルタリングしたり、RFM/AIPL モデルを生成したり、タグをカスタマイズしたりできます。