15 以上のデータ ソースにわたるリアルタイムの ID 解決。大規模なプロファイル管理から得た教訓。
アイデンティティは他のすべての基礎となるものです
AI エージェントが何かを決定する前に、AI エージェントは誰のために決定しているのかを知る必要があります。アイデンティティの解決、つまり個人の多くのタッチポイントを 1 つの耐久性のあるプロファイルに統合することは、リテンション ループ全体の地味な基盤です。誤解を招くと、すべての下流側の決定がエラーを引き継ぎます。間違った顧客が間違ったメッセージを受け取り、ポイントが間違ったアカウントに付与され、信頼を築くはずのパーソナライゼーションが静かに信頼を損ないます。
小規模であれば、アイデンティティは簡単に感じられます。 15 を超えるデータ ソースにわたる 2 億以上のメンバーの規模では、これはスタック内で最も困難なエンジニアリング上の問題の 1 つとなり、正しく解決する価値のある問題となります。
教訓 1: 一晩ではなくリアルタイムで解決する
マーケティングをカレンダーに基づいて実行する場合、バッチ ID 解決 (夜間のジョブでプロファイルを調整する) は許容されました。エージェントがライブインテントに基づいて決定を下すことは受け入れられません。昼食時に店内で商品を購入し、その夜にアプリを開いた顧客は、明日の朝ではなく、すぐにシステムにアクセスできる 1 人になるはずです。
リアルタイム解決により、動作の速度でループを閉じることができます。店内 POS イベントとオンライン アクティビティが発生時に単一のプロファイルにマージされると、決定ノードは古いスナップショットではなく現実を処理します。行動と認識の間にラグがあると、関連性が失われます。
教訓 2: 情報源が増えることは特徴であると同時に欠点でもある
15 を超えるソースから取得すると、より豊富なプロファイルが得られますが、新しいソースごとに、アイデンティティの衝突や断片化の可能性が倍増します。同じ人物がゲスト チェックアウト、ロイヤルティ メンバー、アプリ ログイン、およびサービス チケットとして表示されますが、これらの 2 つが誤って結合されたり、誤って分割されたりする可能性があります。重要な規律は保守的なマッチングです。エンリッチメントについては積極的であり、マージについては慎重であり、信頼性については明示的です。
不適切なマージのコストは非対称です。 1 人の人物を 2 つのプロフィールに分割すると、関連性がある程度失われます。 2 人を 1 人に統合すると、顧客間で個人データが公開される可能性があります。大規模な場合は、一般的な障害だけでなく、コストのかかる障害も考慮して設計します。
教訓 3: プライバシーとアイデンティティは同じ問題である
信号損失の世界では、ファーストパーティ ID の価値がさらに高まり、同時に機密性も高まります。 Apple のアプリ追跡の透明性は、メタに 1 年間で約 100 億ドルのコストをもたらしたと推定されています (メタ投資家ガイダンス)。これは、サードパーティのシグナルに基づいて構築された ID は脆弱であり、同意されたファーストパーティの関係に基づいて構築された ID は耐久性があることを思い出させます。大規模な解決策では、同意、データの保存場所、アクセスを後付けではなく第一級のインプットとして扱う必要があります。
正しく行えば、これは利点になります。独自のデータに基づいてアイデンティティを明確に解決できるブランドは、ルールを変更し続けるプラットフォームに依存しません。彼らの基盤は彼らのものです。
このスケールが理論的ではなく証明可能な理由
これらのレッスンは抽象的なものではありません。 McDonald's China プログラムは、2 億人以上の会員でこのような決意に基づいて運営されており、そのビジネス成果は劇的でした。18 か月以内に会員の GMV は全体の 5% から 85% に増加し、平均購入頻度は 5.1 から 6.7 に増加しました (リピート GMV は 37% 増)。これらはいずれも、顧客が使用するすべてのチャネルにわたってリアルタイムに保持される ID なしでは不可能です。
解決策は、Capture ノードがそのジョブを十分に実行し、その後のすべてが機能することです。不安定なアイデンティティに基づいて構築されたループは、エラーを悪化させます。クリーンなアイデンティティに基づいて構築されたループは、価値を複合させます。
基礎を築き、その上にさらに構築する
プロファイルがチャネル間で断片化している場合、エージェントの賢いロジックをいくら駆使してもエクスペリエンスを節約することはできません。基盤を最初に構築する必要があります。良いニュースは、ID は大規模に解決可能であり、それを正しく取得すると、下流のすべてのノードのロックが解除されるということです。
私たちはこれを数億人の会員規模で実行してきました。デモを予約すると、ソースが単一のライブ プロファイルにどのように解決されるか、現在の断片化がどこにコストをもたらしているか、ループの残りの部分を構築する前にパイロットで基礎を証明する方法について説明します。
関連情報
このページに最も関連するページを引き続き探索してください。
北米のマーテックが電子メール時代から受け継いだもの — そしてエージェント時代が融合を強いる理由
2 つの小売テクノロジーの伝統は、世界の反対側でさまざまな問題を解決して成長しました。どれも本当に素晴らしいです。自律エージェントは、両方を同時に必要とする最初のものです。
続きを読む 記事マーテックが忘れていたラストマイル: プラットフォームがダッシュボードで止まる理由
スタックがダッシュボードで停止するのは、監視ではなく設計によるものです。ユーザーが洞察を読んで行動を起こすことを前提としています。エージェントの時代は、その仮定が真実でなくなる瞬間です。
続きを読む 記事CDP が不十分な理由: エージェント保持ループのケース
CDP はデータの統合を解決しました。しかし、AI 主導のアクションのない統合データは、単なる高価なデータ ウェアハウスです。そのギャップは、エージェント保持ループ (以前のカスタマー インテリジェンス プラットフォーム) によって埋められます。
続きを読む 記事Azure ネイティブの利点: ループにとってインフラストラクチャが重要な理由
MACC 対象の請求、Azure OpenAI、およびエンタープライズ セキュリティ。クラウドネイティブ アーキテクチャはビジネス上のメリットをもたらします。
続きを読む 記事パイプラインはループではありません: なぜ「蓄積」だけが保持を複雑にするのか
ほとんどのマーテックは一方向のパイプラインを実行し、それをループと呼びます。違いは 1 つのノード (ライトバック) であり、それがコピーできるスタックとコピーできない利点の違いです。
続きを読む 記事AI 用 SaaS: ソフトウェアの主ユーザーが個人ではなくエージェントである場合
「AI のための SaaS」は、スローガンではなく、正確なアーキテクチャ上の主張です。エージェントが主要な消費者である場合、製品はガバナンスになります。誰が、誰に代わって、どのような費用で行動できるかということです。
続きを読む