しかし今では、その多くがチャットウィンドウの中で行われるようになっています。ユーザーは問題を説明し、追加の質問をし、選択肢を絞り込んでいきます。検索結果ページを一度も目にしない場合もあります。

ChatGPTのFreeプランとGoプランを利用する対象ユーザーへの広告表示が始まったことで、マーケターは、ユーザーが意思決定を行っているまさにそのタイミングでアプローチできる新たな接点を得ることになりました。

検索広告は、ユーザーが積極的に何かを探しているタイミングで広告を表示することの価値をマーケターに教えてくれました。会話型の情報探索は、その同じ瞬間に、これまでとは異なる体験をもたらします。

旅行を計画している人を想像してみてください。その人は予算を伝え、同行者について説明し、どのような休暇が自分に合うかを検討していきます。関連性の高い広告は、その人に検討すべき新たな選択肢を提示します。

やがて会話は終わりますが、カスタマージャーニーは続いていきます。実際の予約は貴社のサイトで行われます。例えば、購入手続きを進めたものの、2日後に戻ってくるかもしれません。あるいは、ブラウザセッションがとっくに終了した後、予約システム上で取引が確定する場合もあります。

他の閉鎖的なエコシステムと同様に、ChatGPT Ads（ChatGPT広告）【英語・外部サイト】でもクリック後に何が起きたかを把握するには、企業からのシグナルが必要となります。

そこで重要になるのが計測です。それらの訪問が予約、購入、もしくはリードの獲得につながったかどうかを把握しなければ、投資額を決めることはできません。

2つの経路、単一のイベント

ChatGPT Ads Pixel（ChatGPT広告ピクセル）は、商品の閲覧、リード、チェックアウト、購入など、ウェブサイト上のアクションを発生したその瞬間に捕捉します。これにより、チームは迅速に計測を開始でき、ファーストパーティクッキーを使用して広告アトリビューションIDを保持します。

これによりサードパーティCookieへの依存を減らせますが、ブラウザでの計測には依然として限界があります。広告ブロッカーやセッションの中断によって、計測データに抜けが生じる可能性があります。また、ウェブサイトに設置したピクセルでは、バックエンドシステム内だけで完結するトランザクションを捕捉することはできません。

ChatGPT広告のコンバージョンAPI（CAPI）は、こうしたギャップを補完するのに役立ちます。CAPIは、コンバージョンイベントをサーバーサイドで直接送信する経路を提供するため、ブラウザで捕捉できなかった購入であっても、バックエンドで確認された購入を報告することが可能です。

両機能を組み合わせることで、より完全な全体像を把握できます。重要なのは、両方の経路で、何が起きたかについて認識を一致させることです。

同一の購入が両方の経路を経由した場合でも、共通のイベントIDを使用することでChatGPT広告はその購入を1件のコンバージョンとして認識できます。この連携がなければ、購入が二重にカウントされ、実際よりもチャネルの成果が高く見えてしまう恐れがあります。

Tealiumは現在、両方に対応しています

TealiumはChatGPT広告ピクセルおよびCAPIに対応しており、すでにお客様がサーバーサイドコネクタを利用し、タグマネジメントを通じてピクセルを導入しています。

Tealium Tag Managementを通じて、チームは既存のデータレイヤー、イベントマッピング、ロードルールを使用してChatGPT広告ピクセルを導入できます。このタグはTealiumの同意状態を尊重し、同意が拒否されている場合は実行されません。

サーバーサイドでは、TealiumがChatGPT広告CAPIにイベントを送信します。チームはコンバージョンイベントをマッピングし、トランザクションの詳細を含め、対応するIDシグナルのうち共有するものを制御できます。

すでにTealiumで購入イベントが定義されている場合は、それを活用して導入を進めることができます。その設定を活用し、ブラウザでのトリガー設定、バックエンドでの確認処理との連携、そして両経路間でのイベントIDの整合性確保を行うことができます。同意およびデータ共有のルールも、両方の経路に適用されるようにする必要があります。

新しいチャネルを追加する際は、すでに実施済みのデータ関連の作業を基盤として進めるべきです。

既存の計測基盤を活用する

Tealiumはこれまで、広告主がMeta、Google、Amazon、LinkedInなどのプラットフォームとファーストパーティのコンバージョンデータを連携できるよう支援してきました。これらの連携において、一貫性のあるイベントの送信、配信の信頼性確保、そして共有データの適切な制御といった共通する実務上の課題が常に生じています。

私たちはその経験をChatGPT広告にも活かし、このチャネルが発展していく中でOpenAIと協力できることを楽しみにしています。

人々が貴社のブランドや商品を見つける方法は、今後も変化し続けるでしょう。マーケターには、その変化に合わせて対応できる柔軟性と、投資が成果につながっているかを把握するためのデータが必要です。

今のうちに計測環境を整えておくことで、このチャネルから知見を得て、自社の戦略においてどのような位置付けにするべきかを判断できるようになります。

The post 情報探索の新たな入り口が開かれます。ChatGPT Ads PixelとCAPIのご紹介 appeared first on Tealium JA.

それは当然の流れです。自然言語がソフトウェアの新たなインターフェースになりつつあり、人々は目的を実現するために十数もの画面をクリックして作業を進めるのではなく、自分の要望を言葉で説明できるようになることをますます期待するようになっています。

しかし、業界はより大きな問いに答える必要があります。

あらゆるソフトウェアが、そうした作業のすべてを行う場所になる必要があるのか？

私はそうは思いません。

むしろ、より重要な変化は反対方向に起きているものと考えています。

エンタープライズAIの未来は、選択肢によって形づくられるでしょう。製品に直接組み込まれたエージェントを使いたい場合もあるでしょう。また、すでに利用しているAIアシスタントやエージェント型環境に、その製品の操作を代行させたい場合もあるでしょう。

その違いこそが、Tealiumのエージェント型機能における最新の拡張の核心です。

AIエージェントは、既存のスタックと連携できるべきです

Tealiumは、1年以上にわたり、MCPを介して信頼できる顧客コンテキストにアクセスする仕組みをサポートしてきました。これによりAIシステムは、適切に管理された顧客データをエージェント型体験の一部として活用できるようになります。

Configuration MCPの登場により、その連携はさらに進化します。

AIエージェントは、Tealiumのデータを利用するだけでなく、Tealium自体で作業できるようになりました。チームはMCPに対応したAIツールを使い、オーディエンス、属性、エンリッチメント、アクティベーションワークフローといったTealiumの設定を作成および変更できるようになります。

例えば、マーケターが普段利用しているAIアシスタントを活用して、キャンペーンのアイデアを検討している場面を想像してみてください。オーディエンスを検討し、戦略を練り上げ、メッセージングの内容を検討し、どの顧客にリーチしたいかを決定します。

その段階で、CDPでオーディエンスを作成するためだけに作業を中断し、別のAIインターフェースを開き、改めて問題の全容を説明して、コンテキストを再構築する必要はないはずです。

Tealiumでそのオーディエンスを構築して、と指示するだけで済むはずです。

Configuration MCPがそれを可能にします。

生成された設定は、エージェントとの会話の中に限定されません。提案された変更は公開前に検証・レビューされ、承認された設定は、チームの他のメンバーもTealium内で確認・編集できます。

AIは、エージェントの利用者にしか理解できないような孤立した運用モデルを生み出すことなく、業務を加速できます。

目標は、キャンペーンプロセス全体を掌握することではありません

今日のマーケティングテクノロジーでは、AIをプラットフォームの適用範囲を拡大する新たな口実として利用しようとする傾向が見られます。

マーケターがAIを使ってキャンペーンのアイデアを出しているなら、CDPがキャンペーン企画書も管理すべきかもしれません。

それから、キャンペーン計画立案。

その次に、クリエイティブの開発。

さらに承認。

そしてプロジェクト管理も。

どこまで広がるのでしょうか？

このような作業環境を求める顧客もいるでしょう。その点において、ネイティブなエージェント型インターフェースは重要な役割を果たすことになります。だからこそ、当社はTealium Studioを構築しました。Tealium Studioは、チームがそうした作業環境を求める場合、自然言語を用いてTealiumで直接作業する手段を提供します。

しかし、それは必須条件ではなく、選択肢であるべきです。

ほとんどのエンタープライズ企業のマーケティング組織は、すでに複数のシステムを横断して業務を行っています。戦略立案はある場所で行われ、コラボレーションは別の場所で行われ、クリエイティブの開発はまた別の場所で行われます。顧客データはデータウェアハウスとCDPにまたがって格納されています。アクティベーションは、広告、メッセージング、営業、エクスペリエンスプラットフォームを通して行われます。

そして、これらのワークフローは今後も変化し続けるでしょう。

今日企業が好んで使っているエージェントやインターフェースが、2年後も同じように選ばれるとは限りません。

キャンペーン計画のプロセス全体を自社で管理しようとすることは、ベンダーが顧客のワークフローがどこから始まり、どこで終わるべきかを把握していることを前提としています。

より柔軟な戦略は、すでに業務が行われている場所ならどこでも、プラットフォームを操作できるようにすることです。

エージェント型の柔軟性は、アーキテクチャ上の意思決定です

だからこそ、私はマーケティングテクノロジーに別のチャットボットを追加するよりも、MCPの方が重要だと考えています。

独自のアシスタントは、以下のように提案します。

当社の製品でAIを利用するなら、こちらへどうぞ。

一方、オープンなエージェント型アーキテクチャは、以下のように提案します。

当社のAI体験を利用することもできますし、すでにお使いのエージェントを持ち込むことも可能です。

緊密に統合され、豊富なコンテキストを備え、プラットフォーム専用に構築されたネイティブエージェントを求めるチームもあります。

一方で、複数のシステムにまたがる幅広いAI環境を活用して、洗練されたワークフローを構築するチームもあります。

開発者はAPIやConfiguration as Codeを求めるかもしれません。

マーケティングチームは会話型インターフェースを求めるかもしれません。

AIエージェントは、それらすべてにまたがって動作する必要があるかもしれません。

重要なのは、それらすべてが、基盤にある同じガバナンスの効いたプラットフォーム上で動作することです。

これこそが、Tealiumがエージェント機能をより広範に展開する戦略の核心です。具体的には、外部AIエージェント向けのConfiguration MCP、ネイティブなエージェント体験を提供するTealium Studio、プログラムによるワークフローのためのPlatform APIとDeveloper Portal、そして、既存の顧客データから、チームが新たな機会を見つけ出すのを支援するAI Recommended Audiencesなどが挙げられます。

所有よりも統合が重要になる

次世代のエンタープライズソフトウェアは、最大規模のAIインターフェースを擁しているから選ばれるのではありません。人やエージェントの既存の業務のあり方に自然に適合するからこそ、選ばれるのです。

つまり顧客に、ネイティブエージェント、API、自動化、または企業が標準採用しているAIアシスタントなど、様々な手段を選べるようにするということです。

基盤となるソフトウェアは、その上にどのようなインターフェースが実装されようとも、依然として有用でなければなりません。

この点は、ワークフローが単一のアプリケーション内で完結することのなかったマーケティングテクノロジーの領域において、重要な意味を持ちます。キャンペーンは、チーム、システム、データソース、代理店、チャネル、テクノロジーをまたいで展開されます。

今後選ばれるプラットフォームは、そのプロセス全体を自らの管理下に置こうとするものではないでしょう。

必要とされるあらゆる場面で、柔軟に関与できるプラットフォームこそが選ばれるのです。

これこそが、エージェント型の柔軟性の真の意味です。つまり、マーケターに新たな作業場所を強いるのではなく、マーケターが業務を行う場所ならどこでも機能するプラットフォームです。

The post エージェント型のマーケティングテクノロジーの未来は、さらなる囲い込みではなく、選択肢にある appeared first on Tealium JA.

これはモデルの問題ではありません。個々の回答は、どれも申し分のないものになり得ます。しかし、そのコンテキストを捉え、次回のやり取りで利用できるようにならない限り、そのやり取りで得られたものは何も引き継がれません。これが、一度きりのAI応答と顧客向けAIシステムの違いです。

TealiumとAnthropicは、連携してこのギャップを埋めます。Tealiumは、リアルタイムの顧客コンテキスト、ID、同意、およびアクティベーションレイヤーを提供します。Claudeは推論レイヤーを提供します。両者が連携することで、あらゆるやり取りの内容を次回のやり取りに反映することができる、クローズドループ型のアーキテクチャを構築できます。

AIによる応答からAIシステムへの移行

多くの組織が、アシスタント、サービス体験、デジタルコマースを強化するために、大規模言語モデルの活用を試みています。しかし、モデルを直接呼び出すだけでは、つながりのある顧客体験を提供するには不十分です。顧客向けのAIには、単なる推論以上の機能が必要です。リアルタイムのコンテキストへのアクセスと、その結果を顧客プロファイルに書き戻す仕組みが不可欠です。それこそが、クローズドループシステムを他と異なるものにしている特徴なのです。

クローズドループでは、次の処理が行われます。

• モデルは意思決定を行う前に、現在の顧客コンテキストを受け取ります。
• その意思決定の結果が、ファーストパーティデータとして取得されます。
• 更新されたプロファイルは、下流システムでのアクションをトリガーできます。
• 将来のやり取りは、より完全な記録に基づいて開始されます。

その結果、やり取りを重ねるごとに、より適切で有益なAI体験が実現します。

アーキテクチャの仕組み

データは、TealiumとAnthropicの間を双方向に移動します。そして、各ステップを積み重ねながらループを形成します。

アウトバウンド：リアルタイムの顧客コンテキストをClaudeに送信

アウトバウンドとは、Tealiumからモデルへデータが送信されることです。これには2つの方法があります。Claudeは、TealiumのマネージドMCPサーバーを通して、リアルタイムの顧客コンテキストを取得できます。これにより、モデルは推論時に、属性、オーディエンス、指標、アフィニティ、その他の関連シグナルといった、ライブのプロファイルデータにアクセスできます。また、Tealiumからデータをプッシュすることもできます。イベントが発生したり、顧客がオーディエンスに追加されたりすると、Tealiumは適切なコンテキストを組み立て、意思決定のためにそれをClaudeへ送信します。

いずれにしても、モデルは孤立した状態で推論するのではなく、顧客の現在の状態を踏まえて推論するようになります。適切な意思決定には、適切なコンテキストが不可欠です。サービス担当者は、顧客の状況と直近の行動履歴を把握している必要があります。ショッピングアシスタントは、顧客の嗜好、最近の行動、ロイヤルティシグナルを把握している必要があります。デジタル体験は、企業やブランドがすでに把握している顧客情報を反映したものでなければなりません。

インバウンド：Claudeの意思決定をファーストパーティデータとして戻す

インバウンドとは、Tealiumにデータが戻ってくることです。Claudeは、構造化された意思決定の結果を返します。それは、感情傾向、意図、製品レコメンデーション、次善のアクションなどです。結果は構造化されているため、Tealiumはそれを単一のアプリケーションフロー内に閉じ込めるのではなく、ファーストパーティデータとして顧客プロファイルに直接書き戻すことができます。

書き戻しループ：推論を記憶に変える

書き戻しとは、システムをその場限りの一過性の処理から、価値が積み上がっていくシステムへと進化させるステップです。Claudeの出力がプロファイルの一部として組み込まれると、それをセグメンテーション、パーソナライゼーション、配信抑制、オーケストレーションに活用できるようになります。そして次にClaudeが呼び出されたときには、より充実した最新の記録状態から処理を開始できます。

例：
Claudeが読み取る情報
{loyalty_tier: gold;
last_3_categories: running, recovery, active wear}

その後、Claudeは製品を推奨し、last_ai_recommendationとinferred_intent: {replacement_gear}をプロファイルに書き戻します。その結果、一般的な割引メールの配信が抑制されます。

外部向けの体験では、コンテキストの品質が、画一的に感じられる体験と、インテリジェントに感じられる体験との違いを決定づけます。クローズドループアーキテクチャにより、企業やブランドは単なる会話だけにとどまらず、より広範な顧客システムと連携したAI体験を提供できるようになります。

1. より適切なパーソナライゼーション

モデルがライブの顧客コンテキストにアクセスできれば、プロンプトに入力された内容だけでなく、その時点での顧客の状況を反映した応答や推奨事項を生成できます。

これにより、以下の品質を高めることができます。

• おすすめ商品
• ガイド付きショッピング体験
• 顧客ロイヤルティに応じたメッセージ配信
• パーソナライズされたコンテンツとオファー

2. より良いサービス体験

カスタマーサービスAIは、顧客がジャーニーのどの段階にいるのか、これまでに何が起きたのか、そしてどの結果を次のステップに反映すべきかを理解できると、より有用なものになります。Tealiumがこれらの成果を収集・蓄積することで、チャネルや時間をまたいだサービス対応の一貫性が向上します。

3. チャネルを横断したよりスマートなオーケストレーション

AIの価値は、AIが何を提示するかだけにあるのではありません。その価値は、企業がその成果を活用して何ができるかにあります。モデルの出力がプロファイルに書き戻されることで、企業やブランドはそれらのシグナルを活用して、ペイドメディア、CRM、サポート、デジタルチャネルにわたる下流の体験をトリガーできます。これにより、モデルの出力は単なる情報ではなく、業務で活用できるものになります。

活用例

ブランドコンシェルジュ

顧客は小売サイトのデジタルアシスタントを利用します。ClaudeはTealiumからロイヤルティステータス、嗜好、最近の行動履歴を取得してレコメンデーションを生成し、Tealiumはその結果を保存します。保存された結果は、将来のパーソナライゼーションやフォローアップ施策に活用できます。

サービスエージェント支援

サポート体験では、顧客プロファイルのコンテキストとジャーニーのシグナルを活用して、顧客の意図や次に取るべき最適なアクションを推測します。その結果はTealiumに書き戻され、将来のサービスフローや配信抑制ロジックの形成に役立てられます。

エージェンティックコマース

AIを搭載したコマースエージェントが、顧客による製品の比較検討や購入の完了までを支援します。そのやり取りの結果をプロファイルに書き戻すことで、将来の体験において、顧客が検討、選択、購入した内容が考慮されるようになります。

Tealiumの役割が重要な理由

顧客向けAIの長期的な価値は、モデルにアクセスできることだけから生まれるのではありません。モデルを取り巻くシステムから生まれるのです。Tealiumは、AIの出力をビジネス全体で永続的に活用できるようにするための以下の機能を提供します。

• リアルタイムの顧客データ収集
• ID解決
• 同意を考慮したデータ処理
• プロファイルのエンリッチメント
• オーディエンスロジック
• 下流システムでのアクティベーション

この基盤は、企業やブランドが単発的なAIの実験にとどまらず、ガバナンスが効いた、相互に連携した、顧客向けAIシステムへと移行するのを支援します。

より重要となるポイント

モデルの処理速度が向上し、コストが低下するにつれて、推論そのものは差別化要因ではなくなります。あらゆる企業やブランドも、高性能なモデルを呼び出せるようになります。競合他社が真似することができないもの、それが「顧客の記憶」です。つまり、モデルに提供するリアルタイムのコンテキストと、あらゆるやり取りを通じて蓄積される成果のことです。これこそが、TealiumとAnthropicの間に構築されるクローズドループです。

コンテキストによって回答が明確に変わる活用シーンを1つ選びます。その活用シーンのループを閉じます。冒頭の例で言えば、そうすることで、土曜日に再訪した顧客は、木曜日のやり取りを記憶しているシステムと対話することができるようになります。

The post TealiumとAnthropicで、時間とともに賢くなる顧客向けAIを構築する appeared first on Tealium JA.

こうしたバズワードの背後にあるアーキテクチャ上の違いは、1つの問いに集約されます。それは、プロファイルが取得された時、それが顧客の最新のイベントを反映したものなのか、それとも最新のデータウェアハウスとの同期結果に過ぎないのか、ということです。

どちらのアーキテクチャも、ミリ秒単位でプロファイルを返すことは可能です。しかし、それは両方のプロファイルが同じ鮮度を持つという意味ではありません。

データウェアハウスの処理ペースに合わせて動作するコンポーザブルCDP：数分または数時間で十分な場合

コンポーザブルCDPのモデルでも、データウェアハウスは引き続き記録管理システムとしての役割を果たします。顧客プロファイルは、データウェアハウスの処理間隔に応じて更新されます。15分ごと、30分ごと、1時間ごと、あるいはそれ以上の間隔になる場合もあります。

パーソナライゼーションAPIはそれらのプロファイルを迅速に取得できるかもしれませんが、返される情報のほとんどは、依然としてデータウェアハウス側の最新の更新時点データであり、必ずしも顧客の直近のクリックやインタラクションを反映しているとは限りません。

このモデルは、次のような場合に効果を発揮します。

• 意思決定の猶予時間が数分または数時間単位である場合。
• 電子メールやSMSキャンペーンの送信前にオーディエンスをエンリッチする場合。
• ポータルやアカウント体験を、主に長期的な顧客属性を使ってパーソナライズする場合。
• AI部門や分析部門が、データウェアハウスで既にモデル化されている特徴量を利用する場合

こうした活用シーンでは、データウェアハウス主導型のコンポーザブルなアプローチが効率的な解決策となり得ます。このアプローチは、強力なガバナンスを提供するとともに、企業がすでにデータウェアハウスに投じた投資を効果的に活用することができます。

イベント駆動型のCDP：現在のセッションが重要な場合

次の意思決定が顧客の直前の行動に左右される場合、要件は変わります。

ストリーミング型のリアルタイムCDPでは、条件に該当する各イベントが発生するたびに、リアルタイムの行動に依存する顧客プロファイルの項目が更新されます。これには、オーディエンス、カウンター、セッション属性、IDステータス、イベント駆動型のスコアなどが含まれます。

この違いは、次のような活用シーンにおいて重要となります。

• セッション中のWebやアプリでのパーソナライゼーションにおいて、次のページ、オファー、またはコンポーネントは顧客の最新のクリックを反映する必要がある。
• 訪問者のプロファイルがデータウェアハウス上で確立されていない段階で行う、最初のページや匿名状態でのパーソナライゼーション。
• セッション中の、未知から既知へのIDスティッチングにより、ログイン前の行動をログイン直後の体験にすぐに反映。
• アクティブなセッション中に行うカートの回復、オファーの抑制、または次善のアクションの決定。
• 現在のインタラクションのコンテキストを必要とするチャットボット、AIアシスタント、およびコンタクトセンターのオペレーター。

このような場合、属性が存在することや、APIが低レイテンシでその属性を返すだけでは不十分です。この属性は最新のイベント後に再計算されたものでしょうか。それとも、前回のデータウェアハウスでの処理時点のスナップショットを依然として反映しているのでしょうか。

もし答えが、顧客がたった今行ったことを反映している必要がある場合、その活用シーンには真のリアルタイムなプロファイル鮮度が求められます。

リアルタイムの取得は、リアルタイムのプロファイルとは異なります

2つのAPIが、どちらもミリ秒単位で顧客データを返すことがあります。しかし、一方が前回のデータウェアハウス同期時に作成されたプロファイルのスナップショットを返すのに対し、もう一方は数秒前に発生したイベントによって更新されたプロファイルの状態を返す可能性があります。

導入を検討する企業が検証すべき違いは以下の通りです。

• APIのレイテンシは、回答がどれほど速く届くかを示す。
• プロファイルの鮮度は、その回答がどの時点の情報を反映しているかを示す。

同一セッションのコンポーザブルパターンでは、受信したイベントによって特定のオーディエンスフラグが更新される場合があります。しかし、顧客生涯価値、解約傾向、その他のデータウェアハウスでモデル化された値などの関連属性は、依然としてデータウェアハウスの直近の更新を反映している可能性があります。

ストリーミングモデルでは、条件を満たすイベントにより、次の意思決定が行われる前に、イベントに依存するプロファイル情報を更新できます。

例えば、以下のことが可能です。

• オーディエンスをイベントごとに再評価。
• pages_in_session、cart_value_now、last_product_viewedなどのセッション属性を最新の状態に維持。
• カウンターや意図シグナルに最新の行動を反映。
• ライブジャーニー中に、匿名のアクティビティを既知のIDに紐付け。

データウェアハウス由来の属性は、依然として独自のモデリングサイクルに従う可能性があります。ストリーミングプロファイルの利点は、そうした永続的な属性を、秒単位で更新される行動およびセッションのコンテキストと組み合わせることができる点にあります。

バッチ処理によるアクティベーションの場合、この違いはそれほど重要ではないかもしれません。しかし、その場で意思決定を行うAIアシスタント、パーソナライゼーションエンジン、サービスアプリケーションにとっては、その結果として提供される体験が適切なものになるか、それともすでに陳腐化したものになってしまうかを左右する要因となります。

多くの組織がハイブリッドアーキテクチャを選ぶ理由

多くの企業は、完全にデータウェアハウス中心の構成にするか、従来のCDPに全面的に依存する構成の二者択一は望んでいません。

企業には、活用シーンに応じた異なるレベルのデータ鮮度が必要です。

• モデル化された要件、履歴データに基づく要件、キャンペーン指向の要件に対応する、データウェアハウスの処理ペースに合わせたアクティベーション。
• セッション内およびAI駆動型の体験に対応する、リアルタイムのストリーミングプロファイル。
• 戦略が変更されるたびに企業がプラットフォームを刷新することなく、両方のパターンをサポートできるオーケストレーションレイヤー。

ハイブリッドアーキテクチャでは、以下の点が重要となります。

• データウェアハウスは、顧客の履歴、分析モデル、ガバナンスに関する永続的な記録システムとして機能する。
• リアルタイムレイヤーは、現在のセッションコンテキストとイベント発生直後の最新のプロファイル情報を維持する。
• チームは、すべての要件を同じアーキテクチャに押し込むのではなく、活用シーンごとに適した鮮度のモデルを選択できる。

エージェンティックAI、コンタクトセンターの機能拡張、AIアシスタントを通した購入などが、実験段階から本番環境へ移行するにつれて、こうした柔軟性はますます重要になります。

こうした体験を実現するには、昨日の、あるいは直近1時間の顧客データに迅速にアクセスできるだけでは不十分です。顧客が今何をしているのかを理解する必要があります。

チーム向けの簡易チェックリスト

アーキテクチャの選定前に、以下の項目について確認してみましょう。

• 顧客の直前の行動に基づいて、現在のセッション中に重要な体験を変更する必要がありますか？
• 匿名の訪問者がデータウェアハウスに登録される前に、パーソナライズされた対応を行う必要がありますか？
• 顧客がログインして自分を識別した直後の体験に、ログイン前の行動を反映する必要がありますか？
• サービス担当者やAIアシスタントは、直近数分間のアクティビティやクリックの履歴を確認する必要がありますか？
• イベント発生直後に、抑制、回復、次善のアクションに関する決定を変更する必要がありますか？
• 自社のアーキテクチャは、データウェアハウス主導の活用シーンと、真にイベント駆動型の活用シーンを明確に区別することはできますか？

複数の質問への答えが「はい」となった場合、ハイブリッドモデルの方がより柔軟かつ堅牢な選択肢となる可能性が高いでしょう。データウェアハウスを永続的な信頼できる情報源として維持しつつ、顧客の最新のインタラクションを反映する必要がある意思決定のために、リアルタイムのプロファイルレイヤーを追加する構成です。

最終的な判断基準はシンプルです。

プロファイルを取得したとき、それは最後の同期時点のデータなのか、それとも最後のイベント時点のデータなのか？

データウェアハウスを記録システムとして維持しつつ、次の顧客体験が顧客の直前の行動に左右される場合は、最後に同期されたスナップショットに依存しないようにしてください。

The post コンポーザブルCDPとハイブリッドCDP：リアルタイムパーソナライゼーションに適したアーキテクチャの選び方 appeared first on Tealium JA.

DatabricksのCustomerLake発表が重要である理由は、既に市場が進んでいる方向性を裏付けているからです。つまり、顧客データ、ガバナンス、ID、AIインテリジェンスの重心がデータクラウドへと移行しており、CDPは単体ののアプリケーションではなく、アーキテクチャ上のレイヤーになりつつあるということです。

この転換は重要ですが、カスタマージャーニーにおける運用上のニーズがなくなる訳ではありません。企業には依然として、ガバナンスが適用され同意を得た顧客データの収集から始まり、プラットフォーム間の相互運用性を維持し、クラウドベースのインテリジェンスをビジネス全体にわたってリアルタイムのオーディエンス、意思決定、およびアクティベーションへと変換する中立的なレイヤーが必要です。

ここにTealiumの真価があります。Tealiumは、SnowflakeやDatabricks、その他のクラウドプラットフォームを含むより広範なデータクラウドエコシステムとの間に位置する、中立的な運用レイヤーとして位置づけられるべきです。データクラウドは、データの重力、エンタープライズガバナンス、そしてAI処理がますます集約される場所です。一方Tealiumは、同意、ID、リアルタイムのオーケストレーション、AIを活用したオーディエンス管理、マーケティングアクティベーションを通して、そのインテリジェンスをその瞬間に活用可能にするレイヤーです。

Snowflakeにとって、このメッセージは特に説得力があります。Snowflakeはガバナンスの効いた信頼できる唯一の情報源およびAIインテリジェンスレイヤーとしての役割を維持しつつ、Tealiumがそのインテリジェンスをカスタマージャーニー全体で運用できるようにします。Tealiumは上流工程で、同意に基づいたデータ収集から始まり、リアルタイムにクリーンな顧客データをSnowflakeに供給します。さらに下流工程へと展開し、Snowflakeのインサイトを、チャネルやパートナーを横断したオーディエンスの構築、パーソナライゼーション、およびアクティベーションへと変換します。

このモデルでは、顧客はクラウドの標準化と最適なツールの組み合わせによる実行かの、二者択一を迫られることはありません。ガバナンス、AI、データの重力をクラウドに維持しつつ、Tealiumを、幅広いエコシステム内のさまざまな宛先やパートナーをつなぐ相互運用可能なエンゲージメントレイヤーとして活用できます。これこそが、「自社開発か購入か」あるいは「オールインワンか最適なツールの組み合わせか」という議論に対する現実的な答えです。すなわち、中核にはガバナンス、エッジには柔軟性、そして強制的な特定のベンダーへの依存を排除することです。

さらに重要な点は、AIのインテリジェンスだけでは不十分だということです。価値が創出されるのは、そのインテリジェンスが、同意に基づいたデータ収集、リアルタイムの顧客コンテキスト、そして実際のアクションとが結びついた場合のみです。データクラウドがエンタープライズAIの理想的なプラットフォームとなるにつれ、Tealiumは、マーケティング、サービス、コマース、パートナーのエコシステム全体において、それらのモデル、エージェント、オーディエンスを責任を持ってリアルタイムに活用できるようにする運用システムとなります。

したがって、DatabricksがCDPの議論に参入したことは、市場の方向性を裏付けるものであると同時に、Tealiumの重要性を下げるどころか、むしろ高めるものと言えます。最終的に勝者となるのは、クラウド規模のデータおよびAIを、データ収集の統制、クラウドの連携、カスタマージャーニー全体を通してインテリジェンスをアクティベートさせる中立的な運用レイヤーを組み合わせることができる企業です。それこそが、Tealiumの果たすべき役割です。

The post DatabricksのCustomerLake発表により、むしろTealiumの重要性が高まる理由 appeared first on Tealium JA.

シリーズの第3回。前回の記事はこちら：「デュシャンがコンテキストウィンドウについて見抜いていたこと」および「AIデータレイヤーとは何か？」。

モデルは応答し、エージェントは行動します。

これは短い一文ですが、その意味するところは大きい。そして、今回の記事が扱うのはまさにこの変化です。AIの世界は、もはやチャットインターフェースや質疑応答のやり取りだけにとどまりません。Geminiは検索画面内で決済を完了させます。ChatGPTのOperator機能は、ブラウザを開き、ショッピングカートに商品を追加します。AnthropicのModel Context Protocolは、Claudeが外部システムとの読み書きを可能にします。GoogleのUniversal Commerce Protocolは、あらゆるエージェントがあらゆる加盟店と取引を行う方法を標準化します。Salesforceの報告によれば、2025年のホリデー商戦における小売の20％は、すでにAIエージェントの影響を受けていたということです。エージェントの時代は、これから到来するのではありません。すでに到来しており、急速に拡大し、その基盤となるインフラに求められる役割を変えつつあるのです。

私は3つの記事を通して、コンテキストこそが応用AIにおける決定的な変数であり、現代のAIシステムにコンテキストを供給するコンテキスト基盤は、真の次世代データレイヤー、すなわちAIデータレイヤーであり、初期のアナリティクスデータレイヤーからユニバーサルデータレイヤー、そして現在、業界でCDPと呼ばれるカスタマーデータレイヤーに至る軌跡の延長線上にあると論じてきました。こうした移行の一つひとつにおいて、Tealiumはそのカテゴリーを定義するレイヤーを構築してきた企業です。エージェントへの移行では、そのインフラの重要性は格段に高まります。なぜなら、誤ったコンテキストがもたらす結果は、もはや不自然な出力にとどまらず、意図しない行動、例えば、予約の成立、払い戻しの処理、設定の更新、交渉の完了となるからです。

現在、コンテキスト基盤が果たすべき役割は、以下の4つの変化によって定義されます。これらの変化は互いに関連し合い、エージェントが行う業務にコンテキストが追従し続けるとは、どういうことかを包括的に示します。

最初の変化は、コンテキストが継続的になることです。質疑応答モデルは、コンテキストウィンドウを受け取り、出力を生成し、そして次の呼び出しでは概ね白紙の状態から始まります。しかし、エージェントはそのようには動作しません。エージェントはセッション全体にわたって動作します。数分間にわたることもあれば、数日間にわたることもあります。あるいは、多数の小さな意思決定を調整する長期実行プロセスとして動作することもあります。例えば、ステップ17でエージェントが保持するコンテキストは、ステップ1から16で決定した内容に部分的に依存しています。CDPの時代は、プロファイルが読み取られたその瞬間の正確性を最適化していました。エージェントの時代が求めるのは、より高度なことです。プロファイルはエージェントの業務の全過程を通して一貫性を保ち、周囲の世界が変化すれば更新され、各ステップでその進化する状況の適切な断片をエージェントに提供しなければならないのです。継続的なコンテキストは、ある時点のコンテキストを高速化したものではありません。それは別のエンジニアリング上の課題です。

2つ目の変化は、エージェントがシグナルを生成し、そのシグナルをプロファイルに戻さなければならないことです。例えば、エージェントによるフライトの予約、返品の申請、設定の更新、あるいは顧客に代わって別のエージェントとの交渉などは、その行動自体が顧客イベントとなります。同じエージェントによるものか、別のエージェントによるものかにかかわらず、次の意思決定は、その行動が発生したことを認識している必要があるため、そのシグナルはプロファイルに反映されなければなりません。エージェントが生成するシグナルは、顧客が生成するシグナルとは異なる来歴を持ち、インフラはその違いを捉えなければなりません。顧客が取った行動と、エージェントが顧客に代わって取った行動はたとえ結果が同じであっても、アーキテクチャ的には同一ではありません。これがうまく機能すれば、好循環が生まれます。つまり、エージェントのあらゆる行動がコンテキストを豊かにし、それによって次のエージェントのアクションがより良いものになるのです。うまく機能しなければ、ノイズが累積されてしまいます。どちらの結果になるかは、アーキテクチャによって決まります。

3つ目の変化は、エージェントが次に何をしてよいかを判断するための権限情報も、処理の各段階で常に一緒に受け渡されなければならないことです。顧客がエージェントにフライトを予約してと依頼した際、顧客が許可したのは、セッションの開始時に一度だけ保存される固定的な事実ではありません。それは、特定の行動には適用され、他の行動には適用されない、特定のデータには適用され、他のデータには適用されない、特定の期間には適用され、他の期間には適用されないという条件なのです。エージェントが処理を進めるにあたり、その次の行動を制御する権限も、エージェントと共に移動しなければなりません。つまり、あらゆる段階で利用でき、リアルタイムに評価でき、顧客の意図が変わった瞬間に取り消すことができなければなりません。エージェント時代における同意とは、記録上のフラグではありません。それは顧客やエージェントと共に移動する生きたシグナルであり、そのシグナルを動かし続けるのがAIデータレイヤーなのです。権限を静的なものとして扱う組織では、ある瞬間には許可された意思決定を行っていたエージェントが、次の瞬間には許可されていない意思決定を行うことになるでしょう。一方、権限をコンテキストとして扱う組織では、信頼こそが自社ブランドの最も永続的な資産となることに気づくでしょう。

4つ目の変化は、前回の記事でも紹介した、顧客、コンテキストレイヤー、AI、行動といったアーキテクチャパターンが閉じたループを形成しなければならないことです。レスポンシブAIの世界では、このパターンはおおむね線形です。つまり、コンテキストがモデルに流入し、回答が出力されてサイクルが完了します。一方、エージェントの世界では、AIが取った行動によって現実世界に新たな状態が生み出されます。それを観測、取り込み、統制し、次の意思決定で利用できるようにする必要があります。AIデータレイヤーは、単なるパイプラインではなく、閉ループへと進化します。本格的にCDPを構築してきた企業であれば、その構成要素の大部分はすでに揃っています。変わるのは、そのレイヤーの目的、ループをどれだけ厳密に閉じる必要があるか、そしてシステム全体がコンテキストをどれだけ継続的に最新の状態に保たなければならないかということです。

これこそが、Tealiumが3世代にわたるデータレイヤーの構築を通して目指してきたものです。当社はユニバーサルデータレイヤーを構築し、ベンダーに依存しないデジタルイベントの記述をスタック全体で共有するための標準を確立しました。また、カスタマーデータレイヤーを構築し、リアルタイムでID解決を行い、同意を取得した顧客プロファイルを、マーケティングおよびエクスペリエンス技術の10年にわたる運用基盤としました。現在構築しているAIデータレイヤーは、継続的なコンテキスト、双方向のエージェントシグナル、動的な権限、そしてクローズドループアーキテクチャを単一のレイヤーに統合するものです。また、エージェントエコシステムがそのレイヤーにアクセスできるようにする接続基盤もすでに整備済みです。これには、エージェントが責任を持って行動するために必要な顧客コンテキストに、標準化され、同意に基づいた方法でアクセスできるようにする、マネージドModel Context Protocol（モデルコンテキストプロトコル）サーバーも含まれています。

正直に申し上げると、Tealiumを含め、エージェントコンテキストの問題を完全に解決したベンダーは存在しません。私が言えるのは、当社が協働する企業のうち、この分野で最も進んでいる企業には共通の傾向が見られます。それらの企業は、エージェント時代によって急務となる前から、顧客データインフラを戦略的なものとして捉えていました。彼らは、ID、同意、オーケストレーションといった機能が主にマーケティングの向上に役立つ段階であった頃から、それらに投資していました。そして今、それらの投資こそがエージェントにとってまさに必要とされるものであり、適応させるための新たな作業も比較的少なくて済むことに気づき始めています。3世代にわたるデータレイヤーは、結局のところ単一のアーキテクチャの軌跡であることが判明しており、その道筋を意図的に歩んできた企業こそが、今まさに到来しつつある変化に対して最も有利な立場にあるのです。

これまでのシリーズの各記事は、インフラについて論じてきました。それが何であり、なぜ重要であり、何を担わなければならないのかについてです。インフラは前提条件です。しかし、目的地ではありません。

本シリーズの最終回では、インフラが整備された後に何が可能になるのかについて掘り下げていきたいと思います。顧客像が非常に詳細かつ最新であるため、企業は顧客とのジャーニーを実行に移す前にシミュレーションを行うことができます。顧客にとっては、まるで一つのシームレスな体験であるかのように感じられる方法で、エージェントが顧客に代わって他のエージェントと連携します。顧客レコードを管理することから、顧客とのやり取りを重ねるごとに有用性が高まる顧客像の維持へと移行します。その一部はすでに始まっています。一部はまだ先の話です。しかし、そのすべてが、多くの人が考えているよりも近いところまで来ています。

それが、私が次に書きたい記事です。

The post コンテキストも歩調を合わせなければならない appeared first on Tealium JA.

前回の記事で私は、コンテキストこそが応用AIにおける決定的な変数であり、芸術家たちが何世紀にもわたって同じ問題に向き合ってきたと論じました。本記事では、その議論を前提として、さらに難しい問いを投げかけます。もしコンテキストが制約であるならば、実際にそれを生み出すインフラのレイヤーとは何なのでしょうか。

その答えは、既存のプラットフォームに新機能を追加することではありません。それは新たなレイヤーです。そして、それを最も明確に理解するには、これまでのレイヤーを振り返るのが一番です。

当初、データレイヤーなど存在しませんでした。タグやトラッキングの呼び出しは、ページのコードから直接実行されていました。新しいツールを導入するたびに、新たな開発サイクルが必要でした。これは初期のウェブの規模では機能していましたが、本格的なデジタル計測の第一波に直面すると、その仕組みを維持することはできませんでした。

最初に登場した体系的な対応策が、アナリティクス・データレイヤーでした。これは、ページ上に配置され、あらゆるアナリティクスツールが読み取れる標準化されたオブジェクトです。Google Tag ManagerのdataLayerは、その直接的な後継にあたります。これは、起きていることに関するデータを、それを必要とするツールから分離すべきだと、初めて明確に示したものでした。今振り返れば、ささやかなアイデアですが、デジタル計測の規模拡大のあり方を根本から変えました。

次の転換点はユニバーサルデータレイヤー（UDL）であり、ここからTealiumの物語が始まります。UDLはアナリティクスレイヤーをベンダー中立的なものへと一般化しました。つまり、ページ上やセッション内で起きていることを単一の標準的な記述にまとめ、それを下流のあらゆるツールに供給できるようにしたのです。Tealiumがこの分野を切り拓き、W3Cは標準化を試みました。その原理は単純で、今振り返れば自明のことでした。データモデルは、それを利用するツールから独立しているべきだということです。

その後、対象範囲が拡大しました。顧客はもはやウェブページだけに留まらなくなりました。彼らは、デバイス、セッション、アプリ、コールセンター、店舗、そしてチャネルをまたいで行動するようになったのです。UDLは、その瞬間に起きたイベントを記述するものであり、時間をまたいだ顧客の行動を記述することはできませんでした。そこで登場したのが、カスタマーデータレイヤー、つまり現在業界でCDPと呼ばれているものです。Tealiumもこのレイヤーを構築しました。なぜオーケストレーションがストレージよりも重要なのか、そして、顧客データを単なるマーケティングツールではなく戦略的なインフラとして扱ってきた組織が、その後も優位性を積み重ねてきた理由については、別の記事で詳しく述べています。

CDPの時代は終わっていません。そのインフラは、その後に続くすべてのものを支えるプラットフォームです。しかし、そのインフラの主な利用者は変化しつつあります。あるレイヤーの主な利用者が変われば、そのレイヤー自体も利用者に合わせて変わらなければなりません。

次のレイヤーは、推論時のレイテンシーで動作し、現実に影響を及ぼすモデル、エージェント、自動意思決定などのAIシステムにデータを供給するレイヤーです。私は最近の記事の多くで、このレイヤーについて折に触れて述べてきました。それは、コンテキストレイヤー、セマンティックレイヤー、AI対応データストリームです。ここでは、このレイヤーに適切な名称を付与したいと思います。なぜなら、名称がないがゆえに、企業はAIが実際に必要とするインフラを、CDPにいくつかのコネクタを追加したもの、として扱い続け、それを前提に構築してしまうからです。これは、スマートフォンを電卓と呼ぶのとほぼ同じようなアーキテクチャ上の問題です。

AIデータレイヤーとは何か？

AIデータレイヤーは、CDPに取って代わるものではありません。CDPの主な利用者が、もはやマーケティングのアクティベーションプラットフォームではなく、モデルやエージェントになったときに、CDPが変容する姿そのものです。このレイヤーが必要とされる理由のほとんどについては、すでに別の記事で論じてきました。バッチ処理よりもリアルタイム処理、サードパーティデータよりもファーストパーティデータ、生データよりも同意を得たコンテキストを重視すべき理由を、ここで改めて論じるつもりはありません。それらの主張は依然として有効であり、長年にわたりその有効性は変わっていません。本記事で取り上げたいのは、AIシステムが主要な利用者となった際に、このレイヤーの構造がどのように変化するかという点です。

4つの変化

利用者は、もはや予測できません。CDPの時代では、プロファイルから読み取る対象が、キャンペーンツール、広告プラットフォーム、レコメンデーションエンジンといった既知のシステムであると想定していました。そのため、それらの利用者に合わせてプロファイルを調整することができました。一方、AIデータレイヤーの利用者は多様であり、その数は増え続けています。不正検知モデル、サポート用コパイロット、レコメンデーションシステム、顧客に代わって動作する自律型購買エージェントなどです。それぞれが顧客の異なる側面を、異なる構成で、異なる頻度で必要としています。このレイヤーは、誰が何を求めているかに応じて、提供する情報を構成しなければなりません。そして、事後には、何をなぜ送信したのか、その理由を正確に説明できなければなりません。静的なプロファイルモデリングでは、これを実現することはできません。レイヤー自体が単なるコンテナではなく、コンポーザーでなければなりません。

ガバナンスは、アクティベーションからコンポジションへ移行しなければなりません。私は以前、同意を得ていないデータでモデルを汚染すると何が起きるかについて書きました。モデルが保持するコンテキストが増え、エージェントがより多くのアクションを実行するようになるにつれて、この問題はさらに深刻になっています。重要なのは、アーキテクチャ上の対応です。ガバナンスはもはやアクティベーションの端に置くことはできません。それは、モデルに何かが届く前の、コンテキストが構成されるその瞬間に、レイヤーの内部で機能しなければなりません。なぜなら、いったんモデルがデータを取得してしまえば、強制措置を講じるには手遅れになってしまうからです。同意、利用目的の制限、データ最小化は、プロファイルの上に重ねられた単なるコンプライアンス要件ではなくなります。それらはプロファイル自体の特性となり、シグナルごと、利用者ごと、意思決定ごとに適用されるようになります。

IDは、これまで存在しなかった接点をまたいで解決されなければなりません。業界がウェブやアプリのために構築してきたIDグラフは、1年前の時点ですでに不十分でした。音声アシスタント、チャットインターフェース、顧客に代わって行動する自律型エージェント、モデルによって支援・拡張された人間の担当者。これらはそれぞれ新しい接点であり、CDP時代のIDグラフが設計された際の前提を打ち破るものです。AIデータレイヤーは、CDPの時代には想定されていなかった接点をまたいで、一人の人間を識別・統合しなければなりません。その解決は正確でなければならず、同時に高速でなければなりません。なぜなら、誤った識別による影響は、マーケティングファネルを通して生じた場合とは異なり、エージェントの一連の行動全体に連鎖的に影響を及ぼすからです。

アーキテクチャのパターンが逆転します。この10年間、主流だったパターンは「消費者向けシステム → データ検索 → アクション」でした。AI時代においては、そのパターンは「顧客 → コンテキストレイヤー → AI → アクション」となります。このレイヤーはクエリではなく、入力として機能するようになります。コンテキストを必要に応じて取得するものとして扱うアーキテクチャは、コンテキストを「モデルが必要とする瞬間に、すでに構成・管理され、準備が整ったインフラ」として扱うアーキテクチャに敗れるでしょう。

これがTealiumの位置づけであり、私がこの論点が当社の枠を超えて重要だと考える理由です。私たちはユニバーサルデータレイヤーを構築しました。カスタマーデータレイヤーも構築しました。そして現在取り組んでいるのが、その次のレイヤー、つまり実際の顧客と、その顧客に代わって推論を行うAIシステムとの間に位置するレイヤーです。これはCDPというカテゴリーが間違っていたからではなく、単に時代を先取りしていたからです。あの時代に私たちがID、同意、リアルタイムのデータ統合、ファーストパーティシグナルの品質に関するあらゆることについて学んだことは、まさにAIの時代に必要とされるものであり、その重要性は格段に高まっています。

最後に、この議論が次にどこへ向かうのかを示しておきたいと思います。

私がこれまで説明してきたことはすべて、AIシステムが応答するために適切なコンテキストを与えることについてでした。より難しいのは、エージェントが顧客本人と顧客が同意した内容に忠実な形で、時間の経過後も適切なコンテキストに基づいて行動し続けられるようにすることです。エージェントはコンテキストを蓄積していきます。そして、次に活動するコンテキストを変えるような意思決定を行います。エージェントは、誤ったコンテキストが単なる不適切な出力にとどまらず、現実世界での結果をもたらす環境において、一連の行動を連鎖させていきます。ここで説明したAIデータレイヤーは、チャット、レコメンデーション、不正検知、サポートといった分野において、すでに不可欠なものとなっています。エージェントにとって、それは最小限の実行可能なアーキテクチャです。この点については、次の記事で改めて取り上げます。

前回の記事でも述べたように、フレームとは主張です。そして今や、フレームはインフラでもあります。意図を持って構築しましょう。

The post AIデータレイヤーとは何か？ appeared first on Tealium JA.

1917年、マルセル・デュシャンは配管資材業者から磁器製の小便器を購入し、それを90度回転させ、ペンネームで署名し、『泉（Fountain）』という題名で美術展に出品しました。その物自体は変わりませんし、配管設備が改善されたわけでもありません。変わったのは、それを取り巻くすべてでした。フレーム、制度、そしてそこに込められた問いです。デュシャンは、20世紀の誰よりも明確に、意味は物体の内部にあるのではなく、その周囲に構築されるものだと理解していたのです。

私は、エンジニアやデータサイエンティスト、経営幹部で埋め尽くされた部屋でAIの未来について議論しているとき、このことをよく考えます。私たちは絶えずコンテキストについて話し合っています。コンテキストウィンドウ、コンテキストデータ、コンテキスト内学習。どれだけのコンテキストを渡すべきか、どれほど新鮮な情報が必要か、モデルが実際に活用できるようにはどのように構造化すべきか、そうした議論が交わされています。これは、現在の応用AIにおける決定的な技術的フロンティアです。それなのに私たちは、芸術家たちが何世紀にもわたってこの問題を解決してきたという事実を、ほとんど認めていないのです。比喩ではなく、文字通りそうなのです。AIにおけるコンテキストの課題と芸術におけるコンテキストの課題は、構造的に同じです。そして、そのことに気づけば、芸術家たちが自らの実践に組み込んできた解決策は、これから何が起こるのかを考えるうえで、驚くほど有用な指針となります。

デュシャンが実際に示したことを考えてみましょう。配管というコンテキストから切り離され、ギャラリーに置かれた小便器は、何が芸術を芸術たらしめるのか、という問いになりました。その答えは、それを取り巻くコンテキスト、作品を位置づける制度、それを解釈する観客、それを受け入れる歴史的瞬間にあります。生データもまったく同じ性質を持っています。2日間で3回も価格ページにアクセスした顧客は、単独で見れば小便器と同じです。そのシグナルは、それ自体では意味を持たず、行動につなげることもできません。それは、コンテキストに囲まれて初めて意味を持つのです。その人物が誰なのか、過去に何を購入したのか、価格ページにアクセスする前に何を見ていたのか、新規の見込み客なのか、それとも離反しつつある顧客なのか。同じ行動シグナルでも、それを取り巻く状況によって意味はまったく異なり、それに応じて異なる対応を引き起こすべきなのです。これは技術的な洞察ではなく解釈的な洞察です。そして、芸術家たちはエンジニアよりもはるかに以前からこのことを知っていたのです。

しかし、意味とは、フレームがもたらすものの半分に過ぎません。残りの半分は信頼です。そして、その点についても、芸術界は私たちに多くのことを教えてくれます。

美術市場では、作品の来歴がすべてを決定づけます。それは、芸術家のアトリエから現在の所在地に至るまで、その作品を手にしたすべての所有者をたどる、文書化された保管・所有の連鎖です。完全な来歴を持つフェルメールの作品は、その歴史に空白がある同じ絵画とは、価格も意味も異なります。対象物は同じであっても、それを取り巻くコンテキストは異なるのです。私たちはこの概念をデータの世界で一から再構築し、それをファーストパーティデータと呼んでいます。その原理はまったく同じです。明確で、同意を得て、直接観察された保管・所有の連鎖を持つシグナルは、出所が不確かなシグナルよりも価値が高いのです。顧客が貴社のブランドと直接関わる時、そこに来歴が生まれます。シグナルがどこから来たのか、それが何を意味するのか、そしてそのシグナルを使って何をしてよいかが明確になります。サードパーティデータは出所不明の芸術作品のようなものです。それは本物かもしれないし、複製かもしれない。そして市場が来歴を重視すると決めたその日、その価値は蒸発してしまうでしょう。サードパーティクッキーが崩壊し、プライバシー規制が強化される今、私たちはまさにその清算の時代を生きているのです。美術市場では、来歴が単なるコンプライアンス上の形式的な手続きではなく、価値の基盤であることを常に認識してきました。私たちがデータの世界でそのことを本当の意味で理解し始めたのは、まだ最近のことです。

来歴がフレームに何を含めるかを決めるものだとすれば、構図はその中で何を残し、何を除外するかを決めます。視覚芸術にはネガティブスペースという概念があります。これは、画像の被写体の周囲やその間の領域、つまり空白の空間を指します。熟練した芸術家は、未熟な芸術家にはわからないことを理解しています。すなわち、ネガティブスペースは欠如ではないのです。それは構図そのものであり、フレームに現れるあらゆる要素と同様に、意図的に構成された重要な要素なのです。

AIにおいて、コンテキストウィンドウに含めないものを選ぶことは、含めるものを選ぶことと同じくらい重大な意味を持ちます。

大規模言語モデルを扱ったことのある人なら誰でも、コンテキストポイズニングに遭遇したことがあるでしょう。これは、過剰でノイズが多く、構造化が不十分なコンテキストウィンドウによって、出力の質が低下したり、幻覚的な結果が生じたりする現象です。モデルが失敗しているわけではなく、構成に問題があるのです。フレームを雑然とした情報で満たし、モデルにそのノイズの中から意味を見つけるよう求めているのです。私が知る優れたプロンプトエンジニアやコンテキストアーキテクトたちは、画家と同じように仕事をします。つまり、加えることと同じくらい差し引くことを重視するのです。彼らは、何を削除すべきか、どこにネガティブスペースを設けることでシグナルに息づく余地を与えられるかを考えます。これは技術的な直感ではありません。美的感覚に基づく直感です。そして、これは今日の応用AIにおいて、最も希少かつ価値の高いスキルの一つです。

空間における構図には、時間軸をまたぐ構図というものが存在します。芸術家たちも、まずこの問題に向き合いました。1994年、ミラノでレオナルド・ダ・ヴィンチの『最後の晩餐』を修復していた修復家たちは、数十年にわたり修復の専門家を悩ませてきた決断を迫られました。どの時点の絵画に向けて修復すべきか、という問題です。レオナルドが1498年に描いたバージョンか、それとも、長年にわたる上塗りによって1700年までに変貌を遂げたバージョンか。それとも、最も有名な文化的瞬間におけるバージョンか。どのバージョンも真実であり、それぞれが時間軸上の異なるコンテキストなのです。

これこそがAIにおける時間的コンテキストの問題であり、十分に理解されていない問題でもあります。18ヶ月前に購入した顧客と、先週購入した顧客では、そこから得られるシグナルは異なります。2年前に示された関心は、すでに完全に薄れている可能性もあれば、その後のあらゆる行動を予測する根本的な嗜好を表している可能性もあります。前四半期には異常と見なされた行動が、今日では「新しい常態」になっているかもしれません。あなたは、モデルにどのバージョンの真実を与えているでしょうか。修復作業と同様に、唯一の正解など存在しません。あるのは、その問いを明確に投げかけ、収集しやすいデータを安易に使うのではなく、時間的コンテキストについて原則に基づいた選択を行うという規律だけです。最新であることが常に真実とは限らないし、過去の履歴が常にノイズであるとも限りません。重要なのは、どちらがどちらなのかを見極めるスキルです。

どのバージョンの真実を扱うかを選択したとしても、別の問題が残ります。それは、それをどのように記述するかということです。古代の人々はこれに名前をつけていました。「エクフラシス」視覚芸術作品を文学的に描写することです。ホメロスは『イリアス』の中でアキレウスの盾を描写しました。キーツは45行の詩でギリシャの壺を不朽のものにしました。その目的は、視覚的な体験を言語に落とし込み、感覚の隔たりを越えて翻訳することでした。顧客の行動について推論を試みるあらゆるAIシステムは、エクフラシスの行為に取り組んでいます。モデルは顧客を直接見ることはありません。モデルが見ているのは翻訳、つまり、人の行動、嗜好、履歴を構造化し、トークン化され、スキーマによって制約された形で表現したものです。顧客はサイトを閲覧し、クリックし、購入し、離反し、返品します。そのすべてが一つの記述となるのです。そして、翻訳の過程では常に何かが得られ、何かが失われます。得られるのは、構造、規模、そして比較可能性です。失われるのは、質感、曖昧さ、そして人間の観察者なら直感的に捉えるであろうコンテキスト上のニュアンスです。問題は、その翻訳が完璧かどうかではありません。完璧になることは決してないからです。問題は、それがどれほど忠実で、どれほど完全であるかということです。元の体験のうち、どれだけの部分がデータへの変換を生き残るか。これはデータ品質の問題です。しかし、それは同時に、古来より作家や翻訳者が苦悩してきた問題でもあります。

そして、翻訳が行われた後は、それがどこに置かれるかが、その内容と同じくらい重要になります。歯科医院の待合室に『モナ・リザ』が飾られているところを想像してみてください。絵そのものは、一筆一筆まで完全に同じものです。しかし、そこから得られる体験はまったく異なるものになるでしょう。その価値は損なわれ、奇妙に感じられ、その絵を「モナ・リザ」たらしめている蓄積された文化的コンテキストから切り離されてしまいます。偉大な芸術作品の意味は、単にその作品自体にだけあるのではありません。それを額縁に収める組織、それを飾る部屋、そしてある種の注意を払って作品に接する観客の中にもあるのです。AIモデルにも同じ特性がありますが、私たちはそのことを過小評価しています。同じモデルであっても、異なる製品、異なるユーザー層、異なるシステムプロンプト、そして周辺のデータ環境に展開されると、意味のある違いを持つ形で動作します。展開時のコンテキストはモデルの性能から切り離されたものではなく、それは、モデルの性能を構成するそのものなのです。eコマースのデータでチューニングされたモデルを医療ワークフローに導入すれば、結果は控えめに言っても奇妙なものとなり、最悪の場合は有害なものになるでしょう。それはモデル自体が悪いからではなく、制度的なコンテキストが、そのモデルが本来意図された用途と一致していないからです。責任あるAIの導入は、技術的な問題であると同時に、キュレーションの問題でもあります。単にモデルを選んでいるだけではありません。それをどこに配置するか、その隣に何を置くか、そして観客にどのような注意を向けてもらいたいかを、選んでいるのです。

私は多くの企業とAI戦略について話し合う機会がありますが、そこで繰り返し目にするのは、組織がモデル選択、例えばどの基盤モデルを使うか、どの微調整手法を使うか、どの推論最適化手法を使うかに深く注力する一方で、それらのモデルに情報を提供するコンテキストレイヤーへの投資が相対的に不足しているということです。これは、傑作を依頼して制作させた作品を掃除用具入れに飾っておくようなものです。

この議論が、単なる比喩を超えて私にとってなぜ重要であるか、率直に述べておきたいと思います。これこそが、Tealiumで取り組んでいる仕事なのです。私たちは10年以上にわたり、生の顧客シグナルを、モデルが実際に活用できる形式に変換するインフラを構築してきました。それは、個人が企業やブランドと接するあらゆるタッチポイントから情報を収集し、明示的な同意に基づいて管理され、統合されたリアルタイムの顧客プロファイルを構築し、それを必要とするあらゆる下流システムで利用できるようにするインフラです。そして、私が説明したすべての概念は、その業務における各分野に対応しています。

ID解決、すなわちデバイス、セッション、チャネルにまたがる何千もの断片的な観測データをつなぎ合わせ、一人の人物を忠実に表現すること、これこそが、エクフラシスの問題です。これは翻訳という行為であり、その翻訳の忠実度によって、下流のあらゆるモデルが何を理解できるかが決まります。同意とデータガバナンスは来歴の問題です。つまり、あらゆるシグナルがどこから来たのか、どのような権限の下にあるのか、そしてそれを使って何を行なってよいのかを把握することです。リアルタイムのデータ品質とフィルタリングは、ネガティブスペースの問題です。何をフレームに含め、排除すべきノイズが何であるかを継続的に判断することです。オンデマンドでどの程度の履歴や直近の行動を提供する能力は、修復の問題です。それぞれのユースケースが必要とする真実のバージョンを選択できるようにすることです。そして、適切なタイミングで、適切な展開環境において、適切なコンテキストを適切なモデルにルーティングすることが、美術館効果です。芸術作品が、その本来の姿として鑑賞してもらえる部屋に確実に展示されるようにすることです。

今日、AIで成功を収めている企業は、多くの場合、最も洗練されたモデルを持つ企業ではありません。この取り組みをいち早く実践してきた企業です。彼らは、あらゆるタッチポイントにおいて顧客が誰なのかを把握しています。顧客の行動を、時間軸に沿って一貫性のある忠実な形でリアルタイムに構築することができます。美術館の館長が作品の展示配置に込める意図を持って、コンテキストウィンドウに何を取り入れるかを厳選しています。モデルに送らないデータも送るデータと同じくらい重要であることを理解しています。これは、モデルが実行される前の段階で行われる作業であり、コンテキストインフラです。そして、これはAI時代の差別化要因となります。モデル自体が重要でないからではなく、モデルが一定の能力レベルに達すると、コンテキストが主要な変数となるからです。

デュシャンの小便器は、彼がそれを出品してから100年以上が経った今も、議論を巻き起こし続けています。それはオブジェクトそのものが理由なのではなく、デュシャンがその周りに設けたフレームと、そのフレームが世界に突きつけた問いが理由なのです。今日私たちが構築するAIシステムは、単に選択したモデルだけでなく、その周りにどのようなコンテキストのフレームを構築したかによって評価されることになるでしょう。私たちはモデルに、世界を忠実に翻訳したものを供給したのか、それとも歪んだ翻訳を供給したのか、意図を持ってネガティブスペースをキュレーションしたのか、 伝達したシグナルの来歴を尊重したのか、モデルを誤った制度的なコンテキストで展開すると、単に質の低い出力を生み出すだけでなく、根本的に異なる、そして潜在的に有害なものを生み出すことを理解していたのかなどです。

芸術家たちは、常にこのことを理解していました。フレームは単なる装飾ではなく、フレームこそが主張なのです。私たちがAIシステムを構築する際にも、その原則を反映すべき時が来ているのです。

The post デュシャンがコンテキストウィンドウについて見抜いていたこと appeared first on Tealium JA.

顧客が本当に求めているものを、まさにそれを必要としている瞬間に把握するために、これらすべての情報をどのように結びつけるべきでしょうか？

これは、マドリードで開催されたユーザーグループディスカッションの中心的テーマでした。イベリア航空のカルロス・フェルナンデス（Carlos Fernández）氏とブランカ・ガルシア（Blanca Garcia）氏が登壇し、同社のデジタルトランスフォーメーション（DX）の道のりについて詳しく語っていただきました。イベリア航空は、Tealiumのカスタマーデータオーケストレーションプラットフォーム（CDP）を戦略の中核に据えることで、単に航空券を販売するだけでなく、顧客価値と戦略的な収益拡大を実現する、予測可能な仕組みを構築しています。

同社がどのようにそれを実現したのか、その取り組みをご紹介します。

データサイロとの決別：一元化された顧客の360度ビューの実現に向けたイベリア航空の戦略

多くの大企業と同様、イベリア航空の各部門もかつては特定のチャネルに特化した垂直型の組織でした。パフォーマンスマーケティングチームは売上向上に注力し、ロイヤルティチームは顧客維持に注力していました。データはサイロ化しており、それに伴い顧客体験も分断されていたのです。

2023年初頭に設定された最初の目標は、すべてのデータソースを統合し、クッキーレスの未来に備えることでした。しかし、より大きな戦略的目標は、これらの組織的・データ的なサイロを解消することにありました。

その解決策として、マーケティング、CRM、UX、分析、eコマースの専門家を集めた部門横断型なコラボレーションハブが設立されました。この新しい組織体制により、全員が単一の信頼できる情報源を基盤にして、データを活用して顧客に最高のサービスを提供するという共通の目標に向かって取り組めるようになりました。

最初の大きな課題は技術的なものでした。イベリア航空は、CRMからの予約IDなどのオフラインの取引データと、ウェブサイトからの訪問者IDなどのオンラインの行動データを統合する必要がありました。これは、重複するプロファイルを排除し、真の顧客の360度ビューを構築するために不可欠でした。

ユースケース：明確かつ定量化可能なビジネス成果

統一されたデータ基盤を構築したことで、イベリア航空の各部門は以下のような成果を達成しました。

→ CDPによって実現した、段階的なオーディエンスリターゲティングの取り組み

イベリア航空はゼロから始めたわけではなく、すでに予約放棄対策キャンペーンを実施していました。しかし問題は、データがサイロ化していたため、サイト離脱後のメッセージングに相乗効果が欠けていた点にありました。

Tealiumを活用してCRMデータとリアルタイムのウェブサイト行動履歴を統合することで、同社は隠れた大きな推進力を引き出しました。単にEメールを送るだけでなく、付帯サービスや航空券以外の製品に対する、高度にターゲティングされた自動リカバリーフローを構築したのです。

これらの点を結びつけた結果、以下の成果が得られました。

• 顧客識別力の向上により、ユーザーのリテンション率が57%向上
• この新しいインテリジェントなカスタマージャーニーが直接の要因となり、売上が12%増加

→ フルサイクルパーソナライゼーションによる付帯サービス収益の拡大

各部門は、単に航空券を売るだけの純粋な成果から、認知、維持、ロイヤルティを含む顧客のライフサイクル全体へと焦点を移しました。これは、予約時だけでなく、ジャーニー全体をパーソナライズするためにデータを活用することを意味します。現在、イベリア航空はマイクロセグメンテーションを用いて、顧客の興味や購買傾向を特定し、最適なタイミングで適切な付帯サービスを提案できるようになりました。これには、追加手荷物、機内サービス、または旅行関連のオファーなどが含まれます。

→ 豊富なCRMデータを効率的な有料メディアの利益に転換

イベリア航空は、画一的な広告を配信するのではなく、豊富なCRMデータや取引データに基づいて購買傾向モデルを構築しています。これらのモデルは、顧客がプレミアム運賃や特定の付帯サービスを購入する可能性を予測します。その結果得られたセグメントは、有料メディア、Eメールマーケティング、パーソナライゼーションチャネルで直接アクティベーションされ、すべてのチャネルにわたり、大幅に効率的かつ効果的なキャンペーンを展開できるようになりました。

→ デジタルと実店舗の融合

この戦略は画面の中だけに留まりません。イベリア航空は、データから得たインサイトを活用し、マドリードに開設したポップアップセンター、Espacio Iberia（エスパシオイベリア）のような、実店舗でのブランド体験を充実させています。同社は、単一のソリューションで実店舗での体験とデジタル上のプロファイルを結びつけることで、デジタルと現実世界がシームレスにつながったエコシステムを創り出しています。

顧客体験の新たな基準

イベリア航空の取り組みは、CDPの真の能力が単なるデータ収集にとどまらないことを証明しています。それは、大規模な組織において各部門が連携して働く方法を根本から変革することにあります。中核となるデータハブを中心に据えた部門横断的な組織を構築することで、同社は単なる目先のパフォーマンス向上にとどまらず、顧客ライフサイクル全体にわたって測定可能な真の価値を創出することに成功したのです。

もし、これを貴社の顧客体験の新たな基準にしたいとお考えでしたら、ぜひ弊社までお気軽にご連絡ください。

The post イベリア航空、リアルタイムデータとAIを活用して次世代の航空旅客体験を実現 appeared first on Tealium JA.

今日の急速に変化するデジタル世界では、消費者データの保護とプライバシー規制が、企業が顧客とどのように関わるかを再定義しています。これらの変更は、企業やブランドがリアルタイムのインテリジェンスをパーソナライズされた顧客体験に活用する際の障壁となることがあります。

Tealium社のリアルタイムストリーミングのカスタマーデータプラットフォーム（CDP）は、デジタルチャネルとオフラインチャネルの両方で顧客データを収集、強化、アクティベーションするように設計されています。ウェブサイト、アプリ、IoTデバイスなどからのインタラクションをキャプチャすることで、Tealiumはこれらのデータを包括的な顧客プロファイルに統合し、各インタラクションがパーソナライズされ、効果的なものになるようにします。

Tealiumの中立的なデータ収集とリアルタイムのエンリッチメントにより、クライアントは顧客の包括的な洞察を利用できるようになります。統合されたAIモデルのおかげで、Tealiumはリアルタイムでパーソナライズされたマーケティングと顧客エンゲージメントを提供することができ、企業やブランドは顧客のニーズをより正確に予測し、インタラクションをより精度高く洗練させることができます。

Databricksは、エンジニア、アナリスト、データサイエンティストが大量のデータを処理し、詳細な分析を行い、効率的にスケーリングする洗練されたモデルを簡単に構築できるオープンでエンドツーエンドの協調的な環境を提供します。Tealiumは、Databricks Data Intelligence Platformを使用して、CDPの要素を強化し、セキュリティを一元化し、データプライバシーが一貫して適用されるようにし、データアクセスと民主化が促進されます。Databricksプラットフォームは、以下のような多くの利点を提供します。

• TCO：複数のデータウェアハウスの必要性を減らし、データの孤立と環境管理のリソースを排除することで、効率的なデータとAIの実装を実現します。
• シンプルさ：オープンソースに基づく一元化されたプラットフォームを使用して、リアルタイムのデータ収集と高度な分析、機械学習をシームレスに統合します。
• パフォーマンス：複雑なデータ処理とAIモデル構築のタスクを容易に行い、即時のパーソナライズされたインタラクションを促進します。
• スケーラビリティ：Databricks Apache Sparkの統合分析エンジンは、大量のデータを管理し、将来のデータとAIのニーズに対するシームレスなスケーラビリティを確保します。
• コンプライアンスと信頼：Databricks Unity Catalogは、Tealiumのプライバシーファーストのアプローチをサポートし、データセキュリティと規制遵守を維持します。

Databricksは、私たちのデータエンジニアリング、分析、AI/MLのニーズに最適な堅牢でスケーラブルで信頼性の高い包括的なデータプラットフォームをTealiumに提供します。Databricksを活用することで、Tealiumは、顧客基盤のニーズに適した革新的なソリューションの開発を加速することができます。”
- Tealium社 テクノロジー副社長、Frank Federici

TealiumとDatabricksを活用してリアルタイムの顧客エンゲージメントワークフローを実現したい企業やブランドにとって、以下はベストプラクティスの有用な概要です。

1. データ収集計画を作成。すべての顧客接点でデータをキャプチャし、管理する戦略を立てます。同意に基づくデータ収集とリアルタイムのアイデンティティ解決を確保することでプライバシーを優先します。
2. データ品質を最適化。Tealiumを使用してリアルタイムのデータをクレンジング、標準化、そしてエンリッチ化し、効果的なダウンストリーム処理のための高品質で一貫したデータセットを確保します。
3. データ資産の統合。Databricks Unity Catalogを使用してデータ資産の統一ビューを作成し、セキュアなデータ共有、系統、ガバナンス、分析を強化します。
4. 顧客プロファイルを強化。Tealiumを使用して、人口統計や行動などの多様なデータポイントを統合し、詳細な統一された顧客プロファイルを作成します。
5. AI/MLイニシアチブの強化。Tealium for AIは、顧客のファーストパーティデータが同意を得た上で収集され、その後、整理、ラベル付け、変換、エンリッチ化され、Databricks Mosaic AIとの統合のためにAI対応となるようにします。
6. リアルタイムのAIによる洞察をアクティベート。データが準備できたら、Databricksを介してAIモデルをデプロイし、リアルタイムのデータアクティベーションのためにTealiumを使用します。これにより、顧客とのパーソナライズされたインタラクションを実現します。Tealiumは、監査可能で管理された証跡データ提供しながら、容易に顧客体験を向上させることができます。

TealiumはCDP領域のリーダーとして、Databricks Mosaic AIとともにAIの取り組みを拡大し続けています。これは、予測的なMLモデルの構築から最新の生成AIアプリのデプロイまで、AIとMLソリューションを構築、デプロイ、評価、管理するための統一されたツールを提供します。

Tealium社の製品責任者であるBob Pageは以下のように述べています。

「多くのAIイニシアチブが遅れているのは、モデル訓練のための同意を得た正確なデータにアクセスできないからです。私たちの新しいソリューションは、その瞬間の体験を提供し、AIと機械学習モデルに情報を提供するために、同意を得たデータから始まります - それによって行動を起こすことができます。」

Tealium社の新しいコンプライアンス対応ソリューションは、保護措置を伴う大規模な顧客データプロセスを管理するための単一のプラットフォームを提供します。新機能には、AIモデルとデータアクティベーションのためのリアルタイムで同意され、フィルタリングされ、豊かなデータをチームに提供するTealium for AIが含まれています。さらに、Tealium Momentsは、リアルタイムで顧客データを収集、処理、アクティベートし、ゼロパーティデータとファーストパーティデータを活用して重要な瞬間を捉える機能とを組み合わせたものです。

TealiumとDatabricksは、セキュリティとプライバシーを優先しながら、リアルタイムの顧客体験を提供するための変革的なソリューションを企業やブランドに提供します。これらのプラットフォームを活用することで、企業やブランドはデータの全ての潜在能力を解放し、デジタルランドスケープが絶えず進化する中で成長と顧客満足度を促進することができます。

The post TealiumとDatabricks：リアルタイムの洞察とAI駆動の顧客体験を提供 appeared first on Tealium JA.