オーディエンス拡張を改善するためのTips
Piano DMP のオーディエンス拡張（Lookalike Modeling）は最先端の機械学習（ML / AI）技術に基づいています。 こうした種類のモデルは動作する内部の仕組みについて詳細を公開していません。しかし、できる限り良い結果を得るためにはいくつかの手順があります。過去に Piano DMP でオーディエンス拡張を使ったことがある場合、以前のオーディエンス拡張の実装で生成されていたリフトチャートやシグナルは推奨されていないことにご注意ください。オーディエンス拡張は新しい最先端のソリューションに置き換わっています。
現在のページでは最も効率的なオーディエンス拡張セグメントを作成するためのTipsや詳細を提供しています。
オーディエンス拡張で効果を最大限に発揮するセグメント作成
DMPでオーディエンス拡張の効果を最大限に発揮するセグメントは、ごく少数のオーディエンスとマッチングする狭義のセグメントです。また、セグメント条件は、直接識別可能なイベント特性（例えば特定のURL）や貴社の1stパーティデータを元に設定されたものとなります。小さく、狭く定義されたユーザー行動は、興味深いものやMLモデルが類似したユーザーを見つけるための価値あるパターンを含む可能性が非常に高くなります。元のセグメントのユーザが大きければ大きいほど、そのユーザーの行動はオーディエンス全体の平均的な行動をするセグメントになります。したがって、元のセグメントの定義は、狭義にすることを推奨します。
目標サイズの適切な設定
目標サイズの設定はオーディエンス拡張としてどのくらいのユーザーをタグ付けするかを決めるパーセンテージの設定です。サイズの設定は、品質とユーザ数がトレードオフとなります。MLモデルはリスト内の上位に最も類似しているユーザーのランク付けされたリストを生成します。バックエンドシステムはリストの上位に目標サイズの設定が満たされるまで類似のユーザーを算入します。目標サイズを増やした場合、ユーザーの量は（それほど類似していないユーザーも含まれるため）結果の全体の品質を犠牲にして、ユーザを増加していきます。
最大でも、目標サイズは、20%にとどめておくことを推奨します。適切な目標サイズは、1%〜20%となります。
"ネガティブセグメント" の利用
"ネガティブセグメント" は、元のセグメントと似ていないユーザーのセグメントです。例えばサイトにログインしたユーザーの性別に関する 1stパーティデータを持っていたとします。元のセグメントが女性であるのに対して、ネガティブセグメントは男性のセグメントになります。機械学習モデルはより良い品質の結果を取得するためにこの情報を有効に使うことができます。もし完全に相反する2つのセグメントがある場合、セグメントに "negative" をセットする /segment/lookalike/update APIを使ってください。MLモデルはネガティブセグメントにいるユーザーと類似しないユーザーであると同時に元のセグメントにいる類似ユーザーを探します。機械学習ではこれを学習データのポジティブクラスとネガティブクラスと呼びます。MLモデルで学習するこの方法は、通常のポジティブクラス（元のセグメント）とネガティブクラス（残りのオーディエンス）を使うケースと比較して品質改善を行います。
新しいパターンの組み込み
Piano DMPでオーディエンス拡張が有効に設定されている間、定期的に設定されているセグメントを機械学習にて、再学習していきます。モデルが自動的にデータセットに現れる新しいパターンを考慮することを保証するために、類似したユーザーの集合は、およそ24時間ごとに再計算されます。モデルのパフォーマンスは時間経過と共に品質が高く維持されるように、PianoのR&Dチームによって継続的にモニタリングと改善を行っております。