Using Real-Time Propensity Estimation to Drive Online Sales - The Databricks Blogの翻訳です。
本書は抄訳であり内容の正確性を保証するものではありません。正確な内容に関しては原文を参照ください。
オンラインサービスの導入の加速によって、リテール企業における成長機会を生み出しました。パンデミックの初期段階におけるオンライン売上の突然のスパイクは弱まっているように見えますが、お客様は自身の消費の大部分をオンラインで行うニューノーマルに落ち着いています。お客様が何を買うのかだけではなく、どこで買うのかに関するシフトは、高レベルの接続性によってドライブされており、デジタルネイティブの購買者や多くの小売業者によって提供される柔軟な注文オプションの新たなアプリケーションの出現は、向こう数年におけるオンラインマーケットの拡大をドライブするものと考えられています。小売業者は、これらの変化を受け入れるか、急速に進化する(そして急激にデジタル化する)市場から退場するリスクの両方を受け入れなくてはなりません。
シンプルにオンラインストアをセットアップすればよかった時代は過去のものです。お客様は自分の時間とお金を引き換えに、自分たちのニーズや嗜好だけではなく、どのようにエンゲージしているのかの文脈に基づいて仕立てられたパーソナライズされた体験を要求するようになっています。彼らは、購入したいだけではなく、購入することで得られる価値を最大化する購買後体験を可能とするコンテンツとサポートも必要としています。そして、忙しくなり続ける自身たちのライフスタイルに新たな小売体験を組み込むために、彼らの要求がいつどのように満たされるのかに関する柔軟性も必要としています。
これらの期待に応えることは簡単ではなく、小売業者がオンラインエンゲージメントにおけるニューノーマルに適合するにつれて、お客様の注意を引くことに関して、競合がバーを引き上げているように見えます。これに追従していくためには、小売企業は顧客体験の再考に関する継続的プロセスに取り組み、大規模にフィードバック、洞察、自動化を提供するデータ&AIを学ぶ必要があります。
リアルタイム洞察に基づくアクションには様々な課題の解決が必要です
モダンなオンライン顧客体験を提供するためにデータ&AIはキーとなりますが、ベースとなる洞察や正確な予測は、それらに対してビジネスサイドがアクションを起こせないのであれば意味がありません。より多くのお客様、特にオンラインコマースに取り組んでいるお客様が、自身のオペレーションワークフローにデータドリブンの能力を組み込んでおり、洞察から導き出されるアクションは、多くの場合、機会を即座に検知し、対応できる能力を持つリアルタイム機能のデプロイメントを伴っています。
これを説明するために、オンラインショッピングのセッションの文脈においてお客様のインタラクションが、特定アイテムの購買傾向を示すシナリオを考えてみます。お客様、製品、以前の当該製品とのインタラクションとお客様の現在の行動に関する情報の組み合わせに関する知識を用いて、お客様が現在参照しているアイテムを購入する可能性は低いと予測し、彼らがより好むと考える代替のアイテムを提案することができるかもしれません。あるいは、お客様がこのアイテムを購入する可能性が高いと予測し、彼らの最終的な購入内容に関連づけられたカートの全体的なサイズを拡張する補完的なアイテムを提案できるかもしれません。あるいは、お客様は購買に至る途中のどこかにいて、彼らが購入するムードに至るように、少量のディスカウント、無料配送、あるいは当該製品に関連づけられた柔軟な返品ポリシーのリマインダーを必要としているかもしれません。
ウェブサイトのそれぞれのクリックによって、お客様は自身の意図を明確にしています。しかし、これに我々がついていくためには、彼らの購買傾向に関する我々の推定を生成、更新するイベント情報を高速に処理しなくてはなりません。この取り組みにおける計算処理的な課題は複雑であり、お客様が数日、数週間引きずる長期間の購買セッションに関連すると言う事実と、これらの複雑性が結びつき、長期間にわたる大容量のデータを追跡しなくてはなりません。
これがとてつもない事だと聞こえるのであれば、その通りです！しかし、ありがたいことに、これらの課題のそれぞれに応えるために必要な機能はDatabricksプラットフォームで見つけることができます。
Databricksによってリアルタイム洞察の本格運用を実現します
Databricksはリアルタイム処理の実現を念頭に置いて構築されています。
多くの企業がリアルタイムデータ処理ワークフローを構築する際に直面する困難なポイントを理解しており、Databricksは構造化ストリーミングを用いた従来の定期的バッチ処理からリアルタイムワークフローに関する機構を提供しています。高パフォーマンスデータ処理の記録を持つDatabricks Photonエンジンを導入することで、企業はオペレーションデータのニーズに追従するだけではなく、それをビッグデータ希望で実現することが可能となります。
モデルのトレーニングとデプロイメントは、モデルモニタリングや管理を提供するオープンソース機能であるMLFlowとのインテグレーションによってシンプルになります。さらに、Databricks Feature Storeが、データサイエンティストによってトレーニングされたモデルと、予測プロセスの一部で使用される情報資産を結びつけることで、このプロセスをさらにシンプルなものにします。高性能オンラン特徴量ストアのサポート、ホスティングされたモデルサービング機能によって、モデルを容易にデプロイできるだけではなく、モデルがインテグレーションされるオペレーショナルシステムの要件を実際にサポートすることができます。
誰も、パーソナライズやデータ&AIによって実現される体験に対するお客様の要求の充足が簡単だとは言いませんが、Databricksを用いることで、これらの体験を提供する技術的障壁に対応することができます。
言うのは簡単です。実践を見ていきましょう。
これらのことを言うだけなら簡単なことです。これらをデモンストレーションすることは全く別なことです。我々のソリューションアクセラレータプログラムを通じて、我々はお客様が直面する現実世界の問題に対するエンドツーエンドのソリューションのデモンストレーションに取り組んで入ります。我々は公開されているデータセットを活用し、データサイエンティストやデータエンジニアがソリューションを使い始めるためにウォークスルーできるように詳細なノートブックやコード資産を公開しています。
お客様が興味を持っている製品の購入を完了するのかどうかを予測するために、eコマースウェブサイトで生成されるライブのイベントデータをどのように活用するのかをデモンストレーションする、リアルタイムクリックストリーム傾向ソリューションアクセラレータの提供を発表できることを嬉しく思っています。このアクセラレータと関連づけられているアセットは非常に大量ですが、このようなシナリオでデリバリーするために何が必要なのかを完全に理解するために、企業はこれらを活用することができ、ノートブックで説明されているパターンや機能を活用して自身の組織のニーズに合わせたソリューションを迅速にデプロイすることができます。ダイブする準備ができているのであれば、すぐにノートブックをダウンロードしましょう。