Zeotap、Vertex AI を使用してマーケターの AI コンパニオンを構築
Google Cloud Japan Team
※この投稿は米国時間 2023 年 12 月 21 日に、Google Cloud blog に投稿されたものの抄訳です。
昨今の急速に変化するマーケティングの世界では、データが最も重要です。マーケターは、堅実な投資収益率（ROI）を示す必要に迫られています。予算が厳しくなるにつれ、マーケターは、戦略計画、オーディエンス ターゲティング、パフォーマンスの評価、効率的なリソースの割り当てのためにデータに大きく依存していることに気づきました。
企業が顧客をより深く理解し、有意義なエクスペリエンスを提供しようと努めるなか、顧客データ プラットフォーム（CDP）がマーケター キットの重要なツールとして登場し、各ブランドはすべてのチャネルからの顧客データの統一されたプロファイルを構築できるようになりました。企業は AdTech プラットフォームや MarTech プラットフォームと簡単に統合できるように、ソース全体でデータをクリーンアップおよび標準化しています。
マーケターに革新的で包括的な顧客ソリューションを提供する先駆的な CDP の一つが Zeotap です。Google Cloud と連携し、Google 検索、YouTube、Google マップを強化しているのと同じクラウド テクノロジーを活用することで、Zeotap はマーケター向けの直観的な CDP を構築しました。
こうしたコラボレーションが各ブランドの顧客データの管理と関与の方法を再定義しています。このブログ投稿では、Zeotap が Google の生成 AI 能力を活用して、使いやすく堅牢で、より深い洞察とマーケティングの成功を推進する CDP を作成することで、顧客データからさらに多くの価値を引き出せるようにマーケターを支援している方法をご紹介します。
Vertex AI でマーケティング コンパニオンを構築する
効果的で影響力のあるマーケティング キャンペーンを構築するには、結果を出しながら顧客とのより深い関係を築くための新しい方法が必要です。複数の顧客タッチポイントを持つ大規模ブランドの場合、コンテキストや時間ベースのアラートやオファーを提供するには、複雑なセグメンテーション モデルが不可欠です。ただし、こうしたモデルは技術者以外のユーザーにとっては、理解して効果的に活用することが難しい場合があります。
Zeotap の Ada™ AI Companion は、顧客データを構築および分析して分析情報に基づいた意思決定を行うための直感的な手順をマーケターに指南します。シームレスでアクセスしやすい導入により、技術的なスキルに関係なく、すべてのマーケターがデータから貴重な分析情報を引き出すことができます。Ada と会話し、ビジネス目標と利用可能なデータを説明するだけで、マーケターはカスタム セグメントを簡単に構築でき、Ada はそれを実行可能なルールに変換して確認、保存、アクティブ化することができます。
アーキテクチャの概要
このアプリケーションの基盤は、人間の言語とコンテキストを幅広く理解している Vertex AI 上の Google の大規模言語モデル（LLM）PaLM2 上にあります。このモデルは、自然言語コマンドの解釈を担当するコア コンポーネントとして機能します。デプロイには、この優れた LLM を使用する自律エージェントが含まれており、1 つの共通の目標に向かって団結する非同期の思考スレッドとして機能します。Zeotap は、Mixture of Experts と呼ばれるこのようなエージェント[2] のアンサンブル[1] を使用しています。Mixture of Experts はチームとして働き、単純明快なレスポンスを提供するためにアイデアを洗練させます。アクションを行う前に、自動アシスタントは ReAct[3] と呼ばれるメソッドを使用して、何を行う予定であるかを正確に計画します。
データの流れ
ユーザーが構築するセグメントを記述すると、システムは関連するカタログを内部データ ストアから収集し、それを（JSON）LLM で読み取り可能な形式に集約します。正確なプロンプトのチューニングと精巧に作成されたフローの後、認識されたユーザーの意図、参照情報、多くの健全性チェックを AI に提供します。セマンティックな意図が理解されると、AI は裏付けデータベースからメタデータのクエリを実行し、関連するエンティティを特定します。これらの各エンティティは、エージェントのハルシネーションを抑制するために、カスタムに合わせたヒューリスティックによる、ビジネス コンテキスト アウェアな徹底した健全性チェックによって洗練されます。これらのプロセスが基礎となるクライアント データを変更したり干渉したりしないように、特別な注意が払われます。
ベクトル類似検索
Vertex AI のベクトル検索は ML を採用しており、組織化されていないデータの本質とコンテキストを把握します。ベクトル検索には、幅広い知識を持ち、意味を非常に正確に解釈する、事前にトレーニングされた巨大なモデル（この場合は text-embedding-gecko）が使用されています。このモデルは、単語、文、段落を数値表現に変換できます。こうした数値表現は根本的な意味をカプセル化しており、その結果、類似の数値が類似のアイデアと一致します。
タスクを演算子と値に分解するために、同じ基本情報を使用して Vertex AI の LLM PaLM2（text-bison）に対して 2 つの異なるリクエストが作成されます。各リクエストには、コンテキスト（ユーザーの入力）、使用可能な値、入力に含まれる過去のエージェントのレスポンスが含まれます。演算子のプールは限られているため、AI Companion はさらなる絞り込みを必要とせずに、一貫して合理的なレスポンスを提供できます。ただし、実際の回答は間違っていたり、不足していたりする可能性があります。さらに、エージェントは限られた範囲の値しか使用できず、複数の可能性がある列を理解できません。これに対処するために、類似性検索を使用して一致するものが見つかるまで、Ada の回答をその列の可能な値と比較します。
これら 3 つの構造化グループを構築したら、PaLM-2 text-bison の主な役割は終了します。この時点で、これらの適切に構造化されたグループを使用して SQL クエリを構築し、指定されたクライアント SQL クエリエンジンを使用して実行します。この出力を使用して、ユーザーが確認できるセグメント条件を事前に入力し、アクティブ化するためにオーディエンスを保存します。
より良い組み合わせ: Zeotap + Google Cloud
Zeotap と Google Cloud は、企業が顧客を管理し、顧客と関わる方法を変革するために連携しています。私たちの共同ソリューションはすでに Zeotap の顧客に価値をもたらしており、シンプルさと結果を優先した革新的でユーザー フレンドリーなインターフェースを提供しています。Google Cloud の生成 AI モデルの力を活用することで、Google はデータドリブン マーケティングをよりアクセスしやすく効率的にすることに取り組んでいます。
Google の生成 AI テクノロジーは、顧客の新たな可能性を解き放つのに役立ちました。Zeotap のプラットフォームと Google の高度なモデルの相乗効果により、精度、効率、パーソナライゼーションを向上させる革新的なソリューションを提供できるようになりました。Zeotap は今後も Google と協力し、業界を変革する生成 AI の可能性を探求していきたいと考えています。
Zeotap のビジョンは、オーディエンスの洗練を超えて広がっています。私たちはユーザー エクスペリエンスを向上させ、革新的なソリューションを開拓することに専念しています。これには、データ統合の効率化、データ マッピングの自動化、顧客の分析情報を容易に得るための最先端の AI テクノロジーをマーケターに提供することが含まれます。今後数か月、数年にわたって、Zeotap は Google Cloud とのコラボレーションを継続し、生成 AI が顧客にもたらすメリットをすべて活用することに取り組んでいきます。
Google Cloud のオープンで革新的な生成 AI のパートナー エコシステムについて、詳細をご覧ください。Zeotap と Google Cloud の詳細もご覧ください。
関連情報
- Zixiang Chen 他著「Towards Understanding Mixture of Experts in Deep Learning」arXiv preprint arXiv:2208.02813（2022）
- Ehud Karpas 他著「MRKL Systems: A modular, neuro-symbolic architecture that combines large language models, external knowledge sources and discrete reasoning」arXiv preprint arXiv:2205.00445（2022）
- Shunyu Yao 他著「ReAct: Synergizing Reasoning and Acting in Language Models」arXiv preprint arXiv:2210.03629（2022）
- Bin Ji 著「VicunaNER: Zero/Few-shot Named Entity Recognition using Vicuna」arXiv preprint arXiv:2305.03253（2023）
-Zeotap、プロダクト担当バイス プレジデント Malavika Lakireddy 氏
-Google Cloud、スタッフ ソリューション コンサルタント Cody Hill
