Computed Traits の仕組み
このページのすべてのトレイトは、同じ 4 ステップのモデルに従います。このモデルを理解すれば、以下の表をひと目で読み取れるようになります。イベントから始める
Content Played や App Session Started など、すでにトラッキングしているユーザー行動です。
計算方法を選ぶ
トレイトを取得する
Favorite Genre のように、自動的に更新されるリアルタイムの属性です。
活用する
セグメンテーション、分析、Jinja パーソナライズ、Flows で使用します。
まずはここから
最初に次の 3 つを作成しましょう。最も早く成果が得られ、キャンペーン間で最も再利用しやすいトレイトです。Last Session Date
Last Value · 日付演算子ですべてのリテンション Flow を支えます。
Favorite Genre
Last Value · ホーム画面とすべてのレコメンデーションを一新します。
Total Watch Time
Aggregation · 決定的なエンゲージメント指標です。SQL は不要です。
目的別にトレイトを探す
これらの表に記載されているイベント名とプロパティ名は例です。実際の名前はアプリのデータトラッキング方法によって異なるため、ここに記載されている
Content Played という名前のイベントが見つからない場合があります。トレイトを作成する前に Data でトラッキング済みのイベントとプロパティを確認し、不足しているものがあれば開発チームにトラッキングを依頼してください。トラッキングの仕組みについては、イベントトラッキングの完全ガイドを参照してください。コンテンツアフィニティ
各視聴者のジャンル、言語、フォーマットの好みを常に最新に保ち、すべてのレコメンデーションとプッシュをパーソナライズします。エンゲージメントと一気見
視聴時間と一気見のパターンは、最も強力なリテンションの予測因子です。分析だけでなく、トレイトとして活用しましょう。サブスクリプション
トライアルから更新、ウィンバックまで、サブスクリプションのジャーニー全体を専用のトレイトで管理します。マルチデバイス
現代の家庭は、複数のプロファイルと複数のデバイスを使用しています。これらのトレイトにより、家庭を 1 人の視聴者として扱うことを防げます。スポーツ、ニュース、キッズ
ドメイン固有の熱心なファンのトレイトを使うと、ユーザーベース全体をセグメント化することなくニッチな分野を開拓できます。関連ドキュメント
Computed Traits は MoEngage 全体で使用されます。以下のガイドでは、上記の表で言及されている機能について説明しています。- セグメント: Computed Trait の値からオーディエンスを作成します。
- 分析: Computed Trait の値でユーザー行動をグループ化およびフィルタリングします。
- キャンペーンとチャネル: ユーザーにアプローチできるチャネルです。
- Flows: トレイトに基づいてユーザーを異なるパスに分岐させます。
- メッセージのパーソナライズ: Jinja を使用してトレイトの値をコンテンツに挿入します。
- Data: これらのトレイトの基盤となるイベントデータを MoEngage が収集・管理する方法です。