先日こんなpostを書いたのですが、その続きです。自前のブログが最近頻繁に落ちるのでnoteに全面的に移行したい気がしている。

やりたかったのはこれですよ

記事見ればわかるんですけど、上記の画像の様に、レコードの情報を使って予測モデルから結果を返してくれるみたいなことが実現できるという事でした。

それで紆余曲折あって、実装してみたんですよね。(紆余曲折の方は、どうやって実装するのかについての技術的な面倒な話なので別に書きます)

こんな感じにでる。このページが編集されるたびに、予測モデル欄で選んだ予測モデルにデータを投げつけて、右側に表示される。それはもうお手軽です。いい感じ。これぞAI。だがしかし課題はあります

1つ目は言わずもがなモデルのブラッシュアップが必要

例えば、わかりやすい例で言うと、売上上げるにはどうすりゃいいのみたいなことを考えるとします。それに関係しそうなパラメータってどの程度ありますかね。全部集めなければなりません。しかもですよ、集めたパラメータの中からクリティカルに効きそうなものを選りすぐっていく訳です。結構たいへんですね。今はそのフェーズをまさにガリガリやっていますが、ここが肝で且つまぁ大変な部分でもあります。がんばります。これはもう泥臭くやるしかないのですが、面白い部分でもあるので気持ち的にはテンションが上がる部分です。

二つ目は、アクションを考える必要があるということ

上記のモデルを作る時に、我々が変更しうるパラメータってなんですか？が問われます。できるアクションってなんでしょうね。リバネスでやっていることで一例を出すと、定期刊行冊子を届けるとか、ポスター届けるとか、直近の連絡が何日以内であるとか、そういうのですね。これはダイレクトに実行できる施策で即効性があるものと言えます。

もう一つは、このページを踏ませるとか、この資料をダウンロードしたとか、メールを開いてリンクをクリックしたとか、イベントに来てもらったとか、こちらはどちらかというと間接的なアクションです。こちらでできることは連絡を入れることだったり、広告をターゲティングして見せることだったりして、それを経た先でアクションをしてもらうようなもので、最初のものより即効性は落ちます。

こんな感じで、自分たちができうるアクションをデータ上に設定する必要があります。そんなこと分かってるでしょ、当たり前では？って思うかもしれませんが、ホント当たり前なんですけどやってみて腑に落ちました。アホですね。

それで次はどうするんだい？

システム実装としてのEinsiteinの活用方法については実装が終わったので、上述の2つをとにかく考えていくという感じです。特にアクションの方は、データ収集の施策を考える上でも重要で、そこを考えて今まであったデータを取り込んでいくというフローになりそう。取り込むデータがだんだんと増えていくことで、ターゲットに対する情報密度が上がっていくのですが、これが効果を発揮するタイミングがどこかで来るはずです。まだ先は長そうですけれど。

追記：実装手順書きました

Einstein PredictionsのSalesforce側への実装手順：https://qiita.com/geeorgey/items/07ec854d4df628a1457a