このウェビナーでは、Intentwiseのプロダクトマネージャーであるケントン・スナイダーが、ブランドがAIエージェントをAmazon Marketing Cloud（AMC）と連携させて、単発のクエリを超えてAMCデータを繰り返し活用可能なインサイトに変換する方法について解説します。
AMCは強力なツールですが、多くのブランドは依然としてその一貫した活用に苦労しています。クエリの構築は技術的に難しく、データはさまざまなレポートに分散していることが多く、結果を手動で分析する必要があるため、AMCをブランドのレポート作成および最適化ワークフローに定期的に組み込むのは困難です。ケントンは、AMCクエリの組み合わせ、AMCと他のAmazonデータセットとの連携、および定期的な分析の自動化によって、AIがこれらの課題をどのように解決できるかを解説します。
複数のAMCクエリを組み合わせる
最初のユースケース群は、複数のAMCクエリを統合して、より戦略的な質問に答えることに焦点を当てています。
一例として比較すると ファーストタッチ、ラストタッチ、リニアタッチのアトリビューションAmazon Adsの標準的なレポートではラストタッチアトリビューションが重視される傾向がありますが、AMCではDSP、Prime Video、Twitchといったファネル上部の施策が顧客ジャーニーのより早い段階でどのように貢献しているかを明らかにすることができます。アトリビューションモデルを比較することで、ブランドはどの施策が顧客をブランドに紹介するのに効果的で、どの施策が最終的なコンバージョンを促進するのに適しているかを特定できます。
ケントン氏はまた、ブランドがどのように組み合わせられるかを示している。 新規ブランドデータ、リピート購入データ、および製品重複データこれにより、新規顧客獲得に最も効果的な製品と、それらの製品のうち、補完的な製品の購入を促進する製品はどれかが明らかになります。これらの知見は、製品の優先順位付けと、その後のターゲット設定戦略の両方に役立ちます。
別のユースケースでは接続します DSPキャンペーンとコンバージョンへの経路におけるブランド検索行動ブランド検索率とコンバージョン経路データを組み合わせることで、ブランドはブランド需要の創出に効果的なキャンペーンを特定し、それらの検索が最終的に購入につながるかどうかを判断することができます。
AMCを他のAmazonデータセットと接続する
次のステップは、AMCのデータとAMC以外のデータを組み合わせることです。
ケントンのハイライト 検索クエリパフォーマンス（SQP） 貴重な例の一つとして、SQPには数千もの検索語が含まれるため、手動での分析は困難です。SQPとAMCデータを組み合わせることで、ブランドはクリック率が購入率よりも高い検索語、あるいは購入率が著しく高い検索語を特定し、その理由を調査できます。コンバージョンまでの時間とコンバージョンまでの経路データは、顧客のコンバージョンに時間がかかっているのか、あるいは特定の広告露出が結果に影響を与えているのかといった点について、より詳細な情報を提供します。
別の例では、AMC と 広告パフォーマンスデータ キャンペーンの重複を分析するために、スポンサードプロダクト、スポンサードブランド、スポンサードディスプレイを個別に評価するのではなく、ブランドはこれらの広告の組み合わせがROAS、リーチ、顧客獲得コストにどのような影響を与えるかを検証できます。これにより、費用対効果の高い広告タイプが、顧客ジャーニーのパフォーマンス向上に大きく貢献しているケースが明らかになる可能性があります。
ケントンはまた、AMCをどのように組み合わせることができるかを実証している。 購読してデータを節約しましょう広告に接触した購読者と接触していない購読者を比較することで、広告が初回購読とリピート購読に貢献しているかどうかをブランド側が把握できます。さらに、定期購入割引（Subscribe & Save）の収益動向を追加することで、購読料収入の変化が広告主導の購入の変化と関連しているかどうかを特定できます。
AIによるAMC分析の自動化
ウェビナーでは、個々の分析から、繰り返し実行される自動化されたワークフローへと話題が移ります。
ケントンは、AIツールがどのように作成できるかを示しています トレンド分析 新規顧客のパフォーマンスなどの指標について。毎月のAMCレポートをExcelで手動でまとめる代わりに、AIエージェントがデータを集約し、キャンペーンや製品レベルでの重要な変化を特定し、潜在的な問題領域を明らかにすることができます。
彼はまた、ブランドがどのように監視できるかを実演している。 DSP周波数 時間の経過とともに、AMCはキャンペーンが購入率とメディアコストの最適なバランスを実現できる露出範囲を特定するのに役立ちます。この分析をDSPキャンペーン設定と連携させることで、AIワークフローは最適なフリークエンシーが変化していると思われる場合にそれを検知し、フリークエンシーキャップの見直しを推奨することができます。
AIを活用した定期レポートの作成
最後のデモでは、ClaudeとIntentwise MCP接続を使用して、これらのワークフローをスケジュールされたタスクに変換する方法を示します。
ケントンは 新規顧客獲得状況の月次分析 このタスクは、AMCデータを取得し、キャンペーンレベルでの新規ブランド顧客のパフォーマンス傾向を分析し、新規ブランド顧客の売上比率が変化している箇所を特定し、主要な傾向を強調したレポートを作成します。このタスクは自動的に実行されるようにスケジュール設定できるため、個々のクエリを手動で実行して組み合わせることなく、分析結果を毎週または毎月受け取ることができます。
作成されたレポートには、新規ブランド購入、製品売上、キャンペーンレベルのトレンド、広告収入、および推奨される次のステップがまとめられています。ワークフローはプロンプト駆動型であるため、AIエージェントに分析対象や出力表示方法の変更を依頼するだけで、レポートを簡単に修正できます。
重要なポイント
目標は単にAIを使ってAMCクエリを作成することではない。より大きな機会はAIエージェントを使って 複数のデータセットを接続し、定期的な分析を自動化し、傾向を特定し、AMCの知見を意思決定につなげる。.
ブランドにとって最も価値のあるワークフローは、顧客獲得、アトリビューション、リピート購入、DSP最適化、ブランド需要、サブスクリプション成長など、それぞれのビジネス上の課題を中心に構築されたものとなるでしょう。AMCを他のAmazonデータと組み合わせ、分析を自動化することで、チームはAMCを単なる時折のレポート作成ではなく、意思決定プロセスにおける継続的な要素として活用できるようになります。
