AIコネクタとTealium機能の概要

Tealiumは、リアルタイムデータワークフローにAIモデルを統合するための2つのアプローチをサポートしています：

• AIコネクタ：プロンプトベースのインタラクションのためにサポートされている大規模言語モデル（LLM）プロバイダーと統合します。
• Tealium機能：独自のモデルを呼び出すか、カスタムエンドポイントを呼び出します。

このガイドを使用して、各アプローチの動作と使用時期を理解してください。

AIコネクタ

動作方法

AIコネクタは、サポートされているプロバイダーのホストされたLLM APIと統合し、構造化されたJSONを返すプロンプトベースのインタラクションが必要です。これらは、サポートされているすべてのプロバイダー間で一貫したプロンプト、応答、およびアクティベーションパターンに従います。

AIコネクタを使用するには、プロバイダーの認証資格情報と、プロンプトとTealiumデータをAIモデルに送信するように定義された少なくとも1つの構成済みアクションが必要です。

AIコネクタはLLMアクティベーションのみを目的として設計されています。数値スコアや表形式の予測を返す従来の機械学習モデルを呼び出すためには、Tealium機能を使用してください。

データフロー

1. トリガーが発火：イベントまたはオーディエンスの変更がコネクタアクションをトリガーします。
2. プロンプト送信：コネクタはプロンプトとTealiumデータをAIモデルのエンドポイントに送信します。
3. 応答受信：モデルは要求された値を生成し、JSONオブジェクトを返します。
4. イベント取り込み：コネクタは応答をTealium Collectに転送します。
5. プロファイルが豊かに：エンリッチメントルールは応答値を訪問プロファイル属性に書き込みます。
6. オーディエンスがアクティブ化：オーディエンスルールが更新された属性を評価し、下流のコネクタが発火します。

プロンプト

プロンプトは、モデルに評価するコンテキストデータを指示し、特定の質問をし、期待される応答を定義します。ベンダーコネクタによっては、応答出力について特定の指示を含める必要がある場合もある場合もありません。詳細については、特定のコネクタの指示を参照してください。

コンテキストデータ

プロンプトのコンテキストに特定の属性またはイベント全体または訪問データオブジェクトを含めることができます。

特定の属性を含めるには、コネクタアクションでそれらをマップし、プロンプトでそれらを参照します。たとえば、product_reviewをマップする場合、プロンプトで{{product_review}}を参照できます。

プロンプトにデータオブジェクト全体を含めるには、コネクタアクション構成でイベントペイロード追加または訪問プロファイル追加を有効にし、プロンプトで{{event_payload}}または{{visitor_profile}}を参照します。

オーディエンスアクションの場合、訪問プロファイルオブジェクト内の現在の訪問データを含めるために現在の訪問追加も有効にすることができます。

重要
コネクタがコンテキストデータに関するプロンプト指示を必要とする場合、それをプロンプトの最初の行に含めます。たとえば：

顧客イベントを説明するJSONオブジェクトを受け取ります：
{{event_payload}}

コネクタが応答形式に関するプロンプト指示を必要とする場合、プロンプトの最後にそれを含めます。たとえば：

次の構造で1行に1つのJSONオブジェクトのみを返します：
{
  "tealium_account": "{{tealium_account}}",
  "tealium_profile": "{{tealium_profile}}",
  "tealium_visitor_id": "{{tealium_visitor_id}}",
  "tealium_event":  "ai_response",
  "ai_review_sentiment": "<customer review sentiment>"
}

質問

プロンプトは、モデルにデータを評価する方法を伝え、1つ以上の特定の値を生成するように依頼します。

たとえば、このプロンプトは、顧客のレビューの感情を表すテキスト値を生成するように依頼します：

提供された製品レビューイベントに基づいて、顧客の感情を「不満足」、「中立」、または「満足」として分類します。

応答イベント

コネクタはAI応答を解析し、JSONオブジェクトを抽出し、イベントとしてTealium Collectに送り返します。

応答イベントの例：

{
  "tealium_account": "acme",
  "tealium_profile": "main",
  "tealium_visitor_id": "383...05d",
  "tealium_event": "ai_response",
  "ai_review_sentiment": "satisfied"
}

例

イベントトリガー

この例では、顧客が製品レビューを提出したばかりで、プロンプトはモデルに感情を評価するように依頼します。

例のプロンプト：

顧客の製品レビューを説明するJSONオブジェクトを受け取ります：
{{event_payload}}

提供された製品レビューイベントに基づいて、顧客の感情を「不満足」、「中立」、または「満足」として分類します。

次の構造で1行に1つのJSONオブジェクトのみを返します：
{
  "tealium_account": "{{tealium_account}}",
  "tealium_profile": "{{tealium_profile}}",
  "tealium_visitor_id": "{{tealium_visitor_id}}",
  "tealium_event":  "ai_response",
  "ai_review_sentiment": "<customer review sentiment>"
}

例の応答イベント：

{
  "tealium_account": "acme",
  "tealium_profile": "main",
  "tealium_visitor_id": "383...05d",
  "tealium_event": "ai_response",
  "ai_review_sentiment": "satisfied"
}

オーディエンストリガー

この例では、顧客が「頻繁なブラウザ、購入なし」というオーディエンスに参加し、プロンプトはモデルに顧客の意図を評価するように依頼します。

例のプロンプト：

小売り訪問を説明するJSONオブジェクトを受け取ります：
{{visitor_profile}}

提供された顧客データに基づいて、彼らのおそらくのショッピング意図を「掘り出し物探し」、「製品比較」、「後での調査」、または「興味なし」として分類します。データが不足している場合は、最善の推測を行います。

次の構造で1行に1つのJSONオブジェクトのみを返します：
{
  "tealium_account": "{{tealium_account}}",
  "tealium_profile": "{{tealium_profile}}",
  "tealium_visitor_id": "{{tealium_visitor_id}}",
  "tealium_event":  "ai_response",
  "ai_shopping_intent": "<customer shopping intent>"
}

例の応答イベント：

{
  "tealium_account": "acme",
  "tealium_profile": "main",
  "tealium_visitor_id": "383...05d",
  "tealium_event": "ai_response",
  "ai_shopping_intent": "bargain hunting"
}

アクティベーション

モデルが有効なJSONオブジェクトを返すと、コネクタはそれをTealium Collectに受信イベントとして転送します。その後、エンリッチメントルールは応答値を訪問プロファイル属性に書き込みます。そこから、オーディエンスと下流のコネクタは、豊かにされたプロファイルに基づいてアクティブ化されます。

tealium_eventにコネクタ固有の値を構成し、使用ケースに特有の応答属性を命名することで、これらのイベントに一致するイベントフィードやルールを簡単に作成できます。

AI応答イベントアクティベーションのための例のルール：

テスト

本番環境でAIコネクタをアクティブ化する前に、コネクタマッピングでデバッグモードを有効にし、トレースを使用して構成とプロンプトの動作を検証します。デバッグモードを使用すると、本番コストを発生させたり、ライブデータに影響を与えたりする前に、エラーをキャッチし、プロンプトを最適化するのに役立ちます。

デバッグモードでは、コネクタはAIリクエストを実行しますが、応答イベントをアカウントに送り返すことなく結果を記録します。トレースツールを使用して、完全なリクエストと応答を検査し、生成された出力を確認し、トリガー条件と属性マッピングが正しく機能していることを確認します。

サポートされているベンダー

認証、モデル選択、プロンプト要件、およびアクションパラメーターなどの構成詳細は、各コネクターに固有です。

以下のAIコネクターが利用可能です：

AIのための関数

仕組み

Tealiumの関数は、独自のモデル（IYOM）を呼び出すためのコードベースのアプローチを提供します。事前に構成されたコネクターを使用する代わりに、イベントまたは訪問関数から直接任意のモデルエンドポイントを呼び出すためにJavaScriptを記述します。使用例には、数値スコアを返す従来の機械学習モデル、専用のAIコネクターを持たないプラットフォームでホストされているLLM、Snowflake Cortex、Databricks Model Serving、またはAmazon SageMakerなどのデータプラットフォーム上のエンドポイントが含まれます。

Tealiumの関数は、イベント関数（イベント処理後にトリガーされる）と訪問関数（訪問プロファイルの更新後にトリガーされる）の両方をサポートし、即時のイベントコンテキストまたは蓄積された訪問履歴のいずれかをスコアリングすることができます。

関数が発火すると、以下のステップに従います：

1. イベント属性または訪問プロファイルデータを収集します。
2. モデルエンドポイント用のリクエストペイロードを構築します。
3. fetch()を使用してエンドポイントを呼び出します。
4. レスポンスを解析します。
5. track()を使用して予測をTealium Collectに送信します。
6. エンリッチメントが訪問プロファイルに予測値を書き込みます。

関数は直接訪問プロファイルを変更することはできないため、予測はTealium Collectを通じて流れ、エンリッチメントを通じてプロファイルに書き込まれる必要があります。

関数は同期および非同期のモデル呼び出しをサポートしています。10秒以内に応答するモデルの場合は、標準のawaitパターンを使用します。遅いモデルの場合は、ファイア・アンド・フォーゲットパターンを使用します。関数はリクエストを送信し、すぐに終了します。その後、モデルが推論を完了したときに、結果をコールバックURLにPOSTします。

実装の詳細については、AIアクティベーションのための関数を作成するを参照してください。

コネクターと関数の選択

AIコネクターを使用する場合

• プロンプトベースの推論のために大規模な言語モデルを呼び出す場合。
• サポートされているAIプロバイダーのいずれかに使用例がマッピングされている場合。
• イベントまたは訪問データを入力として使用する一貫したテンプレートをプロンプトに使用する場合。
• モデルがTealiumイベントとして直接転送できる構造化されたJSONを返す場合。
• コードを書かずにTealium UIを通じて統合を構成したい場合。
• ページビューなどの高ボリュームで低価値のイベントではなく、ターゲット指定された高価値のイベントやオーディエンスで構成される使用例の場合。

AIコネクターは、分類ラベル、信頼値、または事前に定義されたリストからの識別子など、構造化された予測可能なJSON出力を返す使用例に設計されています。長文コンテンツやメディア生成には適していません。自由形式の出力が必要な使用例の場合は、本番環境に移行する前に組織のAIガバナンスプロセスに沿ってください。

Tealium関数を使用する場合

• 数値スコアまたは表形式の予測を返す従来の機械学習モデルを呼び出す必要がある場合。
• 専用のAIコネクターを持たないプラットフォームでモデルがホストされている場合。
• モデルに送信する前にカスタムロジック、データ変換、またはPIIフィルタリングが必要な場合。
• 非同期モデル応答またはカスタムネットワーク構成を処理する必要がある場合。

モデルにデータを送信する前にPIIを削除またはトークン化する必要がある場合は、Tealium関数を使用してカスタムフィルタリングを適用し、承認されたフィールドのみをエンドポイントに送信します。

比較概要

一般的な使用例

以下の表は、一般的なAI使用例と各使用例に推奨される統合アプローチをリストしています。