Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

Technical Insights: GraphQL による開発

ジョンソン・リャン, フロントエンドエンジニア, Appier

Appierでは、GraphQLを1年間使用してきました。GraphQLは、当社の主要AIプラットフォームの1つであるAixonのクライアント/サーバー間の通信に使われています。「オブジェクトフィールド」という概念やリゾルバなど、GraphQLのユニークな特性から多くのメリットを得ています。すべての入出力をホワイトリスト化する宣言型のアプローチは、プログラミングインターフェイスを構築するツールとして非常に役に立っています。

このプレゼンテーションは、GraphQLの入門的なものであり、もともとはAppier社内の他の製品チーム向けに作成されたものです。特に、これまでGraphQLを使ったことがないNode.jsおよび Python開発者を意識しています。独自のGraphQLスキーマを構築し、GraphQL APIサーバーを稼働させるために知っておくべき基本的なトピックをすべてカバーし、両プログラミング言語の簡潔なサンプルコードを紹介しています。

GraphQLの高度な概念を説明しているものは、すでにインターネット上に多くありますので、このプレゼンテーションでは、GraphQLを実行させるために必要な実際のソースコードに重点を置き、GraphQLを理解するための、より実用的な視点を紹介したいと思います。

このプレゼンテーションでは、次のようなトピックをカバーしています。
– GraphQLサーバーの基本
– APIシェイプの定義 – GraphQLスキーマ
– オブジェクトフィールドの設定
– 変異型API
– GraphQLサーバーへのリクエスト送信
– N + 1クエリ問題の解決:DataLoader

GraphQLに興味のある開発者の皆さんに役に立つ情報になれば幸いです。

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

ユーザーの再訪問を強化する「リマーケテイング」には人工知能(AI)が有効です

突然ですが、世界中のEコマースサイトの平均コンバージョン率は約2.6%であることをご存じですか? この数字を大きいとみるか小さいと見るかは、皆さんの属する業界等によって違うかもしれません。Eコマースに限れば、これは、オンライン販売に大きな成長の余地があることを物語っています。この成長の余地を縮めるために一般的に行われている方法の一つが、リマーケティングです。 例えば、消費者Aが貴社のウェブサイトを閲覧し、靴を1足カートに入れたとします。ところが、何も購入しないでカートを放棄してしまう。しばらくしてこの人がオンラインサイトを閲覧していると、以前買うのを迷っていた靴を推奨する広告が表示され、貴社のウェブサイトに戻って購入を完了させるよう促されます。この広告は特典として値引きを提供するかもしれませんね。これが典型的なリマーケティングと言われる方法です。リマーケティングの目的は、興味関心がありながらコンバージョンに至っていない見込み客にリーチし、関連性の高いマーケティングメッセージでそれらを購入に導くことです。すでに商品に興味関心を示し、コンバージョンの可能性が高い消費者へのエンゲージメントを行うことにより、高い投資利益率(ROI)をもたらす事ができます。 このリマーケティングはこれまで広告施策の一つでしたが、最近の企業はEメールやアプリ内の通知によって買い物客にリーチし、関心を高める取り組みがで切るようになっています。それをもう一歩進め、今やAIが進歩したことにより、機械学習(ML)などの方法を活用して、リマーケティングをこれまで以上に精度高く実施できるようになりました。 より適切なターゲティングや関連性が高いメッセージほど、リマーケティングには有効だということが証明されています。多様なデータからAIを使ってターゲット顧客を見出したいのであればAIを使うことををお勧めします。 AIに基づくセグメンテーションでリターゲティングのパフォーマンスを向上 リマーケティングのベースとなっている従来のセグメンテーションマーケティングに際して、買い物客がログアウトした後は、適切な商品と消費者を結び付けるのは困難です。彼らの実際の興味関心やニーズを見定めるために、さまざまな興味関心やグループに関するデータをふるいにかける作業はさらに複雑です。一方、AIを使うと適切なユーザーのセグメンテーションをより容易に行うことができる。AIは、MLを利用してユーザーの購入履歴に関するデータを解釈し、将来の購買行動の予測に役立つパターンを特定することで、リマーケティング戦略の最適化を支援します。 例えば、Appierのプログラマティック・プラットフォームCrossXは、AIを活用したアドソリューションですが、ディープラーニングのアルゴリズムを使用して、何十通りものユーザー行動をリアルタイムで分析し、コンバージョンの可能性が高いユーザーを予測します。これにより、マーケターは最も購買の可能性の高いユーザーを優先的にターゲティングできます。 パーソナライズされたレコメンデーションでコンバージョンを推奨 MLは、ユーザーの行動分析と商品情報を統合して、パーソナライズされたレコメンデーションを作成し、コンバージョンの可能性を高めます。AIを活用してリマーケティング戦略を最適化するメリットは以下のようなものがあります。 実際の購買客をリターゲティングしてROIを向上 MLは、ショッピング(実際のコンバージョン)と検索(ウィンドウショッピング)を区別できるため、コンバージョンへの確率が高そうなユーザーのリターゲティングができます。かなりの時間をかけてインターネットを閲覧しているものの滅多に買い物をしないユーザーと、欲しい物がある時にサイトを訪問して購入するユーザーの、どちらをリターゲティングスべきかを教えてくれます。 ディープラーニングモデルを使用して、目まぐるしく変化する行動を把握 MLは、正確なレコメンデーションを行うために、ショッピングの行動パターンを特定し、その変化の予測します。例えば、消費者Bは数日間ダウンコートを閲覧していましたが、天候の急変で週末は暖かくなることが和待っているため、金曜日の夜にはTシャツを検索しました。AIは、消費者Bのショッピング行動が短期間のうちに変化したことについてのインサイトを見つめます。この情報をもとにマーケターは、Tシャツの購入を促し、即時購入の可能性を高めることができます。 購買客が実際に購入したいアイテムでリターゲティング 長期間にわたるユーザーの閲覧パターンから本気で購入する意思がある人と、インターネットで検索はしているが実際には興味関心のない人を区別することもAIは得意です。 顧客のショッピングジャーニー全体にわたり価値を提供 東京行きの航空券を予約したユーザーを例に説明します。従来のリマーケティングでは、さまざまな行き先のフライトのプロモーション用にターゲティングを行っていたでしょう。いままでだとプロモーションといえばチケットの値段の低さを訴求するだけでした。正しくターゲティングされていないままにメッセージを送っていたこともあったでしょう。ユーザーが東京行きのチケットを予約したなら、次の行動はホテルやツアーなどの比較検討をすることは容易に想像できます。そのようなユーザーの行動を先読みしてじっしするのが最新のリマーケティングです。 AIを使うと、ユーザーの過去の購入行動や複数のEコマースサイトのデータに基づいて、購入したいと思っている品物やサービスに関連性の高いレコメンデーションを行ったり、レコメンデーションで提示する商品数を増やしたりできます。マーケターは、ユーザーの意図に関する貴重なインサイトを生かし、機能やデザインなどが類似している商品を訴求することでユーザーをリターゲティングすることができます。 ユーザーが所有するすべてのデバイスにリーチし、購入を促せるので初回の訪問から購入に至る時間を短縮することができます。さらに、AppierのCrossXアドソリューションのようなAI搭載のプラットフォームを使うと、どのユーザーのどのデバイスに向けて、どういうメッセージでいつリーチすべきかというインサイトを入手することができるので、これまでは複数のアプリケーションを使い、複雑な作業が必要だった、デバイスを横断してのリマーケティングをシンプルにできます。

VIEW >

顧客ロイヤリティを
長期で高める方法

競争が激化する旅行業界にユーザーが期待するのは、シームレスなワンストップエクスペリエンスです。人工知能(AI)を活用して、パーソナライズされた製品の推奨事項を作成し、その顧客とのエンゲージメントを構築し、ライフタイムバリュー(LTV)を高める4つの方法をご紹介します。   1. 適切な視聴者を引き付ける   消費者調査やパネルデータに頼る代わりに、AIを活用したデータサイエンスを使用します。 内部データと外部データを組み合わせて分析し、完全な顧客プロファイルを作成 顧客の行動と関心に基づいてオーディエンスをセグメント化 キャンペーン実行時に、ターゲットを設定できるように、将来の行動を予測   2. パーソナライズされたマーケティングで見込み客を増加させる   AI主導のマーケティング自動化プラットフォームを使用して、初めての訪問者向けにコンテンツをより正確に調整します。 新規ユーザーがサイトに初めてアクセスする前に、外部サイトでの関心を発見 休日や体験に関するパーソナライズされた推奨事項を提供して、Webおよびアプリのコンテンツを調整できるようにします。 例えば藤井さんは、「バンコクで格安の休日」を検索後、タイの都市、ソンクラーンも検索しました。この情報を使用して、自社サイトへの最初の訪問でバンコクの休日のオファーとアクティブなツアーを含めるルールを設定します。   3.検討段階から購入に到るまでを後押し   旅行客は、複数のデバイスで複雑なユーザー行動をとります。 AIを使用して、各デバイスを使用する方法とタイミングをよりよく理解します。 個々のユーザーのクロスデバイス上の動作を分析 適切なメッセージとオファーを適切なタイミングで適切なデバイスに送信できるように、単一の顧客ビューを提供 例えば佐藤さんは、携帯電話で「バリ島の短い休憩」を検索し、その日の夜には自分のPCでのみシンガポールのベストホテルに関する記事を読みました。この情報を使用して、翌朝、シンガポールでの短い休憩のオファーを彼の携帯電話とPCの両方に送信します。

VIEW >

AIの活用でリスク管理と潜在的な顧客の発掘を同時に実現

アジア太平洋地域(APAC)の金融サービス業界における人工知能(AI)の導入増加は、企業の顧客獲得、サービスの改善のみならず、セキュリティー面でのリスクを軽減できるという利点があります。ディープラーニングの進歩により、企業は潜在的な顧客のオンライン上での全体像を把握することができるようになり、クレジットカードやローンなどの金融サービスを提供するに当たって、潜在的な顧客の発掘やアプローチのために精度の高い判断を下すことができます。 2018年のAPACにおける銀行業界の収益は約1.6兆米ドル、利益は約7000億米ドルで、世界の銀行における税引前利益の37%を占めました(英語資料)。 APACのクレジットカードとローン市場は成長の可能性を大きく秘めています。なぜならば、アジア太平洋地域の多くの国では普及率が低いにもかかわらず(英語資料)、この地域は世界のクレジットカード支出の約半分を占めているからです(英語資料)。 また、将来の利益拡大にとってクレジットカードの顧客獲得がますます重要になってきます。 金融業界での顧客獲得におけるAIの役割は大きく、AIツールを採用する企業は増加傾向にあります。また、銀行などの金融機関は、クレジットカードやローン商品を通して顧客のポートフォリオを拡大したいと考えています。 小売業に次いで、銀行業はAIに投資する2番目に大きな業界であり(英語資料)、56億米ドルが詐欺や恐喝の防止やそのための分析などのソリューションに投資されると予想されます。 中国や韓国では、すでにAIを使用した取り組みで道を開いています。中国のフィンテック企業は、AIを導入して個人間の融資顧客を獲得し、信用リスクを管理し、債権回収のコンプライアンスを確保することにより、インドネシア、ベトナム、フィリピンなど、進出が今まで困難とされていた東南アジア市場をターゲットにしています(英語資料)。 一方、2018年に韓国政府は2022年までに20億米ドルをAIの研究開発に投資することを公表しています(英語資料)。   1. 選択的かつ正確に   顧客獲得と関係構築におけるAIの役割は2つあります。 金融機関はAIのディープラーニング機能を使用して、ターゲットオーディエンスの全体像を把握できます。 この利点は、AIのデータが多いほど、その予測と決定が改善されることです(英語資料)。 成果を出すには、AI搭載のデータサイエンスプラットフォームを使用して、顧客の取引履歴、キャンペーン結果や顧客活動などの過去の顧客データを結合し、すべてのデータを選別して複数のデバイスにわたるユーザーの行動を分析し、顧客の全体像を描きます 。 こうしたプロセスから導きだされたインサイトを使い、金融サービス企業は顧客が利用しているデバイスに適切なタイミングでメッセージを送ることが可能になります。 より深く顧客を理解するために、ディープラーニングを使用して、自社サイトやアプリだけでなく外部のウェブサイトでのサードパーティのデータを追加し、顧客の興味や意図を分析します。 これは、ライフステージを正確に特定するのに役立ちます。 たとえば、リテールバンクは、より良い品質の衣料品を検索し、購入している20代のキャリアウーマンを探しているかもしれませんが、金融機関は、新興国で起業家精神の兆しを見せている顧客をターゲットにしたいかもしれません。 このようにデータを収集できれば、顧客の興味、意図、ライフステージの特性に基づいてオーディエンスセグメントを作成できます。 ディープラーニングは、将来のコンバージョン率を予測し、クレジットカードまたはローン商品にコミットする可能性が最も高いセグメントを特定できるので、これらのセグメントへの広告費用を最適化することが可能です。 AIが提供するインサイトは、パーソナライズされた広告を作成するために効果的で、関係構築を促進します。 たとえば田中さんは、自動車ローンを完済したばかりで、新しいアパートと固定資産税の購入に関する記事を読んでいます。

VIEW >