【第476回】 Marketing Cloud Next ： Journey Decisioning エージェント

2026年3月10日 11:37

Marketing Cloud Next の Winter '26 新機能リリースでは、Agentforce の機能を活用して、顧客ごとに最適なジャーニーを動的に選択することができる Journey Decisioning エージェント が登場しました。

従来の Journey Builder では、あらかじめ定義した条件分岐をもとに、顧客を分けていく設計になります。例えば、以下のような形です。

① 購入回数が 3 回以上なら A のジャーニー
② それ以外なら B のジャーニー

しかし実際には、顧客ごとの状況は、以下のように複雑です。

最近は購入していないがメールはよく開封している
過去の購入額は高いが、最近の反応は薄い
値引き施策には反応しやすいが、ブランド訴求には反応しにくい
同じ休眠顧客でも、次に実施すべき施策は人によって異なる

このような状況では、単純な分岐だけでは表現しきれない場面があります。

そこで Journey Decisioning エージェントを使うことで、リアルタイムの行動プロファイルやコンテキストに基づいて、どのジャーニーが最適かを Agentforce に判断させることができます。

今回は、この Journey Decisioning エージェント について解説します。

Journey Decisioning エージェントの機能

Journey Decisioning エージェントでできることは、主に次の 2 つです。

1. 最適なジャーニーを選択する

顧客の属性、行動、エンゲージメント傾向、Data 360 上のコンテキストなどをもとに、複数候補の中から最適なジャーニーを選択します。

2. その顧客向けのコンテンツを生成する

選ばれたジャーニーに対して、件名、プリヘッダー、本文コピーなどのカスタムコンテンツを作成できます。（※ Campaign Creation レベルです。）

Tips：3 つ目の Get Context はデータグラフから顧客のコンテキストを取得するためのアクションです。

ユースケース

今回は、EC サイトの休眠顧客施策で考えてみます。

例えば、90 日以上購入していない顧客に対して再購入を促したいとします。ただし、休眠顧客だからといって、全員に同じ施策を実施するのは最適とは限りません。

例えば、次のような違いがあります。

過去にクーポン施策への反応が高かった人
最近メールは開封しているが購入していない人
購入額が高いロイヤル顧客
反応がかなり薄く、まず関係性を温め直したい人

この場合、次のようなジャーニー候補を用意できます。

① クーポン再購入ジャーニー

割引施策への反応が高い顧客に対して、限定クーポンを送る

② 新着商品レコメンドジャーニー

最近の閲覧傾向や開封傾向をもとに、興味のありそうな商品を紹介する

③ ロイヤル顧客向け先行案内ジャーニー

値引きではなく、限定性や先行案内によって再訪を促す

④ 再エンゲージメントジャーニー

すぐには販促せず、まずブランドへの関心を取り戻す

Journey Decisioning エージェントは、こうした候補の中から、
この顧客にはどのジャーニーが最適か を判断します。

これが、通常の IF 条件の延長ではなく、“次の最適な施策” を選ばせる という考え方になります。

全体の構成イメージ

Journey Decisioning エージェントを利用する際の全体像は、次のようになります。

手順 1. Data 360 で顧客情報を利用できる状態にする

まず、顧客の属性や行動履歴、興味関心などを Data 360 側で参照できるようにします。これには データグラフを活用 します。
※ Journey Decisioning では、このコンテキストが重要になります。

手順 2. Journey Decisioning エージェントを有効化する

Marketing Cloud Next 側で Agentforce 関連機能を有効化し、Journey Decisioning エージェントを有効化 します。

Tips：まず Agentforce Employee Agent（AEA）を有効化 してください。これにより、マーケティング関連のエージェントテンプレートを使用できるようになります。

手順 3. ユースケースを登録する

ここで、エージェントが選択対象とするジャーニーを「概要」と「期待される結果」と共に登録します。最大 5 つまで設定できます。

重要：ここで選択対象となるジャーニーは、以前「Send to Journey アクション」の記事で解説した流れで、API イベントエントリーソース を設定済みのジャーニーに限られます。

手順 4. フローからエージェントを呼び出す

Flow Builder でエージェントアクションを実行し、対象顧客ごとに最適なジャーニーを選択させます。

手順 5. Journey Builder で結果を利用する

振り分けの結果や生成コンテンツはデータエクステンションに保存されるため、それを Marketing Cloud Engagement 側のジャーニーで利用します。

データグラフの活用

Journey Decisioning では、顧客についての情報がなければ、適切な判断ができません。そのため、Data 360 側で評価対象となる情報を持つ データグラフ を準備する必要があります。

今回の例であれば、以下のような情報が考えられます。

最終購入日
累計購入額
好みのカテゴリ
開封傾向
クリック傾向
会員ランク
地域
過去施策への反応

こうした情報をもとに、Agentforce が顧客ごとの文脈を理解して、最適なジャーニーを選択します。

設定方法

Journey Decisioning エージェントでは、Personalization: Get Context アクション を使用して、コンテキストを取得します。

Marketing Cloud: Journey Decisioning トピック には、以下の指示がふくまれています。この中の以下の 2 つを入れ替えます。

{DataGraph API Name}
{Agent Version ID}

DataGraph API 参照名を検索するには、Data 360 を開き、[データグラフ] タブに移動して、適切なデータグラフを見つけます。[データグラフ API 参照名] 項目で正確な名前を使用します。

URL でエージェントバージョン ID を見つけます。これは、URL で versionID= の直後にある ID です。

https://xxxxx.lightning.force.com/AiCopilot/copilotStudio.app#/copilot/builder?copilotId=0XxHp000000e2F3KAI&versionId=0X9Hp000000ebw6KAA

ユースケースの作成

Journey Decisioning エージェントでは、
各ジャーニーの概要と期待される結果 が非常に重要です。

なぜなら、エージェントはその説明を見て、

このジャーニーは何のためのものか
どのような顧客に向いているのか
どんな成果を期待するのか

を理解するためです。

例えば、次のような説明は良くありません。