クレジット消費の仕組みを理解する

この記事で学べることクレジット消費の仕組みと監視方法不要なクレジット消費を防ぐために必要なこと利用開始時にはクレジット消費監視を行いましょうData Cloud は Sales Cloud などのユーザー単位のライセンス体系とは異なります。事前購入した「クレジット」を、利用した機能、量や回数などによって消費する体系となっています。利用開始時は多くのデータ同期を行ったり、色々な機能の確認を実施されるなど、消費量も多くなる傾向があるため、利用開始前にクレジット消費量のアラートを通知するフローを有効にすることを推奨します。フローについてはヘルプの「使用状況に関する Digital Wallet 通知の取得」を参照いただき、不明な点についてはサポートまでお問い合わせください不要なクレジット消費を防ぐために利用開始後も、使うデータのみ取り込み、そして必要な機能のみを利用することで、クレジットを有効に活用しましょう。また、アラートだけに頼ることなく、定期的に消費量の変動が想定通りかを確認することを推奨します。参考リソースData Cloud の請求可能な利用状況の種別Multipliers for Data Cloud (乗数の情報ページ)Help | 使用状況に関する Digital Wallet 通知の取得

Data Cloud の概要

この記事では、Data Cloud とは何か、その必要性、Salesforce 製品群における位置づけ、および主要な2つの活用方法（統合プロファイルとRAG活用）についてわかりやすく解説します。この記事では、まずData Cloudの全体像を掴んでいただき、実現したい活用方法に沿って後続の記事を読み進めてください。Data Cloud とは何か？Data Cloud は、社内外に散在するあらゆるデータをリアルタイムに集約・整理し、Salesforce 上で活用するための統合データ基盤です。その目的は、顧客に関する信頼できる唯一の参照元（シングルソースオブトゥルース）を確立し、営業、サービス、マーケティングといった全部門が、一貫性のある最新データに基づいて顧客対応にあたる「Customer 360」を実現することにあります。この仕組みは、Data Cloud が Salesforce 製品群のデータ基盤として機能することで実現されます。Sales Cloud や Service Cloud などの各アプリケーションが、Data Cloud という共通のデータハブから常に最新のデータ供給を受けるイメージです。Salesforce プラットフォームとのネイティブな統合: EC サイトや基幹システム（ERP）のデータを、Salesforce の「取引先」や「商談」項目に直接マッピングし、まるで元から Salesforce にあるデータのように扱えます。これは、あらかじめ用意されたコネクタやローコードツールで実現できるため、IT部門の負担を大幅に軽減します。外部データウェアハウスとのゼロコピー連携: Snowflake や Databricks、Google BigQuery などにあるデータを複製せずに直接参照できるため、既存のデータ投資を無駄にしません。統合されたデータを活用した「アクション」:  Data Cloud は単なるデータの倉庫ではありません。集約したデータをAI（Einstein）で分析してインサイトを導き出したり、自動化ツール（Flow）のトリガーとして活用したり、Marketing Cloud でより精緻な顧客セグメントを作成したりと、具体的な施策に直結させることができます。このように、Data Cloud は Salesforce 内外のデータをシームレスに繋ぐデータの基盤として、エコシステム全体でのデータ活用を促進し、より高度な顧客体験の創出を可能にします。主な活用方法①: 統合プロファイル（ Customer 360 ビュー）の構築と活用統合プロファイルとは、顧客ごとに散在するデータを一つに統合し、360度の顧客像を把握できる単一のプロファイルです。Data Cloud は、Salesforce 内のデータはもちろん、外部データウェアハウス、EC サイト、POS システムなど社内外の多様なデータソースから情報を取り込み、ID 照合やデータクレンジングを経て、一人ひとりの顧客に情報を紐付けます。この統合プロファイルを全社で共有することで、各部門で一貫した質の高い顧客対応が可能になります。マーケティング部門では、顧客の行動履歴に基づき、最適なタイミングでパーソナライズされたアプローチができます。営業担当者は、顧客の興味関心や過去の購買履歴を踏まえた提案が可能になり、クロスセルやアップセルの機会を創出しやすくなります。カスタマーサービスでは、オペレーターが顧客情報を一元的に把握できるため、「何度も同じ説明をさせられる」といった顧客の不満を解消し、迅速で満足度の高い対応を実現します。このように、統合プロファイルは顧客中心のデータ活用を可能にし、企業が顧客を深く理解するための洞察をもたらします。これは顧客満足度とロイヤルティの向上、ひいては収益拡大に直結するだけでなく、高度な AI 活用のための重要な土台となります。主な活用方法②: RAG（検索拡張生成）におけるデータベースとしての活用生成 AI（大規模言語モデル、LLM ）を業務に活かす上で、 RAG（ Retrieval-Augmented Generation / 検索拡張生成）という手法が注目されています。 RAG とは、 LLM の応答を企業固有のデータで根拠づけ（グラウンディング）するために、質問に関連するデータを指定された特定のデータソースから検索してプロンプトに組み込み、より正確で信頼できる回答を生成する仕組みです。 Data Cloud は、この RAG のプロセスにおいて、検索対象となるデータを処理・格納する重要な役割を果たします。Data Cloud は、 RAG の文脈では特に非構造化データの蓄積基盤として機能します。 PDF ドキュメントや通話録音の文字起こし、メール、画像ファイルなどの非構造化データを処理し、 AI が検索可能な形で蓄積できます。つまり、 Data Cloud 上に企業のナレッジ記事や製品マニュアル、メール履歴などを取り込むことで、それらが RAG で活用できるデータとなり、意味検索（セマンティック検索）が可能になります。こうして準備されたデータ基盤に対し、自律型AI機能である Agentforce がユーザからの質問をもとに検索をかけ、関連性の高い情報をプロンプトに組み込むことで回答の精度と信頼性を高めることができます。代表的な利用例として、カスタマーサポート（サービス部門）における問い合わせへの自動応答が挙げられます。 Web サイトのチャットウィンドウ上で顧客が質問した内容に応じて、社内のナレッジ記事から関連性の高い情報を見つけ、それをもとに回答をします。これまでのチャットボットではいくつかの分岐質問に答え、回答は定型文というのが一般的でしたが、Data Cloud と Agentforce による RAG の仕組みを使えば、顧客は自然言語で質問し、それに対して直接回答を得ることができるため、顧客体験が大幅に改善されます。まとめ本記事では、Data Cloud の概要と必要性、そして主要な 2 つのユースケース（統合プロファイルと RAG 活用）について紹介しました。データ統合による顧客 360 度ビューの実現と、生成 AI を企業データで強化する RAG の活用は、現代のビジネスにおけるデータ活用の双璧と言えるでしょう。Data Cloud はこの双方を支えることで、企業がデータから価値を引き出し、顧客体験を変革することを可能にします。なお、ここで取り上げた活用方法それぞれの導入ステップや活用のためのノウハウについては、別の記事で詳しく説明しています。ぜひ自社での用途に応じて読み進めてください。

計算済みインサイト

この記事で学べることData Cloudの計算済みインサイトについてユースケース例対象のお客様Data Cloudをこれからご導入いただく実装担当者の方Data Cloudの運用を担当されているアドミン（設定担当者）の方計算済みインサイトとは計算済みインサイトは、Data Cloudに保存された顧客に関するデータを用いて様々な計算を行い、追加のインサイトを抽出する機能です。計算済みインサイトの作成・編集については「Data Cloud の計算済みインサイト」をご確認ください。ユースケース例顧客生涯価値（LTV）顧客はライフサイクル全期間でいくら購入をしたかを把握顧客全体、および/または個々の製品またはカテゴリ別メール開封率/クリック率メールのクリック率や開封率を計算適切なキャンペーンのターゲットを明確にスコアリング/ランキング購入金額、来店数、コンタクト数などの項目に応じて配点顧客の実績に応じて優良顧客や休眠顧客など定義付け頻繁に使用する抽出条件セグメント時のデータ処理の軽減

セグメント

この記事で学べることData Cloudのセグメントについてセグメントを作成する上での注意点対象のお客様Data Cloudをこれからご導入いただく実装担当者の方Data Cloudの運用を担当されているアドミン（設定担当者）の方Data CloudのセグメントについてGUIで簡単に抽出条件を設定し、複雑な抽出条件でも結果件数を即座に確認ができ、1対多数の属性フィルターでカウントや合計、平均、最小、最大の集計をすることでデータを便利ないくつかのセグメントに分割し、顧客の把握、対象の絞り込み、分析を行います。セグメントの作成・編集については「Data Cloud のセグメンテーション」をご確認ください。セグメント作成時の注意事項Data Cloudは消費量課金ベースの製品であり、セグメント作成/更新時を含む各種機能のデータの処理量に応じて、ご契約いただいたクレジットが消費されます。そのため、大量のデータを繰り返しData Cloud内で処理を実行した場合、ご契約のクレジットを超過する消費量が発生する恐れがあります。セグメントの設定を行う際には以下の点に注意してください。公開スケジュール設定: 必要以上の頻度でセグメントを公開をしないようにします最短パスの設定: 複数のデータモデルオブジェクトを経由する場合、不要なオブジェクトを経由してしまうと、処理行数を消費することにつながりますまた、Data Cloudのご利用開始後は、定期的にクレジットの残量を確認することも重要です。クレジットの残量を監視するツールとして、「Digital Wallet」が提供されています。Digital Walletの詳細については「Digital Walletの活用」の記事をご確認ください。

マッピング

この記事で学べることData CloudのマッピングについてCustomer 360 データモデルについてマッピングを設定する上で知っておきたい用語対象のお客様Data Cloudをこれからご導入いただく実装担当者の方Data Cloudの運用を担当されているアドミン（設定担当者）の方Customer 360 データモデルについてCustomer 360 データモデルにより、標準化されたデータのガイドラインが提供され、クラウドアプリケーション間でのデータの統合が単純化されます。標準 DMO は、スキーマ DMO のパターンに基づいて作成され、参照対象の名前、形状、セマンティクスを継承します。カスタム DMO を組織内で直接作成して定義することもできます。追加のカスタム DMO のサブ種別は、Data Cloud の特定の機能用に作成されて使用されます。Data Cloud にインポートしたデータは、セグメンテーション、有効化、分析、その他の操作に使用する前に、DMO にマッピングする必要があります。Customer 360データモデルについては「Customer 360データモデル」をご確認ください。マッピングとはマッピングは、Data Cloudにさまざまなデータソースから取り込まれたデータを1 つの標準化された Customer 360 データモデルに統合することを指します。マッピングの設定については「Data Cloud のデータマッピング」をご確認ください。

データオブジェクト

この記事で学べることData Cloudのデータオブジェクトについてデータレイクオブジェクト（DLO）とデータモデルオブジェクト（DMO）の違いについて対象のお客様Data Cloudをこれからご導入いただく実装担当者の方Data Cloudの運用を担当されているアドミン（設定担当者）の方Data CloudのデータオブジェクトData Cloudの基本的なデータオブジェクトとしては、データレイクオブジェクト（DLO）とデータモデルオブジェクト（DMO）が存在します。データレイクオブジェクト（DLO）DLOはData Cloud に取り込まれたデータを格納するコンテナです。データストリーム（データソースとの接続）が作成されると、Data Cloudによって自動的に作成されます。（手動で作成することも可能）DLOには、未加工のソースデータに加え、取り込みの際やバッチ処理などで変換がされたデータが格納されるケースもあります。データモデルオブジェクト（DMO）DMOは、データソースから作成されたデータのグループです。（詳細は「データモデルオブジェクトについて知る（Trailhead）」をご参照ください）DLOからDMOにデータをマッピングすることで、様々なデータソースから取り込んだデータをData Cloudで定義したデータモデルに統合し、セグメント化やデータ分析などにデータを活用することが可能となります。※DLO、DMO以外のオブジェクトについての詳細は「Data Cloud のデータオブジェクト」をご参照くださいデータオブジェクトのカテゴリData Cloudのオブジェクトを作成する際には、データの「カテゴリ」を選択する必要があります。データカテゴリはプロファイル、エンゲージメント、その他の3 つです。プロファイル顧客や取引先など、セグメント化する母集団として使用するデータセットである場合に選択します。エンゲージメント注文やWebサイトの行動など、時間系列に基づくデータセットである場合に選択します。設定において「イベント時刻」の項目を定義する必要があります。その他商品や店舗情報など、プロファイルとエンゲージメントに関連していて、それらに該当しないデータセットである場合に選択します。なお、DLOとDMOをマッピングする際に、それぞれのカテゴリによってマッピングが可能かどうかが決まります。プロファイル DLO はプロファイル DMO またはその他のDMO にマッピングできますが、エンゲージメントDMOにはマッピングできませんエンゲージメントDLO はエンゲージメントDMO にのみマッピングできますその他のDLO はプロファイルDMO またはその他のDMO にマッピングできますが、エンゲージメントDMOにはマッピングできません※詳細は「カテゴリ」をご参照ください

データストリーム

この記事で学べることData Cloudのデータストリームについてデータストリームを作成する上での注意点対象のお客様Data Cloudをこれからご導入いただく実装担当者の方Data Cloudの運用を担当されているアドミン（設定担当者）の方データストリームとはデータストリームは、Data Cloudにデータを取り込むための接続のことを指します。データストリームを使用することで、様々なデータソースからデータをData Cloudに取り込むことができます。これにより、異なるシステムやプラットフォームからのデータを一元管理し、統一されたデータビューを作成することが可能となります。デーストリームの作成・編集については「Data Cloud のデータストリーム」をご確認ください。使用可能なデータソース主に以下のようなデータソースを使用することができます。（詳細はこちら：Data Cloudのデータソース）Salesforce コネクタ (Marketing Cloud コネクタや CRM コネクタなど)SDK と取り込み API を使用するコネクタサービス (Marketing Cloud Personalization や Web およびモバイルコネクタなど)Data Cloud との間でデータを流すように設定できるサードパーティインテグレーション (Amazon S3 や Google Cloud Storage など)データストリーム作成時の注意事項Data Cloudは消費量課金ベースの製品であり、データの取り込みを含む各種機能のデータの処理量に応じて、ご契約いただいたクレジットが消費されます。そのため、大量のデータを繰り返しData Cloudに取り込んだ場合、ご契約のクレジットを超過する消費量が発生する恐れがあります。データストリームの設定を行う際には以下のような点に注意してください。更新スケジュール設定：必要以上の頻度でデータを更新しないようにします更新モード：通常は全件更新の方がデータの処理量が大きくなるため、全件更新が必要ない場合は、増分更新を選択します取り込みデータの絞り込み：Data Cloudで利用しないデータがデータソースに含まれている場合は、データソース側でフィルターをかけてからData Cloudにデータを取り込むことが可能かどうかを検討しますまた、Data Cloudのご利用開始後は、定期的にクレジットの残量を確認することも重要です。クレジットの残量を監視するツールとして、「Digital Wallet」が提供されています。Digital Walletの詳細については「Digital Walletの活用」の記事をご確認ください。

Data Cloud 統合プロファイルの概念と仕組み

この記事で学べることData Cloudの統合プロファイルとは統合プロファイルのコンセプト（Key Ring）統合プロファイルが提供する価値対象のお客様Data Cloudをこれからご導入いただく実装担当者の方Data Cloudの運用を担当されているアドミン（設定担当者）の方Data Cloud 統合プロファイルの概念と仕組み 動画本動画では、Data Cloudの主要な機能の一つである、統合プロファイルの概念とその仕組みについて解説しています。https://play.vidyard.com/EMSw1ooZn2pqu26MuAadfH