braze について
brazeは、Brazeでの顧客エンゲージメント施策を監査・設計・改善するClaude向けスキルです。クロスチャネル配信、Canvas、セグメント、データ設計、到達性を扱います。
主な機能
- 01Canvasの監査とフロー設計
- 02クロスチャネルキャンペーンの計画
- 03セグメントとオーディエンスの設計
- 04パーソナライズとテストのガイダンス
- 05データ設計と移行計画
- 06到達性とコンプライアンスの確認
活用シーン
- 01Brazeワークスペースの監査
- 02クロスチャネルのオンボーディングCanvas設計
- 03KlaviyoからBrazeへの移行計画
- 04プッシュ通知の許諾率やメール到達性の改善
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/ / github.com/ thatrebeccarae/ claude-marketing --skill brazeインストール後、Claude Code で/brazeを入力して読み込まれたか確認します。
同梱ファイル
SKILL.md と一緒にインストールされる参考資料やスクリプト。
.env.exampleEXAMPLES.mdLICENSEREFERENCE.md詳細
Braze Customer Engagement Platform
Braze に関するエキスパートレベルのガイダンス — キャンバス、キャンペーン、セグメント、データアーキテクチャ、クロスチャネルメッセージングの監査、構築、最適化を行います。
インストール
git clone https://github.com/thatrebeccarae/claude-marketing.git && cp -r claude-marketing/skills/braze ~/.claude/skills/
主な機能
キャンバスの監査と設計
- 既存のキャンバスを監査し、ロジックエラー、タイミングの問題、見逃している機会を特定します
- マルチステップ、マルチチャネルのキャンバス(メール、プッシュ、SMS、アプリ内メッセージ、Content Cards、Webhook)を設計します
- キャンバスフローの機能(アクションパス、オーディエンスパス、実験パス、意思決定分岐)を実装します
- エントリースケジュール、例外イベント、再適格性、レート制限を確認します
セグメンテーションとターゲティング
- Braze のフィルターシステム(ユーザー属性、カスタムイベント、購入行動、エンゲージメント)を使用してセグメントを作成します
- 複雑なクエリ(イベントプロパティフィルター、ネストされた AND/OR ロジック)に対応するセグメント拡張を設計します
- 予測オーディエンス(Predictive Churn、Predictive Purchases)を実装します
- 外部 CDP(Segment、mParticle、Amplitude)からの Connected Audience 同期を設定します
キャンペーン戦略
- メール、プッシュ、SMS、アプリ内メッセージ、Content Cards、Webhook を活用したクロスチャネルキャンペーンを計画します
- Intelligent Selection を使用して A/B テストや多変量テストを実施します
- Liquid テンプレート、Connected Content、カタログを使用してパーソナライズします
- フリークエンシーキャップと Intelligent Timing の最適化を行います
データアーキテクチャ
- カスタムイベントと属性のスキーマを設計します
- Currents のデータエクスポート(Snowflake、BigQuery、S3、Mixpanel へのエクスポート)を実装します
- 他のプラットフォーム(Klaviyo、Iterable、Salesforce MC)からのデータ移行を計画します
- API 統合パターン(REST API、SDK の実装)に対応します
到達率とコンプライアンス
- メール:SPF、DKIM、DMARC、IP ウォームアップスケジュール
- プッシュ:トークン管理、暫定的な許可、オプトイン戦略
- SMS:ショートコードとロングコードの選択、コンプライアンス(TCPA、CTIA)、オプトイン管理
- GDPR/CCPA に準拠したデータ処理と同意管理
主なベンチマーク
| 指標 | 良好 | 優秀 | 要注意 |
|---|---|---|---|
| メール開封率 | 20-25% | 30%+ | <15% |
| メールクリック率 | 2-3% | 4%+ | <1.5% |
| プッシュ開封率(iOS) | 3-5% | 7%+ | <2% |
| プッシュ開封率(Android) | 5-8% | 12%+ | <3% |
| アプリ内クリック率 | 15-20% | 25%+ | <10% |
| Content Card クリック率 | 10-15% | 20%+ | <5% |
| SMS クリック率 | 8-12% | 15%+ | <5% |
| 配信停止率(メール) | <0.3% | <0.1% | >0.5% |
必須キャンバスチェックリスト
- オンボーディング — マルチステップのクロスチャネル(プッシュのオプトインプロンプト、ウェルカムメール、アプリ内チュートリアル)
- アクティベーション — 最初の 7 日間に主要なアクションを促します(機能の利用促進、プロフィールの完成)
- 再エンゲージメント — 利用が途絶えたユーザーをターゲットにします(7 日、14 日、30 日の非アクティブ期間別)
- トランザクション — 注文確認、配送状況の更新、領収書(Transactional API を使用)
- プロモーション — オーディエンスターゲティングとフリークエンシーキャップを設定したスケジュールキャンペーン
- カート放棄/閲覧離脱 — コンバージョン時の例外イベントを設定したトリガーベースの施策
- ウィンバック — 長期間利用が途絶えたユーザーを対象にします(60 日、90 日、120 日)
- 機能のお知らせ — セグメント、チャネルの希望設定、プラットフォームに基づいてターゲットを設定します
- NPS/フィードバック — アプリ内またはメールでインタラクション後のアンケートを実施します
- 配信停止 — エンゲージメントのないユーザーを配信対象から除外し、到達率を保護します
ワークフロー:Braze の完全監査
Braze ワークスペースの監査を依頼された場合:
- Canvas とキャンペーンの一覧 — アクティブな Canvas とキャンペーンをすべて一覧表示し、不足しているものを特定します
- チャネルの網羅状況 — アクティブなチャネル(メール、プッシュ通知、SMS、アプリ内メッセージ、Content Cards)を把握します
- セグメンテーションのレビュー — セグメントの定義、重複、拡大状況を評価します
- データアーキテクチャ — カスタムイベント、属性、スキーマの一貫性、データの鮮度を確認します
- パーソナライズ — Liquid の使用状況、Connected Content の呼び出し、Catalog の実装を確認します
- パフォーマンス指標 — チャネルごとの KPI、Canvas ステップのコンバージョン率、バリエーションごとのパフォーマンスを確認します
- 配信到達性 — メールのレピュテーション、プッシュトークンの健全性、SMS のコンプライアンスを確認します
- 配信頻度と疲労 — 全体の配信頻度上限、静穏時間、Intelligent Timing の使用状況を確認します
- インテグレーションの健全性 — SDK のバージョン、Currents のエクスポート、CDP の同期、Webhook の信頼性を確認します
- 推奨事項 — 影響度に応じて優先順位を付け、推定工数(簡単/中程度/大規模)を示します
Braze と Klaviyo の比較
移行や比較を行うチームを支援する場合:
- Braze が優れている点:クロスチャネルのオーケストレーション、モバイルファースト(プッシュ通知、アプリ内メッセージ)、エンタープライズ規模、リアルタイムのイベントストリーミング
- Klaviyo が優れている点:Eコマースに特化した設計、簡単なセットアップ、Shopify とのネイティブ連携、DTC 向けの優れたメール/SMS
- 移行における重要な考慮事項:Braze のイベント/属性モデルはより柔軟ですが、事前にスキーマを設計する必要があります
このスキルの使い方
次のような質問をしてください:
- 「Braze の Canvas を監査して、不足しているものを特定してください」
- 「モバイルアプリ向けのオンボーディング Canvas を設計してください」
- 「Klaviyo から Braze への移行計画を手伝ってください」
- 「Braze で SaaS 製品に最適なデータアーキテクチャは何ですか?」
- 「プッシュ通知のオプトイン率が低いです。オプトイン戦略を設計してください」
- 「Experiment Paths を使った再エンゲージメント Canvas を構築してください」
- 「新しい Braze ワークスペース向けの IP ウォーミングを計画してください」
Braze のデータモデル、Liquid のリファレンス、API エンドポイント、Canvas パターンの詳細については、REFERENCE.md を参照してください。
コメント
Markdown 対応