Contact Optimization は、推奨コンタクトをランダムに副サンプリングした「チャンク」という顧客群に分割します。 一人の顧客に属するすべての推奨コンタクトおよびコンタクト履歴は、その顧客が属するチャンクに含まれるその顧客とともに処理されます。 顧客は、1 つのチャンクにしか所属できません。 最適化アルゴリズムの精度は、顧客のチャンクが統計上互いに類似しているかどうかに応じて決まります。 チャンクのサイズを大きくすると、この要求が満たされる可能性が高まります。 複数の顧客にまたがるキャパシティー上の制約は、複数のチャンクにわたって均等に配分されます。 例えば、Contact Optimization セッションに、最大 1000 件のオファー A が許可されると指定した制約があるとします。 Contact Optimization セッションを 10 個のチャンクで実行すると、それぞれのチャンクのキャパシティー・ルールでは、最大 100 件のオファー A が許可されます。

最大チャンク・サイズを設定するには、アルゴリズム調整変数 CustomerSampleSize を使用します。 チャンクが大きいほど結果の精度は高まります。 ただし、セッションの実行時間とメモリー・リソースも増大します。 サイズが 10,000 件を超えるチャンクを使用するときは、注意深く計画してください。 多くのシステムでは、一度に 10,000 件を超える顧客を処理するのに十分なメモリー・リソースがありません。 メモリー・リソースが不足すると、Contact Optimization セッションの実行がメモリー不足エラーとなって失敗します。 多くの場合、チャンク・サイズを大きくしてもソリューションの最適性を大きく向上させることがまったくない可能性もありますが、それでも実行にはより多くの時間とメモリーが必要です。 最適性は、最適化済みコンタクト・テーブルに存続しているトランザクションのスコアの合計として測定されます。 CustomerSampleSize は、最適化に関する特定の問題とパフォーマンス上の必要性に基づいて調整しなければならない場合があります。

複数の顧客にまたがるキャパシティー・ルールを使用する場面を理解するには、このルールが複数のチャンクにどのように適用されるかを理解しておく必要があります。 チャネル E メールの最小を 20 に、最大を 1,000 に設定した単一の「最小/最大オファー・キャパシティー」ルールの場合について考えてみましょう。 顧客が 100,000 件、最大チャンク・サイズが 10,000 の場合、それぞれのチャンクは、最大を 100 に変更したルールを使用して処理されます。 Contact Optimization は、ルールの最大値 (1,000) をチャンクの数 (10) で除算することにより、変更されたルールの最大値を計算します。

最大チャンク・サイズを小さくすると、より多くのチャンクが作成される可能性があります。 このように設定すると、ルールが、チャンク数よりも少ない何らかの要素 (E メール・チャネルなど) に依存する可能性が高くなります。 チャンク・サイズを 100 まで小さくすると、チャンク数は 1,000 になります。 すると、ルールの最小がチャンク数よりも少なくなり、ルールは 0.02 (20 ÷ 1,000) に変更されます。 この場合、2% のチャンクは最小 1 というルールを使用し、残り 98% のチャンクは最小 0 を使用します。チャネル E メールに関して、各チャンクが統計的に類似している限り、Contact Optimization は想定どおりにルールを処理します。チャンクの数よりも、E メールでオファーした顧客の数が少ない場合、問題が発生します。 E メールでオファーを受け取る顧客が 500 件しかない場合、各チャンクには E メールでオファーを受け取る顧客が含まれる可能性が 50% しかないことになります。 また、特定のチャンクに、E メールでオファーを受け取る顧客と、最小 1 というルールの両方がある確率は 1% しかありません。 Contact Optimization は指定された最小である 20 を満たせず、平均で 5 しか戻しません。