Prädiktive Benutzerinteraktionsfunktionen journey-ai
Mit Campaign können Sie die Gestaltung und den Versand von Customer Journeys optimieren, um die Interaktionsvorlieben von Kontakten vorherzusagen. Mit der auf KI und maschinellem Lernen basierenden Sendezeitoptimierung und der prädiktiven Interaktionsbewertung von Adobe Campaign können Öffnungsraten, optimale Sendezeiten und wahrscheinliche Abwanderung auf der Grundlage historischer Interaktionsmetriken analysiert und vorhergesagt werden.
Adobe Campaign bietet zwei neue Modelle für maschinelles Lernen: Prädiktive Sendezeitoptimierung und Prädiktive Interaktionsbewertung. Bei diesen beiden Modellen handelt es sich um Modelle für maschinelles Lernen, die speziell für die Erstellung und Bereitstellung besserer Customer Journeys entwickelt wurden.
-
Die prädiktive Sendezeitoptimierung prognostiziert für jedes Empfängerprofil den besten Sendezeitpunkt für E-Mail-Öffnungen oder -Klicks und für Öffnungen von Push-Nachrichten. Für jedes Empfängerprofil kann anhand von Werten festgestellt werden, was die beste Sendezeit für jeden Wochentag ist und welcher Wochentag beim Senden die besten Ergebnisse liefert.
-
Die prädiktive Interaktionsbewertung sagt die Wahrscheinlichkeit voraus, mit der ein Empfänger mit einer Nachricht interagiert, sowie die Wahrscheinlichkeit, mit der er sich innerhalb der nächsten sieben Tage nach dem nächsten E-Mail-Versand abmeldet. Die Wahrscheinlichkeiten werden je nach vorhergesagter Interaktion mit Ihrem Inhalt in verschiedene Kategorien eingeteilt: hoch, mittel oder niedrig. Diese Modelle liefern auch den prozentualen Rang des Abo-Abmelderisikos für die Kundinnen und Kunden, um zu verdeutlichen, wo der Rang einer/eines bestimmten Kundin/Kunden im Vergleich zu anderen liegt.
Prädiktive Sendezeitoptimierung predictive-send-time
Die prädiktive Sendezeitoptimierung prognostiziert für jedes Empfängerprofil den besten Sendezeitpunkt für E-Mail-Öffnungen oder -Klicks und für Push-Nachrichten-Öffnungen. Für jedes Empfängerprofil kann anhand von Werten festgestellt werden, was die beste Sendezeit für jeden Wochentag ist und welcher Wochentag beim Senden die besten Ergebnisse liefert.
Innerhalb des prädiktiven Sendezeit-Optimierungsmodells gibt es zwei Untermodelle:
-
Die prädiktive Sendezeit für Öffnungen ist die beste Zeit, zu der eine Kommunikation an den Kunden gesendet werden muss, um Öffnungen zu maximieren.
-
Die prädiktive Sendezeit für Klicks ist die beste Zeit, zu der eine Kommunikation an den Kunden gesendet werden muss, um Klicks zu maximieren.
Modelleingabe: Versandlogs, Trackinglogs und Profilattribute (Nicht-PII)
Modellausgabe: Optimale Zeit zum Senden einer Nachricht (für Öffnungen und Klicks)
Ausgabedetails
-
Berechnet die beste Tageszeit für den Versand einer E-Mail an den sieben Wochentagen in Intervallen von einer Stunde (z. B.: 9:00 Uhr, 10:00 Uhr, 11:00 Uhr).
-
Das Modell zeigt den besten Tag der Woche und die beste Stunde an diesem Tag an.
-
Jede optimale Zeit wird zweimal berechnet: einmal zur Maximierung der Öffnungsrate und einmal zur Maximierung der Klickrate.
-
Es werden 16 Felder angegeben (14 für die Wochentage und 2 für die ganze Woche):
-
Die beste Zeit zum Senden einer E-Mail, um Klicks für Montag zu optimieren – Werte zwischen 0 und 23
-
Die beste Zeit zum Senden einer E-Mail, um Öffnungen für Montag zu optimieren – Werte zwischen 0 und 23
-
…
-
Die beste Zeit zum Senden einer E-Mail, um Klicks für Sonntag zu optimieren – Werte zwischen 0 und 23
-
Die beste Zeit zum Senden einer E-Mail, um Öffnungen für Sonntag zu optimieren – Werte zwischen 0 und 23
-
…
-
Der beste Tag zum Senden einer E-Mail, um die Öffnungen für die ganze Woche zu optimieren – Montag bis Sonntag
-
Die beste Zeit zum Senden einer E-Mail, um Öffnungen für die ganze Woche zu optimieren – Werte zwischen 0 und 23
Nach der Implementierung in Campaign reichern die Funktionen für maschinelles Lernen die Profildaten mit neuen Registerkarten mit den besten Öffnungs-/Klickbewertungen an. Die Metriken werden mithilfe technischer Workflows berechnet und in Campaign eingebracht.
Um auf diese Metriken zuzugreifen:
-
Öffnen Sie ein Profil und klicken Sie auf "Bearbeiten".
-
Klicken Sie auf den Tab Sendezeitbewertung nach Klick oder Sendezeitbewertung nach Öffnung.
Standardmäßig geben die Profilbewertungen die beste Tageszeit für jeden Wochentag und die beste Zeit für die gesamte Woche an.
Nachrichten zum besten Zeitpunkt senden use-predictive-send-time
Damit die E-Mails zum optimalen Zeitpunkt je nach Profil gesendet werden, muss der Versand mit der Option Zu einem durch eine Formel definierten Datum senden geplant werden.
Erfahren Sie in diesem Abschnitt, wie Sie das Versanddatum berechnen.
Die Formel muss mit der besten Tageszeit des jeweiligen Tages ausgefüllt werden, an dem der Versand ausgeführt werden soll.
Beispiel einer Formel:
AddHours([currentDelivery/scheduling/@contactDate],
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])
Prädiktive Interaktionsbewertung predictive-scoring
Die Bewertung prädiktiver Interaktionen sagt die Wahrscheinlichkeit voraus, mit der Empfangende mit einer Nachricht interagieren, sowie die Wahrscheinlichkeit, mit der sie sich innerhalb der nächsten sieben Tage nach dem nächsten E-Mail-Versand abmelden.
Die Wahrscheinlichkeiten werden je nach vorhergesagter Interaktion mit Ihrem Inhalt in verschiedene Kategorien eingeteilt: hoch, mittel oder niedrig. Diese Modelle liefern auch den prozentualen Rang des Abo-Abmelderisikos für die Kundinnen und Kunden, um zu verdeutlichen, wo der Rang einer/eines bestimmten Kundin/Kunden im Vergleich zu anderen liegt.
Mit der Bewertung prädiktiver Interaktionen können Sie Folgendes tun:
- Eine Audience auswählen: Mithilfe der Abfrageaktivität können Sie die Audience auswählen, an die eine bestimmte Nachricht gesendet werden soll.
- Ausschluss einer Audience: Mithilfe der Abfrageaktivität können Sie die Audience entfernen, die mit höherer Wahrscheinlichkeit das Abo beendet
- Personalisieren: Personalisieren Sie die Nachricht basierend auf dem Grad der Interaktion (hochgradig interaktive Benutzende erhalten eine andere Nachricht als nicht interaktive).
Dieses Modell verwendet mehrere Bewertungen, um Folgendes anzugeben:
- Interaktionsbewertung für Öffnungen/Interaktionsbewertung für Klicks: Dieser Wert entspricht der Wahrscheinlichkeit, mit der sich ein Abonnent mit einer bestimmte Nachricht beschäftigt (Öffnung oder Klick). Die Werte liegen zwischen 0,0 und 1,0.
- Abmeldewahrscheinlichkeit: Dieser Wert entspricht der Wahrscheinlichkeit, dass der Empfänger ein E-Mail-Kanal-Abo beendet, nachdem er eine E-Mail geöffnet hat. Die Werte liegen zwischen 0,0 und 1,0.
- Bindungsgrad: Dieser Wert unterteilt Benutzende in drei Stufen: niedrig, mittel und hoch. Dabei bedeutet "hoch", dass sie höchstwahrscheinlich bei der Marke bleiben, und "niedrig", dass sie sich wahrscheinlich das Abo beenden.
- Perzentilrang der Bindung: Rang des Profils in Bezug auf die Abmeldewahrscheinlichkeit. Die Werte liegen zwischen 0,0 und 1,0. Wenn der Perzentilrang der Bindung beispielsweise 0,953 beträgt, bleibt dieser Empfänger mit größerer Wahrscheinlichkeit bei der Marke und hat eine geringere Wahrscheinlichkeit das Abo zu beenden als 95,3 % aller Empfänger.
Modelleingabe: Versandlogs, Trackinglogs und spezifische Profilattribute
Modellausgabe: Ein Profilattribut, das die Bewertung und Kategorie des Profils beschreibt.
Um auf diese Metriken zuzugreifen:
-
Öffnen Sie ein Profil und klicken Sie auf "Bearbeiten".
-
Klicken Sie auf den Tab Interaktionsbewertungen für E-Mail-Kanal.
Wenn Sie eine Abfrageaktivität in einem Workflow verwenden, können Sie die Bewertung zur Optimierung Ihrer Audience nutzen. Beispielsweise mit den Kriterien für den Bindungsgrad:
