Alimentada por IA e aprendizado de máquina, a Otimização de tempo de envio e a Pontuação preditiva de engajamento da Adobe Campaign podem analisar e prever taxas abertas, tempos de envio ideais e churn provável de acordo com métricas de engajamento histórico.
A Adobe Campaign oferece dois novos modelos de aprendizado de máquina: Otimização preditiva do tempo de envio e Pontuação preditiva de engajamento. Esses dois modelos são modelos de aprendizado de máquina específicos para projetar e fornecer melhores jornadas ao cliente.
Esse recurso não está disponível para uso imediato como parte do produto. Ele só está disponível para clientes do Adobe Campaign Managed Cloud Services que executam o Adobe Campaign Classic v7 ou o Adobe Campaign v8.
A implementação exige o engajamento da Adobe Consulting. Para saber mais, entre em contato com o representante da Adobe.
A Otimização preditiva de tempo de envio prevê qual é o melhor momento de envio para cada perfil de recipient para aberturas ou cliques de email e aberturas de mensagem por push. As pontuações indicam o melhor horário de envio para cada dia da semana e qual o melhor dia para enviar a fim de obter melhores resultados para cada perfil de recipient.
No modelo de Otimização preditiva de tempo de envio, há dois submodelos:
O tempo preditivo de envio para abrir é o melhor horário para o envio da comunicação ao cliente para maximizar as aberturas
O tempo preditivo de envio para cliques é o melhor horário para o envio de uma comunicação ao cliente para maximizar os cliques
Entrada do modelo: Logs do delivery, logs de rastreamento e atributos de perfil (não PII)
Saída do modelo: Melhor horário para o envio de uma mensagem (para aberturas e cliques)
Detalhes da saída:
A Otimização preditiva do tempo de envio é armazenada no nível do perfil:
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos. Esses recursos preditivos se aplicam somente aos canais de email e push.
A Pontuação preditiva de engajamento prevê a probabilidade de engajamento de um recipient em uma mensagem, bem como a probabilidade de opt out (cancelamento de inscrição) nos próximos 7 dias após o próximo envio de email. As probabilidades são divididas em grupos de acordo com o nível previsto de engajamento com seu conteúdo: alto, médio ou baixo. Esses modelos também fornecem a classificação do percentil de risco de cancelamento de subscrição para que os clientes entendam onde está a classificação de um determinado cliente em relação a outros.
A pontuação preditiva de engajamento permite:
Este modelo usa várias pontuações para indicar:
Esses recursos preditivos se aplicam apenas para deliveries de email.
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos.
Entrada do modelo: Logs do delivery, logs de rastreamento e atributos específicos do perfil
Saída do modelo: Um atributo de perfil que descreve a pontuação e a categoria do perfil