Attribution AI Eingabe und Ausgabe

Im folgenden Dokument werden die verschiedenen Ein- und Ausgänge erläutert, die in Attribution AIverwendet werden.

Attribution AI Eingabedaten

Attribution AI verwendet Consumer Experience Event Daten, um algorithmische Ergebnisse zu berechnen. Weitere Informationen zu Consumer Experience Eventfinden Sie in der Dokumentation zu Intelligent Services unterVorbereiten von Daten für die Verwendung.

Nicht alle Spalten im Schema Consumer Experience Event (CEE) sind für Attribution AIS obligatorisch.

Hinweis

Die folgenden 9 Spalten sind obligatorisch, zusätzliche Spalten sind optional, werden aber empfohlen/erforderlich, wenn Sie dieselben Daten für andere Adoben wie Customer AI und Journey AIverwenden möchten.

Obligatorische Spalten Benötigt für
Primär-Identitätsfeld Touchpoint/Umrechnung
Zeitstempel Touchpoint/Umrechnung
Channel._type Touchpoint
Channel.mediaAction Touchpoint
Channel.mediaType Touchpoint
Marketing.trackingCode Touchpoint
Marketing.campaignname Touchpoint
Marketing.campaigngroup Touchpoint
Handel Konversion

Normalerweise wird die Zuordnung auf Konvertierungsspalten wie Bestellung, Einkäufe und Kassengänge unter "commerce"ausgeführt. Die Spalten "Kanal"und "Marketing"werden dringend empfohlen, Touchpoints für gute Einblicke zu definieren. Sie können jedoch jede weitere Spalte zusammen mit den oben genannten Spalten einschließen, um sie als Konversions- oder Touchpoint-Definition zu konfigurieren.

Die folgenden Spalten sind nicht erforderlich, es wird jedoch empfohlen, sie in Ihr CEE-Schema einzubeziehen, wenn die verfügbaren Informationen vorliegen.

Zusätzliche empfohlene Spalten:

  • web.webReferer
  • web.webInteraction
  • web.webPageDetails
  • xdm:productListItems

Historische Daten

WICHTIG

Die Mindestdatenmenge, die erforderlich ist, damit Attribution AI funktionieren kann, lautet wie folgt:

  • Sie müssen Daten für mindestens 3 Monate (90 Tage) bereitstellen, um ein gutes Modell auszuführen.
  • Sie benötigen mindestens 1000 Konvertierungen.

Attribution AI erfordert historische Daten als Eingabe für Modellschulungen. Die erforderliche Datendauer wird hauptsächlich von zwei Hauptfaktoren bestimmt: Schulungsfenster und Lookback-Fenster. Die Eingabe mit kürzeren Schulungsfenstern ist anfälliger für aktuelle Trends, während längere Schulungsfenster stabilere und genauere Modelle erzeugen. Es ist wichtig, das Ziel mit historischen Daten zu modellieren, die Ihre Geschäftsziele am besten widerspiegeln.

In der Konfiguration des Schulungsfensters werden Ereignis zur Konvertierung für Modellschulungen basierend auf der Häufigkeit des Auftretens Filter. Derzeit beträgt das Schulungsfenster mindestens 1 Quartal (90 Tage). Das Lookback-Fenster bietet einen Zeitraum, der angibt, wie viele Tage vor dem Konversions-Ereignis-Touchpoints im Zusammenhang mit diesem Konversions-Ereignis eingeschlossen werden sollten. Diese beiden Konzepte bestimmen zusammen die Menge der Eingabedaten (gemessen nach Tagen), die für eine Anwendung erforderlich sind.

Standardmäßig definiert Attribution AI das Schulungsfenster als die letzten 2 Quartale (6 Monate) und das Lookback-Fenster als 56 Tage. Anders ausgedrückt, berücksichtigt das Modell alle definierten Konvertierungsmodelle, die in den letzten zwei Quartalen aufgetreten sind, und sucht nach allen Touchpoints, die innerhalb von 56 Tagen vor dem/den zugehörigen Konversions-Ereignissen aufgetreten sind.

Formel:

Erforderliche Mindestlänge der Daten = Schulungsfenster + Lookback-Fenster

TIPP

Die Mindestdatenlänge, die für eine Anwendung mit Standardkonfigurationen erforderlich ist, ist: 2 Quartale (180 Tage) + 56 Tage = 236 Tage.

Beispiel :

  • Sie möchten Umrechnungs-Ereignis zuordnen, die innerhalb der letzten 90 Tage (3 Monate) aufgetreten sind, und alle Touchpoints verfolgen, die innerhalb von 4 Wochen vor dem Konversions-Ereignis aufgetreten sind. Die Dauer der Eingabedaten sollte sich über die letzten 90 Tage + 28 Tage (4 Wochen) erstrecken. Das Schulungsfenster beträgt 90 Tage und das Lookback-Fenster insgesamt 118 Tage.

Attribution AI-Ausgabedaten

Attribution AI gibt Folgendes aus:

Schema der Ausgabe:

Rohe granulare Punktzahlen

Attribution AI gibt Zuordnungswerte auf möglichst granularer Ebene aus, sodass Sie die Ergebnisse nach jeder beliebigen Ergebnisspalte ausschneiden und würfeln können. Um diese Ergebnisse in der Benutzeroberfläche Ansicht, lesen Sie den Abschnitt zum Anzeigen von Rohwertpfaden. Um die Punktzahlen mit der API herunterzuladen, besuchen Sie die Download-Punktzahlen im Attribution AI Dokument.

Hinweis

Sie können alle gewünschten Berichte-Spalten aus dem Eingabedataset im Ergebnisausgabe-Datensatz nur dann anzeigen, wenn einer der folgenden Werte wahr ist:

  • Die Spalte "Berichte"wird auf der Konfigurationsseite entweder als Teil der Touchpoint- oder Konvertierungsdefinitionskonfiguration aufgeführt.
  • Die Spalte "Berichte"ist in den Spalten mit zusätzlichen Ergebnisdatensätzen enthalten.

Die folgende Tabelle zeigt die Schema-Felder in der Rohwertbeispiel-Ausgabe:

Spaltenname (DataType) Nullable Beschreibung
timestamp (DateTime) False Der Zeitpunkt, zu dem ein Konversions-Ereignis oder eine Beobachtung aufgetreten ist.
Beispiel: 2020-06-09T00:01:51.000Z
identityMap (Map) True identityMap des Benutzers ähnlich dem CEE XDM-Format.
eventType (String) True The primary event type for this time-series record.
Beispiel: "Bestellung", "Kauf", "Besuch"
eventMergeId (String) True Eine ID zum Korrelieren oder Zusammenführen mehrerer Experience Events Elemente, die im Wesentlichen dasselbe Ereignis sind oder zusammengeführt werden sollten. Dieser soll vor der Aufnahme vom Datenhersteller ausgefüllt werden.
Beispiel: 575525617716-0-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_id (Zeichenfolge) False Eine eindeutige Kennung für das Ereignis der Zeitreihen.
Beispiel: 4461-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_tenantId (Objekt) False Der Container des Objekts auf oberster Ebene, der Ihrer Tent-ID entspricht.
Beispiel: _atsdsnrmmsv2
your_Schema_name (Objekt) False Ergebniszeile mit Konversions-Ereignis mit allen damit verknüpften Touchpoint-Ereignissen und deren Metadaten.
Beispiel: Attribution AI Scores - Modellname__2020
segmentation (Zeichenfolge) True Konversionssegment wie die Geo-Segmentierung, auf dem das Modell basiert. Wenn keine Segmente vorhanden sind, ist das Segment mit dem von convertName identisch.
Beispiel: ORDER_US
convertName (String) True Name der Konvertierung, die während der Einrichtung konfiguriert wurde.
Beispiel: Bestellung, Interessent, Besuch
Konversion (Objekt) False Konvertierungsmetadatenspalten.
dataSource (String) True Globale eindeutige Identifizierung einer Datenquelle.
Beispiel: Adobe Analytics
eventSource (String) True Die Quelle, an der das eigentliche Ereignis aufgetreten ist.
Beispiel: Adobe.com
eventType (String) True The primary event type for this time-series record.
Beispiel: Bestellung
geo (Zeichenfolge) True The geographic location where the conversion was delivered placeContext.geo.countryCode.
Beispiel: US
priceTotal (Dublette) True Durch die Umrechnung erzielte Einnahmen
Beispiel: 99,9
product (Zeichenfolge) True Die XDM-ID des Produkts.
Beispiel: RX 1080 ti
productType (Zeichenfolge) True Der Anzeigename für das Produkt, der dem Benutzer für diese Ansicht angezeigt wird.
Beispiel: Gpus
quantity (Integer) True Während der Konvertierung gekaufte Menge
Beispiel: 1 1080 ti
receiveTimestamp (DateTime) True Zeitstempel der Konvertierung erhalten.
Beispiel: 2020-06-09T00:01:51.000Z
skuId (Zeichenfolge) True Stock keeping unit (SKU), the unique identifier for a product defined by the vendor.
Beispiel: MJ-03-XS-Black
timestamp (DateTime) True Zeitstempel der Konversion.
Beispiel: 2020-06-09T00:01:51.000Z
passThrough (Objekt) True Zusätzliche Score-Datenset-Spalten, die vom Benutzer beim Konfigurieren des Modells angegeben werden.
commerce_order_purchaseCity (Zeichenfolge) True Zusätzliche Datensatzspalte für die Punktzahl.
Beispiel: Ort: San Jose
customerProfile (Objekt) False Identitätsdetails des Benutzers, der zum Erstellen des Modells verwendet wird.
identity (Objekt) False Enthält die Details des Benutzers, der zum Erstellen des Modells verwendet wird, z. B. id und namespace.
id (Zeichenfolge) True Identitäts-ID des Benutzers, z. B. Cookie-ID oder AAID oder MCID usw.
Beispiel: 17348762725408656344688320891369597404
namensraum (Zeichenfolge) True Identitäts-Namensraum, der zum Erstellen der Pfade und damit des Modells verwendet wird.
Beispiel: aaid
touchpointsDetail (Object-Array) True Die Liste der Touchpoint-Details, die zur nach Touchpoint-Vorkommen oder Zeitstempel sortierten Konvertierung führen.
touchpointName (Zeichenfolge) True Name des Touchpoints, der während der Einrichtung konfiguriert wurde.
Beispiel: PAID_SEARCH_CLICK
scores (Objekt) True Touchpoint-Beitrag zu dieser Konversion als Ergebnis. Weitere Informationen zu den in diesem Objekt erzeugten Ergebnissen finden Sie im Abschnitt Aggregierte Zuordnungswerte .
touchPoint (Objekt) True Touchpoint-Metadaten. Weitere Informationen zu den in diesem Objekt erzeugten Ergebnissen finden Sie im Abschnitt zu aggregierten Ergebnissen .

Anzeigen von Rohwertpfaden (UI)

Sie können den Pfad zu Ihren Rohwerten in der Benutzeroberfläche Ansicht haben. Beginn durch Auswahl von Schemas in der Benutzeroberfläche "Plattform"suchen und wählen Sie dann auf der Registerkarte " Durchsuchen "das Schema für die Zuordnungs-AI-Bewertungen aus.

Schema auswählen

Wählen Sie anschließend im Fenster " Struktur "der Benutzeroberfläche ein Feld aus. Die Registerkarte " Feldeigenschaften "wird geöffnet. Innerhalb der Feldeigenschaften ist das Pfadfeld, das Ihren Rohwerten zugeordnet ist.

Schema auswählen

Aggregierte Zuordnungswerte

Aggregierte Punktzahlen können im CSV-Format von der Plattform-Benutzeroberfläche heruntergeladen werden, wenn der Datumsbereich weniger als 30 Tage beträgt.

Attribution AI unterstützt zwei Kategorien von Zuordnungswerten, algorithmische und regelbasierte Werte.

Attribution AI produziert zwei verschiedene Arten von algorithmischen Ergebnissen, inkrementell und beeinflusst. Ein beeinflusster Wert ist der Anteil der Konversion, für die jeder Marketing-Touchpoint verantwortlich ist. Ein inkrementelles Ergebnis ist der Betrag der direkt durch den Marketing-Touchpoint verursachten marginalen Auswirkungen. Der Hauptunterschied zwischen dem inkrementellen Ergebnis und dem beeinflussten Ergebnis besteht darin, dass das inkrementelle Ergebnis den Basiseffekt berücksichtigt. Es wird nicht davon ausgegangen, dass eine Konversion ausschließlich durch die vorherigen Marketing-Touchpoints verursacht wird.

Im Folgenden finden Sie ein Beispiel für die Ausgabe eines Attribution AI-Schemas in der Adobe Experience Platform-Benutzeroberfläche:

Die nachstehende Tabelle enthält weitere Details zu den einzelnen Zuordnungswerten:

Zuordnungswerte Beschreibung
Beeinflusst (algorithmisch) Einflussreiches Ergebnis ist der Anteil der Konversion, für den jeder Marketing-Touchpoint verantwortlich ist.
Inkrementell (algorithmisch) Inkrementelles Ergebnis ist die Höhe des Grenzeffekts, der direkt durch einen Marketing-Touchpoint verursacht wird.
Erstkontakt Regelbasiertes Zuordnungsergebnis, das dem ursprünglichen Touchpoint auf einem Konversionspfad alle Gutschriften zuweist.
Letztkontakt Regelbasierter Zuordnungswert, der dem Touchpoint die Gutschrift zuweist, der der Konversion am nächsten kommt.
Linear Regelbasiertes Zuordnungsergebnis, das jedem Touchpoint auf einem Konversionspfad die gleiche Gutschrift zuweist.
U-förmig Regelbasiertes Zuordnungsergebnis, bei dem 40 % der Gutschrift dem ersten Touchpoint und 40 % der Gutschrift dem letzten Touchpoint zugeordnet werden, während die übrigen 20 % gleichmäßig auf die anderen Touchpoints aufgeteilt werden.
Zeitverfall Regelbasierter Zuordnungswert, bei dem Touchpoints, die näher an der Konversion liegen, mehr gutgeschrieben werden als Touchpoints, die zeitlich weiter von der Konversion entfernt sind.

Referenz zur Rohbewertung (Zuordnungswerte)

Die nachstehende Tabelle ordnet die Zuordnungswerte den Rohwerten zu. Wenn Sie Ihre Rohwerte herunterladen möchten, finden Sie entsprechende Downloads in der Attribution AI Dokumentation.

Zuordnungswerte Referenzspalte für Rohwerte
Beeinflusst (algorithmisch) _tenantID.your_Schema_name.element.touchpoint.algorithmicInfluced
Inkrementell (algorithmisch) _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.algorithmicInfluced
Erstkontakt _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.firstTouch
Letztkontakt _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.lastTouch
Linear _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.linear
U-förmig _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.uForm
Zeitverfall _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.decayUnits

Aggregierte Ergebnisse

Aggregierte Punktzahlen können im CSV-Format von der Plattform-Benutzeroberfläche heruntergeladen werden, wenn der Datumsbereich weniger als 30 Tage beträgt. Die nachstehende Tabelle enthält weitere Informationen zu den einzelnen Aggregat-Spalten.

Spaltenname Constraint Nullable Beschreibung
customerevents_date (DateTime) Benutzerdefiniertes und festes Format False Ereignis des Kunden im Format JJJJ-MM-TT.
Beispiel: 2016-05-02
mediatouchpoints_date (DateTime) Benutzerdefiniertes und festes Format True Media Touchpoint Date im Format JJJJ-MM-TT
Beispiel: 2017-04-21
segment (String) Berechnet False Konversionssegment, z. B. Geo-Segmentierung, auf dem das Modell basiert. Wenn keine Segmente vorhanden sind, ist das Segment identisch mit dem Wert "conversion_scope".
Beispiel: ORDER_AMER
convert_scope (Zeichenfolge) Benutzerdefiniert False Name der vom Benutzer konfigurierten Konvertierung.
Beispiel: BESTELLUNG
touchpoint_scope (Zeichenfolge) Benutzerdefiniert True Name des vom Benutzer konfigurierten Touchpoints
Beispiel: PAID_SEARCH_CLICK
product (Zeichenfolge) Benutzerdefiniert True The XDM identifier of the product.
Beispiel: CC
product_type (Zeichenfolge) Benutzerdefiniert True Der Anzeigename für das Produkt, der dem Benutzer für diese Ansicht angezeigt wird.
Beispiel: Gpus, Laptops
geo (Zeichenfolge) Benutzerdefiniert True The geographic location where the conversion was delivered (placeContext.geo.countryCode)
Beispiel: US
ereignis_type (Zeichenfolge) Benutzerdefiniert True The primary event type for this time-series record
Beispiel: Gebührenpflichtige Konversion
media_type (Zeichenfolge) ENUM False Beschreibt, ob der Medientyp bezahlt, im Besitz oder verdient ist.
Beispiel: BEZAHLTE, EIGENTÜMER
kanal (Zeichenfolge) ENUM False Die channel._type Eigenschaft, die verwendet wird, um eine grobe Klassifizierung von Kanälen mit ähnlichen Eigenschaften in Consumer Experience Event XDM bereitzustellen.
Beispiel: SUCHE
action (Zeichenfolge) ENUM False Die mediaAction Eigenschaft wird verwendet, um eine Art Erlebnis-Ereignis-Medienaktion bereitzustellen.
Beispiel: KLICKEN
kampagne_Gruppe (Zeichenfolge) Benutzerdefiniert True Name der Kampagne, in der mehrere Kampagnen gruppiert sind, z. B. "50%_DISCOUNT".
Beispiel: KOMMERZIELL
kampagne_name (Zeichenfolge) Benutzerdefiniert True Name der Kampagne, die zur Identifizierung der Marketing-Kampagne verwendet wird, z. B. '50%_DISCOUNT_USA' oder '50%_DISCOUNT_ASIA'.
Beispiel: Erntedankverkauf

Referenz zur Rohbewertung (aggregiert)

Die nachstehende Tabelle ordnet die aggregierten Ergebnisse den Rohwerten zu. Wenn Sie Ihre Rohwerte herunterladen möchten, finden Sie entsprechende Downloads in der Attribution AI Dokumentation. Um die Rohwertpfade in der Benutzeroberfläche Ansicht, besuchen Sie den Abschnitt zum Anzeigen von Rohwertpfaden in diesem Dokument.

Spaltenname Referenzspalte "Rohdaten"
customerevents_date timestamp
mediatouchpoints_date _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.timestamp
Segment _tenantID.your_Schema_name.segmentation
conversion_scope _tenantID.your_Schema_name.convertions.conversionName
touchpoint_scope _tenantID.your_Schema_name.touchpointsDetail.element.touchpointName
product _tenantID.your_Schema_name.version.product
product_type _tenantID.your_Schema_name.version.product_type
geo _tenantID.your_Schema_name.conversion.geo
ereignis_type eventType
media_type _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.mediaType
channel _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.mediaChannel
Aktion _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.mediaAction
kampagne_group _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.campaignGroup
kampagne_name _tenantID.your_Schema_name.touchpointsDetail.element.touchpoint.campaignName

Nächste Schritte

Once you have prepared your data and have all your credentials and schemas in place, start by following the Attribution AI user guide. Dieser Leitfaden führt Sie durch das Erstellen einer Instanz für Attribution AI.

Auf dieser Seite