Entrada y salida en Attribution AI

En el siguiente documento se describen los diferentes insumos y productos utilizados en Attribution AI.

Attribution AI datos de entrada

Attribution AI funciona analizando los siguientes conjuntos de datos para calcular puntuaciones algorítmicas:

  • Los conjuntos de datos de Adobe Analytics que usan la variable Conector de origen de Analytics
  • Conjunto de datos de Evento de experiencia (EE)
  • Conjunto de datos de Evento de experiencia del consumidor (CEE)

Puede agregar varios conjuntos de datos de diferentes fuentes si cada uno de los conjuntos de datos comparte el mismo tipo de identidad (área de nombres), como un ECID. Para obtener más información sobre la adición de varios conjuntos de datos, visite Guía del usuario del Attribution AI.

IMPORTANTE

El conector de origen de Adobe Analytics puede tardar hasta cuatro semanas en rellenar los datos. Si ha configurado recientemente un conector, debe comprobar que el conjunto de datos tiene la longitud mínima de datos necesaria para la Attribution AI. Revise el datos históricos para comprobar que tiene datos suficientes para calcular puntuaciones algorítmicas precisas.

Para obtener más información sobre la configuración de la variable Consumer Experience Event esquema (CEE), consulte la Preparación de datos de Servicios inteligentes guía. Para obtener más información sobre la asignación de datos de Adobe Analytics, visite Asignaciones de campos de Analytics documentación.

No todas las columnas de la Consumer Experience Event El esquema (CEE) es obligatorio para la Attribution AI.

NOTA

Las 9 columnas siguientes son obligatorias, las columnas adicionales son opcionales, pero se recomiendan o necesitan si desea utilizar los mismos datos para otras soluciones de Adobe como Customer AI y Journey AI.

Columnas obligatorias Necesario para
Campo de identidad principal Punto de contacto/Conversión
Marca de tiempo Punto de contacto/Conversión
Canal._type Touchpoint
Channel.mediaAction Touchpoint
Channel.mediaType Touchpoint
Marketing.trackingCode Touchpoint
Marketing.campaignname Touchpoint
Marketing.campaigngroup Touchpoint
Commerce Conversión

Normalmente, la atribución se ejecuta en columnas de conversión como pedidos, compras y cierres de compra en “comercio”. Las columnas para “canal” y “marketing” se utilizan para definir puntos de contacto para la Attribution AI (por ejemplo, channel._type = 'https://ns.adobe.com/xdm/channel-types/email'). Para obtener resultados y perspectivas óptimos, se recomienda incluir tantas columnas de conversión y punto de contacto como sea posible. Además, no se limita solo a las columnas anteriores. Puede incluir cualquier otra columna recomendada o personalizada como conversión o definición de punto de contacto.

SUGERENCIA

Si utiliza datos de Adobe Analytics en el esquema de CEE, la información de los puntos de contacto de Analytics se almacena normalmente en channel.typeAtSource (por ejemplo, channel.typeAtSource = 'email').

Las columnas siguientes no son obligatorias, pero se recomienda incluirlas en el esquema CEE si tiene la información disponible.

Columnas recomendadas adicionales:

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

Datos históricos

IMPORTANTE

La cantidad mínima de datos necesaria para que la Attribution AI funcione es la siguiente:

  • Debe proporcionar al menos 3 meses (90 días) de datos para ejecutar un buen modelo.
  • Necesita al menos 1000 conversiones.

La Attribution AI requiere datos históricos como entrada para la formación de modelos. La duración de los datos requerida viene determinada principalmente por dos factores clave: ventana de formación y ventana retroactiva. Las entradas con ventanas de capacitación más cortas son más sensibles a las tendencias recientes, mientras que las ventanas de capacitación más largas ayudan a producir modelos más estables y precisos. Es importante modelar el objetivo con datos históricos que representen mejor sus objetivos comerciales.

La variable configuración de la ventana de formación filtra los eventos de conversión configurados para incluirse en la formación del modelo en función del tiempo de incidencia. Actualmente, el período mínimo de capacitación es de 1 trimestre (90 días). La variable ventana retroactiva proporciona un lapso de tiempo que indica cuántos días antes de que se incluyan los puntos de contacto del evento de conversión relacionados con este evento de conversión. Estos dos conceptos juntos determinan la cantidad de datos de entrada (medidos por días) necesarios para una aplicación.

De forma predeterminada, Attribution AI define la ventana de formación como los últimos 2 trimestres (6 meses) y la ventana retrospectiva como 56 días. En otras palabras, el modelo tendrá en cuenta todos los eventos de conversión definidos que se hayan producido en los últimos 2 trimestres y buscará todos los puntos de contacto que se hayan producido en los 56 días anteriores a los eventos de conversión asociados.

Fórmula:

Longitud mínima de los datos requerida = ventana de formación + ventana retrospectiva

SUGERENCIA

La longitud mínima de datos necesaria para una aplicación con configuraciones predeterminadas es: 2 trimestres (180 días) + 56 días = 236 días.

Ejemplo :

  • Desea atribuir eventos de conversión que se hayan producido en los últimos 90 días (3 meses) y rastrear todos los puntos de contacto que se hayan producido en las 4 semanas anteriores al evento de conversión. La duración de los datos de entrada debe abarcar los últimos 90 días + 28 días (4 semanas). La ventana de capacitación es de 90 días y la ventana retrospectiva es de 28 días, con un total de 118 días.

datos de salida de Attribution AI

La Attribution AI genera lo siguiente:

Ejemplo de esquema de salida:

Puntuaciones granulares sin procesar

La Attribution AI genera puntuaciones de atribución en el nivel más granular posible para que pueda cortar y fragmentar las puntuaciones en cualquier columna de puntuación. Para ver estas puntuaciones en la interfaz de usuario, lea la sección de visualización de rutas de puntuación sin procesar. Para descargar las puntuaciones con la API, visite la descarga de puntuaciones en Attribution AI documento.

NOTA

Puede ver cualquier columna de informe deseada del conjunto de datos de entrada en el conjunto de datos de salida de puntuación solo si se cumple una de las siguientes condiciones:

  • La columna de informes se incluye en la página de configuración como parte de la configuración de punto de contacto o de definición de conversión.
  • La columna de informes se incluye en columnas de conjuntos de datos de puntuación adicionales.

La siguiente tabla describe los campos de esquema de la salida de ejemplo de las puntuaciones sin procesar:

Nombre de columna (DataType) Rellenable Descripción
timestamp (DateTime) False Hora a la que se produjo un evento de conversión o una observación.
Ejemplo: 2020-06-09T00:01:51,000Z
identityMap (Map) True identityMap del usuario similar al formato CEE XDM.
eventType (String) True El tipo de evento principal para este registro de serie temporal.
Ejemplo: "Pedido", "Compra", "Visita"
eventMergeId (cadena) True Un ID para correlacionar o combinar varias Experience Events juntos que son esencialmente el mismo evento o deben fusionarse. El productor de datos debe rellenarlo antes de su incorporación.
Ejemplo: 575525617716-0-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_id (cadena) False Identificador único del evento de serie temporal.
Ejemplo: 4461-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_tenantId (objeto) False El contenedor de objeto de nivel superior correspondiente a su ID de tentante.
Ejemplo: _atsdsnrmmsv2
your_schema_name (objeto) False Puntee la fila con el evento de conversión en todos los eventos de punto de contacto asociados con él y sus metadatos.
Ejemplo: Puntuaciones de Attribution AI - Nombre de modelo__2020
segmentación (cadena) True Segmento de conversión, como la segmentación geográfica con la que se basa el modelo. En caso de ausencia de segmentos, el segmento es el mismo que conversionName.
Ejemplo: ORDER_US
conversionName (String) True Nombre de la conversión que se configuró durante la configuración.
Ejemplo: Pedido, posible cliente, visita
conversión (objeto) False Columnas de metadatos de conversión.
dataSource (String) True Identificación única global de una fuente de datos.
Ejemplo: Adobe Analytics
eventSource (String) True La fuente cuando se produjo el evento real.
Ejemplo: Adobe.com
eventType (String) True El tipo de evento principal para este registro de serie temporal.
Ejemplo: Pedido
geo (cadena) True Ubicación geográfica en la que se entregó la conversión placeContext.geo.countryCode.
Ejemplo: US
priceTotal (Double) True Ingresos obtenidos a través de la conversión
Ejemplo: 99,9
product (String) True Identificador XDM del propio producto.
Ejemplo: RX 1080 ti
productType (String) True Nombre para mostrar del producto tal como se presenta al usuario para esta vista de producto.
Ejemplo: Gpus
cantidad (total) True Cantidad comprada durante la conversión.
Ejemplo: 1 1080 ti
receivedTimestamp (DateTime) True Se ha recibido la marca de tiempo de la conversión.
Ejemplo: 2020-06-09T00:01:51,000Z
skuId (cadena) True Unidad de mantenimiento de existencias (SKU), el identificador único de un producto definido por el proveedor.
Ejemplo: MJ-03-XS-Black
timestamp (DateTime) True Marca de tiempo de la conversión.
Ejemplo: 2020-06-09T00:01:51,000Z
passThrough (objeto) True Columnas de conjuntos de datos de puntuación adicionales especificadas por el usuario al configurar el modelo.
commerce_order_purchaseCity (cadena) True Columna del conjunto de datos de puntuación adicional.
Ejemplo: ciudad : San José
customerProfile (objeto) False Detalles de identidad del usuario utilizado para crear el modelo.
identity (objeto) False Contiene los detalles del usuario utilizado para crear el modelo, como id y namespace.
id (cadena) True ID de identidad del usuario, como ID de cookie, AAID o MCID, etc.
Ejemplo: 17348762725408656344688320891369597404
namespace (String) True Área de nombres de identidad utilizada para crear las rutas y, por lo tanto, el modelo.
Ejemplo: aaid
touchpointsDetail (matriz de objetos) True La lista de detalles de puntos de contacto que llevan a la conversión solicitada por
touchpointName (cadena) True Nombre del punto de contacto que se configuró durante la configuración.
Ejemplo: PAID_SEARCH_CLICK
partituras (objeto) True Contribución de Touchpoint a esta conversión como puntuación. Para obtener más información sobre las puntuaciones producidas dentro de este objeto, consulte la puntuaciones de atribución agregadas para obtener más información.
touchPoint (objeto) True Metadatos de Touchpoint. Para obtener más información sobre las puntuaciones producidas dentro de este objeto, consulte la puntuaciones agregadas para obtener más información.

Visualización de rutas de puntuación sin procesar (IU)

Puede ver la ruta a sus puntuaciones sin procesar en la interfaz de usuario de . Comience por seleccionar Esquemas en la interfaz de usuario de Platform , busque y seleccione el esquema de puntuaciones de AI de atribución desde el Examinar pestaña .

Elija el esquema

A continuación, seleccione un campo dentro de la variable Estructura de la interfaz de usuario, la variable Propiedades del campo se abre. Within Propiedades del campo es el campo de ruta que se asigna a las puntuaciones sin procesar.

Elegir un esquema

Puntuaciones de atribución agregadas

Las puntuaciones agregadas se pueden descargar en formato CSV desde la interfaz de usuario de Platform si el intervalo de fechas es inferior a 30 días.

Attribution AI admite dos categorías de puntuaciones de atribución, las puntuaciones algorítmicas y las basadas en reglas.

Attribution AI produce dos tipos diferentes de puntuaciones algorítmicas, incrementales e influenciadas. Una puntuación con influencia es la fracción de conversión de la que es responsable cada punto de contacto de marketing. Una puntuación incremental es la cantidad de impacto marginal causado directamente por el punto de contacto de marketing. La principal diferencia entre la puntuación incremental y la puntuación influida es que la puntuación incremental tiene en cuenta el efecto basal. No supone que una conversión se deba exclusivamente a los puntos de contacto de marketing anteriores.

A continuación, se muestra un ejemplo de salida de esquema de Attribution AI de la interfaz de usuario de Adobe Experience Platform:

Consulte la siguiente tabla para obtener más información sobre cada una de estas puntuaciones de atribución:

Puntuaciones de atribución Descripción
Influenciado (algorítmico) La puntuación influida es la fracción de conversión de la que es responsable cada punto de contacto de marketing.
Incremental (algorítmico) La puntuación incremental es la cantidad de impacto marginal causado directamente por un punto de contacto de marketing.
Primer contacto Puntuación de atribución basada en reglas que asigna todos los créditos al punto de contacto inicial en una ruta de conversión.
Último contacto Puntuación de atribución basada en reglas que asigna todo el crédito al punto de contacto más cercano a la conversión.
Lineal Puntuación de atribución basada en reglas que asigna el mismo crédito a cada punto de contacto de una ruta de conversión.
Forma de U La puntuación de atribución basada en reglas que asigna el 40 % del crédito al primer punto de contacto y el 40 % del crédito al último punto de contacto, mientras que los demás puntos de contacto dividen el 20 % restante de forma equitativa.
Deterioro de tiempo La puntuación de atribución basada en reglas donde los puntos de contacto más cercanos a la conversión reciben más crédito que los puntos de contacto que están más lejos en el tiempo de la conversión.

Referencia de puntuación sin procesar (puntuaciones de atribución)

La siguiente tabla asigna las puntuaciones de atribución a las puntuaciones sin procesar. Si desea descargar las puntuaciones sin procesar, visite la descarga de puntuaciones en Attribution AI documentación.

Puntuaciones de atribución Columna de referencia de puntuación sin procesar
Influenciado (algorítmico) _tenantID.your_schema_name.element.touchpoint.algorithmInfluenciado
Incremental (algorítmico) _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.algorithmInfluenciado
Primer contacto _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.firstTouch
Último contacto _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.lastTouch
Lineal _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.linear
Forma de U _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.uShape
Deterioro de tiempo _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.decayUnits

Puntuaciones agregadas

Las puntuaciones agregadas se pueden descargar en formato CSV desde la interfaz de usuario de Platform si el intervalo de fechas es inferior a 30 días. Consulte la siguiente tabla para obtener más información sobre cada una de estas columnas de agregado.

Nombre de columna Restricción Rellenable Descripción
customerevents_date (DateTime) Formato definido por el usuario y fijo False Fecha de Evento del Cliente en formato AAAA-MM-DD.
Ejemplo: 2016-05-02
mediatouchpoints_date (DateTime) Formato definido por el usuario y fijo True Fecha de punto de contacto de medios en formato AAAA-MM-DD
Ejemplo: 21-04-2017
segment (String) Calculado False Segmento de conversión como la segmentación geográfica con la que se ha creado el modelo. En caso de ausencia de segmentos, el segmento es el mismo que conversion_scope.
Ejemplo: ORDER_AMER
conversion_scope (cadena) Definido por el usuario False Nombre de la conversión según la configuración del usuario.
Ejemplo: ORDEN
touchpoint_scope (cadena) Definido por el usuario True Nombre del punto de contacto configurado por el usuario
Ejemplo: PAID_SEARCH_CLICK
product (String) Definido por el usuario True Identificador XDM del producto.
Ejemplo: CC
product_type (String) Definido por el usuario True Nombre para mostrar del producto tal como se presenta al usuario para esta vista de producto.
Ejemplo: gpus, portátiles
geo (cadena) Definido por el usuario True Ubicación geográfica en la que se entregó la conversión (placeContext.geo.countryCode)
Ejemplo: US
event_type (String) Definido por el usuario True El tipo de evento principal para este registro de serie temporal
Ejemplo: Conversión de pago
media_type (String) ENUM False Describe si el tipo de medio es de pago, propio o ganado.
Ejemplo: PAGO, PROPIEDAD
channel (String) ENUM False La variable channel._type propiedad que se utiliza para proporcionar una clasificación aproximada de canales con propiedades similares en Consumer Experience Event XDM.
Ejemplo: BUSCAR
action (String) ENUM False La variable mediaAction se utiliza para proporcionar un tipo de acción de medio de evento de experiencia.
Ejemplo: HAGA CLIC EN
campaign_group (String) Definido por el usuario True Nombre del grupo de campañas en el que se agrupan varias campañas como "50%_DISCOUNT".
Ejemplo: COMERCIAL
campaign_name (String) Definido por el usuario True Nombre de la campaña utilizada para identificar la campaña de marketing como "50%_DISCOUNT_USA" o "50%_DISCOUNT_ASIA".
Ejemplo: Venta de Acción de Gracias

Referencia de puntuación sin procesar (agregado)

La tabla siguiente asigna las puntuaciones agregadas a las puntuaciones sin procesar. Si desea descargar las puntuaciones sin procesar, visite la descarga de puntuaciones en Attribution AI documentación. Para ver las rutas de puntuación sin procesar desde la interfaz de usuario, visite la sección de visualización de rutas de puntuación sin procesar dentro de este documento.

Nombre de columna Columna de referencia de la puntuación sin procesar
customerevents_date timestamp
mediatouchpoints_date _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.timestamp
segmento _tenantID.your_schema_name.segmentation
conversion_scope _tenantID.your_schema_name.conversion.conversionName
touchpoint_scope _tenantID.your_schema_name.touchpointsDetail.element.touchpointName
producto _tenantID.your_schema_name.conversion.product
product_type _tenantID.your_schema_name.conversion.product_type
geo _tenantID.your_schema_name.conversion.geo
event_type eventType
media_type _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.mediaType
canal _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.mediaChannel
acción _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.mediaAction
campaign_group _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.campaignGroup
campaign_name _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.campaignName

Pasos siguientes

Una vez que haya preparado los datos y haya establecido todas sus credenciales y esquemas, comience por seguir la Guía del usuario del Attribution AI. Esta guía lo acompaña durante la creación de una instancia para Attribution AI.

En esta página