Ingresso e uscita in Attribution AI

Il documento seguente illustra i diversi input e output utilizzati in Attribution AI.

Attribution AI dati di input

Attribution AI funziona analizzando uno dei set di dati seguenti per calcolare i punteggi algoritmici:

IMPORTANTE

Il connettore di origine Adobe Analytics può richiedere fino a quattro settimane per il backfill dei dati. Se hai recentemente configurato un connettore, verifica che il set di dati abbia la lunghezza minima dei dati necessari per Attribution AI. Rivedi la sezione Dati storici per verificare di disporre di dati sufficienti per calcolare i punteggi algoritmici accurati.

Per ulteriori informazioni sulla configurazione dello schema Consumer Experience Event (CEE), fare riferimento alla guida Preparazione dei dati di Intelligent Services . Per ulteriori informazioni sulla mappatura dei dati di Adobe Analytics, visita la documentazione Mappature dei campi di Analytics .

Non tutte le colonne dello schema Consumer Experience Event (CEE) sono obbligatorie per Attribution AI.

NOTA

Le 9 colonne seguenti sono obbligatorie. Le colonne aggiuntive sono facoltative, ma consigliate/necessarie se desideri utilizzare gli stessi dati per altre soluzioni di Adobe come Customer AI e Journey AI.

Colonne obbligatorie Necessario per
Campo identità principale Punto di contatto / Conversione
Timestamp Punto di contatto / Conversione
Channel._type Punto di contatto
Channel.mediaAction Punto di contatto
Channel.mediaType Punto di contatto
Marketing.trackingCode Punto di contatto
Marketing.campaignname Punto di contatto
Marketing.campaigngroup Punto di contatto
Commerce Conversione

In genere, l’attribuzione viene eseguita su colonne di conversione quali ordine, acquisti e checkout in “commerce”. Le colonne per “canale” e “marketing” vengono utilizzate per definire i punti di contatto per Attribution AI (ad esempio, channel._type = 'https://ns.adobe.com/xdm/channel-types/email'). Per risultati e informazioni ottimali, si consiglia vivamente di includere il maggior numero possibile di colonne di conversione e punto di contatto. Inoltre, non sei limitato alle sole colonne di cui sopra. Puoi includere qualsiasi altra colonna consigliata o personalizzata come definizione di conversione o punto di contatto.

SUGGERIMENTO

Se utilizzi i dati Adobe Analytics nello schema CEE, le informazioni sui punti di contatto per Analytics vengono generalmente memorizzate in channel.typeAtSource (ad esempio, channel.typeAtSource = 'email').

Le colonne riportate di seguito non sono obbligatorie, ma è consigliabile includerle nello schema CEE se sono disponibili le informazioni.

Colonne consigliate aggiuntive:

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

Dati storici

IMPORTANTE

La quantità minima di dati necessaria per il funzionamento di Attribution AI è la seguente:

  • È necessario fornire almeno 3 mesi (90 giorni) di dati per eseguire un buon modello.
  • Ci vogliono almeno 1000 conversioni.

Attribution AI richiede dati storici come input per l'addestramento dei modelli. La durata dei dati richiesti è determinata principalmente da due fattori chiave: finestra di formazione e finestra di look-back. Gli input con finestre di formazione più brevi sono più sensibili alle tendenze recenti, mentre le finestre di formazione più lunghe aiutano a produrre modelli più stabili e precisi. È importante modellare l'obiettivo con dati storici che meglio rappresentano i tuoi obiettivi aziendali.

La configurazione della finestra di formazione filtra gli eventi di conversione impostati per essere inclusi nella formazione del modello in base al tempo di occorrenza. Attualmente, il periodo minimo di addestramento è di 1 trimestre (90 giorni). L’ intervallo di lookback fornisce un intervallo di tempo che indica quanti giorni prima dei punti di contatto dell’evento di conversione devono essere inclusi in questo evento di conversione. Questi due concetti determinano insieme la quantità di dati di input (misurati in giorni) necessari per un'applicazione.

Per impostazione predefinita, Attribution AI definisce la finestra di formazione come l’ultimo periodo di 2 trimestri (6 mesi) e l’intervallo di lookback come 56 giorni. In altre parole, il modello terrà conto di tutti gli eventi di conversione definiti che si sono verificati negli ultimi 2 trimestri e cercherà tutti i punti di contatto che si sono verificati entro 56 giorni prima degli eventi di conversione associati.

Formula:

Lunghezza minima dei dati richiesti = finestra di formazione + intervallo di lookback

SUGGERIMENTO

La lunghezza minima dei dati richiesti per un'applicazione con configurazioni predefinite è: 2 trimestri (180 giorni) + 56 giorni = 236 giorni.

Esempio :

  • Vuoi attribuire gli eventi di conversione che si sono verificati negli ultimi 90 giorni (3 mesi) e tenere traccia di tutti i punti di contatto che si sono verificati entro 4 settimane prima dell’evento di conversione. La durata dei dati di input dovrebbe estendersi negli ultimi 90 giorni + 28 giorni (4 settimane). La finestra di addestramento è di 90 giorni e l'intervallo di lookback è di 28 giorni per un totale di 118 giorni.

Attribution AI dati di output

Le uscite di Attribution AI sono le seguenti:

Esempio di schema di output:

Punteggi granulari grezzi

Attribution AI restituisce i punteggi di attribuzione nel livello più granulare possibile, in modo da poter suddividere i punteggi in base a qualsiasi colonna di punteggio. Per visualizzare questi punteggi nell'interfaccia utente, leggi la sezione relativa alla visualizzazione dei percorsi dei punteggi non elaborati. Per scaricare i punteggi utilizzando l'API visita il documento download dei punteggi in Attribution AI .

NOTA

Puoi visualizzare qualsiasi colonna di reporting desiderata dal set di dati di input nel set di dati di output del punteggio solo se una delle seguenti affermazioni è vera:

  • La colonna di reporting è inclusa nella pagina di configurazione come parte della configurazione del punto di contatto o della definizione di conversione.
  • La colonna di reporting è inclusa in colonne di set di dati di punteggio aggiuntive.

La tabella seguente delinea i campi dello schema nell’output di esempio di punteggio non elaborato:

Nome colonna (DataType) Nullable Descrizione
timestamp (DateTime) False Il momento in cui si è verificato un evento o un’osservazione di conversione.
Esempio: 2020-06-09T00:01:51.000Z
identityMap (Map) True identityMap dell'utente simile al formato CEE XDM.
eventType (String) True Il tipo di evento principale per il record della serie temporale.
Esempio: "Ordine", "Acquisto", "Visita"
eventMergeId (String) True Un ID per correlare o unire più Experience Events insieme che sono essenzialmente lo stesso evento o che devono essere uniti. Questo è destinato a essere compilato dal produttore di dati prima dell’acquisizione.
Esempio: 575525617716-0-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_id (String) False Identificatore univoco dell'evento serie temporale.
Esempio: 4461-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_tenantId (oggetto) False Il contenitore di oggetti di livello superiore corrisponde all'ID provvisorio.
Esempio: _atsdsnrmmsv2
your_schema_name (oggetto) False Punteggio riga con evento di conversione tutti gli eventi dei punti di contatto associati ad esso e i relativi metadati.
Esempio: Punteggi Attribution AI - Nome modello__2020
segmentazione (stringa) True Segmento di conversione, ad esempio la segmentazione geografica in base alla quale il modello è costruito. In caso di assenza di segmenti, il segmento è uguale a conversionName.
Esempio: ORDER_US
conversionName (String) True Nome della conversione configurata durante l'installazione.
Esempio: Ordine, Lead, Visita
conversion (oggetto) False Colonne dei metadati di conversione.
dataSource (String) True Identificazione univoca a livello globale di un’origine dati.
Esempio: Adobe Analytics
eventSource (String) True L'origine quando si è verificato l'evento effettivo.
Esempio: Adobe.com
eventType (String) True Il tipo di evento principale per il record della serie temporale.
Esempio: Ordine
geo (Stringa) True Posizione geografica in cui è stata consegnata la conversione placeContext.geo.countryCode.
Esempio: US
priceTotal (Double) True Entrate ottenute tramite la conversione
Esempio: 99.9
product (String) True Identificatore XDM del prodotto stesso.
Esempio: RX 1080 ti
productType (String) True Nome visualizzato del prodotto presentato all’utente per la visualizzazione del prodotto.
Esempio: Gpus
quantità (numero intero) True Quantità acquistata durante la conversione.
Esempio: 1 1080 ti
ReceivedTimestamp (DateTime) True È stata ricevuta la marca temporale della conversione.
Esempio: 2020-06-09T00:01:51.000Z
skuId (String) True Unità di conservazione delle scorte (SKU), l'identificativo univoco di un prodotto definito dal fornitore.
Esempio: MJ-03-XS-Black
timestamp (DateTime) True Timestamp della conversione.
Esempio: 2020-06-09T00:01:51.000Z
passThrough (oggetto) True Colonne del set di dati Punteggio aggiuntive specificate dall'utente durante la configurazione del modello.
commerce_order_purchaseCity (Stringa) True Colonna del set di dati Punteggio aggiuntiva.
Esempio: city : San Jose
customerProfile (oggetto) False Dettagli dell'identità dell'utente utilizzato per generare il modello.
identity (Object) False Contiene i dettagli dell'utente utilizzato per creare il modello, ad esempio id e namespace.
id (String) True ID identità dell'utente, ad esempio ID cookie o AAID o MCID ecc.
Esempio: 1734876272540865634468320891369597404
namespace (String) True Spazio dei nomi Identity utilizzato per creare i percorsi e quindi il modello.
Esempio: aaid
touchpointsDetail (Array di oggetti) True Elenco dei dettagli dei punti di contatto che conducono alla conversione ordinata da
touchpointName (String) True Nome del punto di contatto configurato durante la configurazione.
Esempio: PAID_SEARCH_CLICK
punteggi (oggetto) True Contributo punto di contatto a questa conversione come punteggio. Per ulteriori informazioni sui punteggi prodotti all’interno di questo oggetto, consulta la sezione punteggi di attribuzione aggregati .
touchPoint (oggetto) True Metadati dei punti di contatto. Per ulteriori informazioni sui punteggi prodotti all’interno di questo oggetto, consulta la sezione punteggi aggregati .

Visualizzazione dei percorsi dei punti non elaborati (interfaccia utente)

Puoi visualizzare il percorso dei punteggi non elaborati nell’interfaccia utente. Inizia selezionando Schemi nell’interfaccia utente di Platform, quindi cerca e seleziona lo schema dei punteggi di attribuzione AI dalla scheda Sfoglia .

Scegli lo schema

Quindi, seleziona un campo all'interno della finestra Struttura dell'interfaccia utente; viene visualizzata la scheda Proprietà campo . All'interno di Proprietà campo è il campo percorso che viene mappato sui punteggi non elaborati.

Selezionare uno schema

Punteggi di attribuzione aggregati

I punteggi aggregati possono essere scaricati in formato CSV dall’interfaccia utente di Platform se l’intervallo di date è inferiore a 30 giorni.

Attribution AI supporta due categorie di punteggi di attribuzione, algoritmici e basati su regole.

Attribution AI produce due diversi tipi di punteggi algoritmici, incrementali e influenzati. Un punteggio influenzato è la frazione della conversione di cui è responsabile ogni punto di contatto marketing. Un punteggio incrementale è la quantità di impatto marginale direttamente causato dal punto di contatto marketing. La differenza principale tra il punteggio incrementale e il punteggio influenzato è che il punteggio incrementale tiene conto dell'effetto previsto. Non presuppone che una conversione sia causata esclusivamente dai punti di contatto marketing precedenti.

Di seguito è riportato un rapido esempio di output dello schema Attribution AI dall’interfaccia utente Adobe Experience Platform:

Vedi la tabella seguente per maggiori dettagli su ciascuno di questi punteggi di attribuzione:

Punteggi di attribuzione Descrizione
Influenzato (algoritmico) Il punteggio influenzato è la frazione della conversione di cui è responsabile ogni punto di contatto marketing.
Incrementale (algoritmico) Il punteggio incrementale è la quantità di impatto marginale direttamente causato da un punto di contatto di marketing.
Primo contatto Punteggio di attribuzione basato su regole che assegna tutti i crediti al punto di contatto iniziale su un percorso di conversione.
Ultimo contatto Punteggio di attribuzione basato su regole che assegna tutto il credito al punto di contatto più vicino alla conversione.
Lineare Punteggio di attribuzione basato su regole che assegna lo stesso credito a ogni punto di contatto su un percorso di conversione.
A forma di U Punteggio di attribuzione basato su regole che assegna il 40% del credito al primo punto di contatto e il 40% del credito all’ultimo punto di contatto, con gli altri punti di contatto che suddividono il restante 20% in modo uniforme.
Decadimento nel tempo Un punteggio di attribuzione basato su regole laddove i punti di contatto più vicini alla conversione ricevono più credito rispetto ai punti di contatto più lontani nel tempo dalla conversione.

Riferimento Punteggio non elaborato (punteggi di attribuzione)

La tabella seguente mappa i punteggi di attribuzione ai punteggi non elaborati. Se desideri scaricare i punteggi non elaborati, visita la documentazione download dei punteggi nella documentazione di Attribution AI.

Punteggi di attribuzione Colonna di riferimento del punteggio non elaborato
Influenzato (algoritmico) _tenantID.your_schema_name.element.touchpoint.algoritmicInfluenzated
Incrementale (algoritmico) _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.algoritmicInfluenzated
Primo contatto _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.firstTouch
Ultimo contatto _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.lastTouch
Lineare _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.lineare
A forma di U _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.uShape
Decadimento nel tempo _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.decayUnits

Punteggi aggregati

I punteggi aggregati possono essere scaricati in formato CSV dall’interfaccia utente di Platform se l’intervallo di date è inferiore a 30 giorni. Per ulteriori informazioni su ciascuna di queste colonne di aggregazione, consulta la tabella seguente.

Nome colonna Vincolo Nullable Descrizione
customerevents_date (DateTime) Formato definito dall'utente e fisso False Data evento cliente in formato AAAA-MM-GG.
Esempio: 02/05/2016
mediatouchpoints_date (DateTime) Formato definito dall'utente e fisso True Data punto di contatto contenuti multimediali in formato AAAA-MM-GG
Esempio: 21/04/2017
segment (String) Calcolato False Segmento di conversione, ad esempio la segmentazione geografica in base alla quale il modello è costruito. In caso di assenza di segmenti, il segmento è uguale a conversion_scope.
Esempio: ORDER_AMER
conversion_scope (Stringa) Definito dall'utente False Nome della conversione configurata dall'utente.
Esempio: ORDINE
touchpoint_scope (Stringa) Definito dall'utente True Nome del punto di contatto configurato dall’utente
Esempio: PAID_SEARCH_CLICK
product (String) Definito dall'utente True Identificatore XDM del prodotto.
Esempio: CC
product_type (String) Definito dall'utente True Nome visualizzato del prodotto presentato all’utente per la visualizzazione del prodotto.
Esempio: gpus, laptop
geo (Stringa) Definito dall'utente True Posizione geografica in cui è stata consegnata la conversione (placeContext.geo.countryCode)
Esempio: US
event_type (String) Definito dall'utente True Tipo di evento principale per il record della serie temporale
Esempio: Conversione a pagamento
media_type (String) ENUM False Descrive se il tipo di supporto è pagato, posseduto o ottenuto.
Esempio: PAGATO, DI PROPRIETÀ
channel (String) ENUM False La proprietà channel._type utilizzata per fornire una classificazione approssimativa di canali con proprietà simili in Consumer Experience Event XDM.
Esempio: RICERCA
action (String) ENUM False La proprietà mediaAction viene utilizzata per fornire un tipo di azione multimediale dell'esperienza.
Esempio: FAI CLIC SU
campaign_group (String) Definito dall'utente True Nome del gruppo di campagne in cui sono raggruppate più campagne, come "50%_DISCOUNT".
Esempio: COMMERCIALE
campaign_name (String) Definito dall'utente True Nome della campagna utilizzata per identificare la campagna di marketing come '50%_DISCOUNT_USA' o '50%_DISCOUNT_ASIA'.
Esempio: Vendita del ringraziamento

Riferimento Punteggio grezzo (aggregato)

La tabella seguente mappa i punteggi aggregati ai punteggi non elaborati. Se desideri scaricare i punteggi non elaborati, visita la documentazione download dei punteggi nella documentazione di Attribution AI. Per visualizzare i percorsi dei punti non elaborati dall'interno dell'interfaccia utente, visita la sezione relativa alla visualizzazione dei percorsi dei punti non elaborati all'interno di questo documento.

Nome colonna Colonna di riferimento Punteggio non elaborato
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
prodotto _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
channel _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.mediaChannel
action _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.mediaAction
campaign_group _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.campaignGroup
nome_campagna _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.campaignName

Passaggi successivi

Dopo aver preparato i dati e aver impostato tutte le credenziali e gli schemi, inizia seguendo la Guida utente di Attribution AI. Questa guida illustra come creare un’istanza per Attribution AI.

In questa pagina