Entrada e saída em Attribution AI

O documento a seguir descreve as diferentes entradas e saídas utilizadas em Attribution AI.

Attribution AI dados de entrada

O Attribution AI funciona analisando um dos seguintes conjuntos de dados para calcular pontuações algorítmicas:

• Conjunto de dados CEE (Evento de experiência do consumidor)
• Conjuntos de dados do Adobe Analytics usando o conector de origem do Analytics

Para obter mais detalhes sobre como configurar o esquema Consumer Experience Event (CEE), consulte o guia Preparação de dados dos Serviços inteligentes . Para obter mais informações sobre como mapear dados do Adobe Analytics, visite a documentação Mapeamentos de campo do Analytics .

Nem todas as colunas no esquema Consumer Experience Event (CEE) são obrigatórias para o Attribution AI.

Normalmente, a atribuição é executada em colunas de conversão, como pedido, compras e check-outs em “comércio”. As colunas para “canal” e “marketing” são usadas para definir pontos de contato para o Attribution AI (por exemplo, channel._type = 'https://ns.adobe.com/xdm/channel-types/email'). Para obter resultados e insights ideais, é altamente recomendável incluir o máximo possível de colunas de conversão e ponto de contato. Além disso, você não está limitado apenas às colunas acima. Você pode incluir qualquer outra coluna recomendada ou personalizada como conversão ou definição de ponto de contato.

As colunas abaixo não são necessárias, mas é recomendável incluí-las no esquema CEE se você tiver as informações disponíveis.

Colunas recomendadas adicionais:

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

Dados históricos

O Attribution AI requer dados históricos como entrada para treinamento de modelo. A duração exigida dos dados é determinada principalmente por dois fatores principais: janela de treinamento e janela de retrospectiva. Os dados com janelas de treinamento mais curtas são mais sensíveis às tendências recentes, enquanto janelas de treinamento mais longas ajudam a produzir modelos mais estáveis e precisos. É importante modelar o objetivo com dados históricos que melhor representem suas metas de negócios.

A configuração da janela de treinamento filtra eventos de conversão definidos para serem incluídos no treinamento do modelo com base no tempo de ocorrência. Atualmente, a janela mínima de treinamento é de 1 trimestre (90 dias). A janela de lookback fornece um período que indica quantos dias antes dos pontos de contato do evento de conversão relacionados a esse evento de conversão devem ser incluídos. Juntos, esses dois conceitos determinam a quantidade de dados de entrada (medidos por dias) necessária para um aplicativo.

Por padrão, o Attribution AI define a janela de treinamento como os 2 trimestres (6 meses) mais recentes e a janela de lookback como 56 dias. Em outras palavras, o modelo levará em consideração todos os eventos de conversão definidos que ocorreram nos últimos 2 trimestres e procurará todos os pontos de contato que ocorreram nos 56 dias anteriores ao(s) evento(s) de conversão associado(s).

Fórmula:

Comprimento mínimo dos dados necessários = janela de treinamento + janela de lookback

Exemplo :

• Você deseja atribuir os eventos de conversão que ocorreram nos últimos 90 dias (3 meses) e rastrear todos os pontos de contato que ocorreram dentro de 4 semanas antes do evento de conversão. A duração dos dados de entrada deve abranger os últimos 90 dias + 28 dias (4 semanas). A janela de treinamento é de 90 dias e a janela de lookback é de 28 dias, totalizando 118 dias.

Dados de saída do Attribution AI

O Attribution AI gera o seguinte:

• Pontuações granulares brutas
• Pontuações agregadas

Exemplo de schema de saída:

Pontuações granulares brutas

O Attribution AI gera pontuações de atribuição no nível mais granular possível, para que você possa dividir e dividir as pontuações por qualquer coluna de pontuação. Para exibir essas pontuações na interface do usuário, leia a seção em visualizar caminhos de pontuação brutos. Para baixar as pontuações usando a API, visite o documento downloading scores in Attribution AI.

A tabela a seguir descreve os campos de esquema na saída de exemplo de pontuações brutas:

Visualização de caminhos de pontuação bruta (UI)

Você pode visualizar o caminho para suas pontuações brutas na interface do usuário do . Comece selecionando Schemas na interface do usuário da plataforma e pesquise e selecione o esquema de pontuações do AI de atribuição na guia Browse.

Em seguida, selecione um campo na janela Structure da interface do usuário, a guia Field properties será aberta. Dentro de Propriedades do campo é o campo de caminho que mapeia suas pontuações brutas.

Pontuações de atribuição agregadas

As pontuações agregadas podem ser baixadas no formato CSV da interface do usuário da plataforma se o intervalo de datas for inferior a 30 dias.

O Attribution AI suporta duas categorias de pontuações de atribuição, pontuações algorítmicas e baseadas em regras.

O Attribution AI produz dois tipos diferentes de pontuações algorítmicas, incrementais e influenciáveis. Uma pontuação influenciada é a fração da conversão pela qual cada ponto de contato de marketing é responsável. Uma pontuação incremental é a quantidade de impacto marginal causado diretamente pelo ponto de contato de marketing. A principal diferença entre a pontuação incremental e a pontuação influenciada é que a pontuação incremental leva o efeito da linha de base em consideração. Não é considerado que uma conversão seja causada apenas pelos pontos de contato de marketing anteriores.

Este é um exemplo rápido de saída de schema de Attribution AI da interface do usuário do Adobe Experience Platform:

Consulte a tabela abaixo para obter mais detalhes sobre cada uma dessas pontuações de atribuição:

Referência de pontuação bruta (pontuações de atribuição)

A tabela abaixo mapeia as pontuações de atribuição para as pontuações brutas. Se desejar baixar suas pontuações brutas, visite a documentação de downloading scores em Attribution AI.

Pontuações agregadas

As pontuações agregadas podem ser baixadas no formato CSV da interface do usuário da plataforma se o intervalo de datas for inferior a 30 dias. Consulte a tabela abaixo para obter mais detalhes sobre cada uma dessas colunas agregadas.

Referência de pontuação bruta (agregada)

A tabela abaixo mapeia as pontuações agregadas para as pontuações brutas. Se desejar baixar suas pontuações brutas, visite a documentação de downloading scores em Attribution AI. Para visualizar os caminhos de pontuação bruta na interface do usuário, visite a seção em visualizar caminhos de pontuação bruta neste documento.

Próximas etapas

Depois de preparar seus dados e ter todas as credenciais e esquemas em vigor, comece seguindo o guia do usuário do Attribution AI. Este guia aborda a criação de uma instância para o Attribution AI.