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 os seguintes conjuntos de dados para calcular pontuações algorítmicas:

• Conjuntos de dados do Adobe Analytics usando o Conector de origem do Analytics
• Conjuntos de dados do Evento de experiência (EE) em geral do esquema Adobe Experience Platform
• Conjuntos de dados CEE (Consumer Experience Event)

Agora é possível adicionar vários conjuntos de dados de diferentes fontes com base na variável mapa de identidade (campo) se cada um dos conjuntos de dados compartilhar o mesmo tipo de identidade (namespace), como uma ECID. Após selecionar uma identidade e um namespace, as métricas de integridade da coluna de ID são exibidas, indicando o volume de dados que estão sendo compilados. Para saber mais sobre como adicionar vários conjuntos de dados, visite o Guia do usuário do Attribution AI.

As informações do canal nem sempre são mapeadas por padrão. Em alguns casos, se mediaChannel (campo) estiver em branco, você não poderá "continuar" até mapear um campo para mediaChannel, pois é uma coluna obrigatória. Se o canal for detectado no conjunto de dados, ele será mapeado para mediaChannel por padrão. As outras colunas, como tipo de mídia e ação de mídia ainda são opcionais.

Depois de mapear o campo de canal, continue para a etapa "Definir eventos", onde é possível selecionar eventos de conversão, eventos de ponto de contato e escolher campos específicos em conjuntos de dados individuais.

Para obter mais detalhes sobre a configuração da variável Consumer Experience Event (CEE), consulte o Preparação de dados dos Serviços inteligentes guia. Para obter mais informações sobre o mapeamento de dados do Adobe Analytics, visite o Mapeamentos de campo do Analytics documentação.

Nem todas as colunas na Consumer Experience Event (CEE) são obrigatórios para o Attribution AI.

Você pode configurar os pontos de contato usando qualquer campo recomendado abaixo no esquema ou no conjunto de dados selecionado.

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.

Os conjuntos de dados de eventos de experiência (EE) não precisam ter combinações de canal e marketing explicitamente, desde que as informações de canal ou campanha relevantes para configurar um ponto de contato estejam presentes em um dos campos mixin ou pass through .

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.

O configuração da janela de treinamento filtros 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). O janela de retrospectiva 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 mais recentes (6 meses) 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 sobre como visualizar caminhos de pontuação brutos. Para baixar as pontuações usando a API, acesse a download de pontuações no Attribution AI documento.

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 Esquemas na interface do usuário da plataforma , procure e selecione o esquema de pontuações do AI de atribuição no Procurar guia .

Em seguida, selecione um campo dentro da variável Estrutura da interface do usuário, a Propriedades do campo será aberta. Within 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 quiser baixar suas pontuações brutas, visite a download de pontuações no Attribution AI documentação.

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 quiser baixar suas pontuações brutas, visite a download de pontuações no Attribution AI documentação. Para visualizar os caminhos de pontuação bruta na interface do usuário, visite a seção em como visualizar caminhos de pontuação brutos neste documento.

Próximas etapas

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