輸入和輸出 Attribution AI

以下檔案概述 Attribution AI.

Attribution AI 輸入資料

Attribution AI的運作方式是分析下列資料集,據以計算演算法分數:

  • Adobe Analytics資料集使用 Analytics來源連接器
  • 一般來自Adobe Experience Platform結構的體驗事件(EE)資料集
  • 消費者體驗事件(CEE)資料集

您現在可以根據 身分圖 (欄位),如果每個資料集都有相同的身分類型(命名空間),例如ECID。 選取身分和命名空間後,ID欄完整性量度就會顯示,指出要匯整的資料量。 若要進一步了解新增多個資料集,請造訪 Attribution AI使用指南.

預設不會一律對應通道資訊。 在某些情況下,如果mediaChannel(欄位)空白,在將欄位映射到mediaChannel之前,您將無法「繼續」,因為它是必填欄位。 如果在資料集中偵測到管道,則預設會對應至mediaChannel 。 其他欄,例如 媒體類型媒體動作 仍為選用。

對應管道欄位後,請繼續「定義事件」步驟,您可在此選取轉換事件、接觸點事件,以及從個別資料集選擇特定欄位。

重要

Adobe Analytics來源連接器最多可能需要四周時間來回填資料。 如果您最近設定了連接器,應確認資料集的資料長度是Attribution AI所需的最小值。 請查看 歷史資料 區段來驗證您有足夠的資料來計算精確的演算法分數。

如需設定 Consumer Experience Event (CEE)架構,請參閱 Intelligent Services資料準備 指南。 如需對應Adobe Analytics資料的詳細資訊,請造訪 Analytics欄位對應 檔案。

並非 Consumer Experience Event (CEE)結構是Attribution AI的必要結構。

您可以使用架構或所選資料集中下方建議的任何欄位來設定接觸點。

建議的欄 需要
主要身分欄位 接觸點/轉換
時間戳記 接觸點/轉換
Channel._type 接觸點
Channel.mediaAction 接觸點
Channel.mediaType 接觸點
Marketing.trackingCode 接觸點
Marketing.campaignname 接觸點
Marketing.campaigngroup 接觸點
Commerce 轉換

歸因通常會在「商務」下的「訂購」、「購買」和「結帳」等轉換欄上執行。 「管道」和「行銷」的欄可用來定義Attribution AI的接觸點(例如 channel._type = 'https://ns.adobe.com/xdm/channel-types/email')。 為獲得最佳結果和深入分析,強烈建議您納入盡可能多的轉換和接觸點欄。 此外,您也不限於上述欄。 您可以將任何其他建議或自訂欄加入為轉換或接觸點定義。

只要與設定接觸點相關的管道或行銷活動資訊存在於mixin或傳遞欄位之一,資料集就不需要明確具有管道和行銷混合。

秘訣

如果您在CEE架構中使用Adobe Analytics資料,Analytics的接觸點資訊通常會儲存在 channel.typeAtSource (例如, channel.typeAtSource = 'email')。

歷史資料

重要

Attribution AI運作所需的最小資料量如下:

  • 您需要提供至少3個月(90天)的資料,才能執行良好的模型。
  • 您至少需要1000次轉換。

Attribution AI需要歷史資料作為模型訓練的輸入。 所需的資料持續時間主要取決於兩個關鍵因素:訓練窗口和回顧窗口。 較短的培訓窗口對最新趨勢更敏感,而較長的培訓窗口有助於生成更穩定、更準確的模型。 以最能代表您業務目標的歷史資料來建立目標模型非常重要。

培訓窗口配置 根據發生時間篩選要納入模型訓練的轉換事件。 目前,最低培訓期間為1個季度(90天)。 此 回顧期間 提供一個時間範圍,指出應包含多少天前的轉換事件接觸點與此轉換事件相關。 這兩個概念共同決定應用程式所需的輸入資料量(以天計量)。

預設情況下,Attribution AI將培訓期間定義為最近的2個季度(6個月),將回顧期間定義為56天。 換言之,模型會考慮過去2個季度發生的所有已定義轉換事件,並尋找在相關轉換事件前56天內發生的所有接觸點。

公式:

所需資料的最小長度=訓練期間+回顧期間

秘訣

具有預設配置的應用程式所需的資料的最小長度為:2個季度(180天)+ 56天= 236天。

範例:

  • 您想要歸因過去90天(3個月)內發生的轉換事件,並追蹤轉換事件前4週內發生的所有接觸點。 輸入資料的持續時間應會跨越過去90天+ 28天(4週)。 培訓期間為90天,回顧期間為28天,總計為118天。

Attribution AI輸出資料

Attribution AI會輸出下列項目:

輸出架構示例:

原始粒度分數

Attribution AI會輸出盡可能精細的歸因分數,以便您可以依任何分數欄來分割分數。 若要在UI中檢視這些分數,請閱讀 檢視原始分數路徑. 若要使用API下載分數,請造訪 下載分數Attribution AI 檔案。

注意

只有在下列其中一項為真時,您才能從分數輸出資料集的輸入資料集中看到任何所需的報表欄:

  • 報表欄包含在設定頁面中,作為接觸點或轉換定義設定的一部分。
  • 報表欄會包含在其他分數資料集欄中。

下表概述原始分數範例輸出中的架構欄位:

欄名稱(DataType) 可空 說明
timestamp(DateTime) False 轉換事件或觀察發生的時間。
範例: 2020-06-09T00:01:51.000Z
identityMap(Map) True 與CEE XDM格式類似的使用者身分對應。
eventType(字串) True 此時間序列記錄的主要事件類型。
範例: "Order"、"Purchase"、"Visit"
eventMergeId(字串) True 關聯或合併多個 Experience Events 本質上是相同事件或應合併的事件。 這會先由資料產生器填入,再擷取。
範例: 575525617716-0-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_id(字串) False 時間序列事件的唯一識別碼。
範例: 4461-edc2ed37-1aab-4750-a820-1c2b3844b8c4
_tenantId(物件) False 與您的保留ID對應的頂層物件容器。
範例: _atsdsnrmsv2
your_schema_name(對象) False 對轉換事件的所有與其相關聯的接觸點事件及其元資料進行分數列。
範例: Attribution AI分數 — 型號__2020
分段(字串) True 轉換區段,例如建立模型時所依據的地域劃分。 若缺少區段,則區段與conversionName相同。
範例: ORDER_US
conversionName(字串) True 設定期間所設定的轉換名稱。
範例: 訂購、銷售機會、訪問
轉換(物件) False 轉換中繼資料欄。
dataSource(字串) True 資料源的全局唯一標識。
範例: Adobe Analytics
eventSource(字串) True 實際事件發生時的來源。
範例: Adobe.com
eventType(字串) True 此時間序列記錄的主要事件類型。
範例: 順序
geo(字串) True 傳送轉換的地理位置 placeContext.geo.countryCode.
範例: US
priceTotal(Double) True 透過轉換取得之收入
範例: 99.9
product(字串) True 產品本身的XDM識別碼。
範例: RX 1080 ti
productType(字串) True 產品的顯示名稱,如此產品檢視向使用者顯示。
範例: Gpus
數量(整數) True 轉換期間購買的數量。
範例: 1 1080鈦
receivedTimestamp(DateTime) True 收到轉換的時間戳記。
範例: 2020-06-09T00:01:51.000Z
skuId(字串) True 保存單位(SKU),由供應商定義之產品的唯一識別碼。
範例: MJ-03-XS — 黑
timestamp(DateTime) True 轉換的時間戳記。
範例: 2020-06-09T00:01:51.000Z
passThrough(物件) True 設定模型時,使用者指定的其他分數資料集欄。
commerce_order_purchaseCity(字串) True 其他分數資料集欄。
範例: 城市:聖荷西
customerProfile(Object) False 用於建立模型之使用者的身分詳細資料。
標識(對象) False 包含用於建立模型的使用者的詳細資訊,例如 idnamespace.
id(字串) True 使用者的身分ID,例如Cookie ID、Adobe Analytics ID(AAID)或Experience CloudID(ECID,又稱為MCID或訪客ID)等。
範例: 17348762725408656344688320891369597404
命名空間(字串) True 用於建立路徑的身分命名空間,進而建立模型。
範例: aaid
接觸點詳細資料(物件陣列) True 導致轉換的接觸點詳細資訊清單,依
touchpointName(字串) True 設定期間設定的接觸點名稱。
範例: PAID_SEARCH_CLICK
分數(物件) True 以分數形式貢獻此轉換的接觸點。 如需此物件中產生分數的詳細資訊,請參閱 匯總歸因分數 區段。
touchPoint(物件) True 接觸點中繼資料。 如需此物件中產生分數的詳細資訊,請參閱 匯總分數 區段。

檢視原始分數路徑(UI)

您可以在UI中檢視原始分數的路徑。 從選擇開始 結構 然後,在Platform UI中,從 瀏覽 標籤。

選擇您的架構

接下來,在 結構 UI的視窗, 欄位屬性 標籤。 內 欄位屬性 是映射至原始分數的路徑欄位。

選擇結構

匯總歸因分數

如果日期範圍少於30天,可從Platform UI下載匯總的分數為CSV格式。

Attribution AI支援兩類歸因分數:演算法分數和規則型分數。

Attribution AI會產生兩種不同的演算法分數,分數為增量和受影響。 受影響的分數是每個行銷接觸點所負責轉換的一小部分。 增量分數是行銷接觸點直接造成的邊際影響量。 增量分數與受影響分數之間的主要差異在於,增量分數會將基線效果納入考量。 不會假設轉換純粹是由先前的行銷接觸點造成。

以下是Adobe Experience Platform UI的Attribution AI結構輸出範例:

請參閱下表,以取得這些歸因分數的詳細資訊:

歸因分數 說明
影響(演算法) 受影響的分數是每個行銷接觸點負責的轉換部分。
增量(演算法) 增量分數是行銷接觸點直接造成的邊際影響量。
首次接觸 規則型歸因分數,可將所有評分指派給轉換路徑上的初始接觸點。
上次接觸 規則型歸因分數,會將所有評分指派給最接近轉換的接觸點。
線性 規則型歸因分數,可為轉換路徑上的每個接觸點指派相等的評分。
U 形 以規則為基礎的歸因分數,將40%的評分指派給第一個接觸點,並將40%的評分指派給最後一個接觸點,而其他接觸點平分其餘20%。
時間耗損 規則型歸因分數,靠近轉換的接觸點會獲得比離轉換更遠的接觸點更多的評分。

原始分數參考(歸因分數)

下表將歸因分數對應至原始分數。 如果您想要下載原始分數,請造訪 下載分數Attribution AI 檔案。

歸因分數 原始分數參考欄
影響(演算法) _tenantID.your_schema_name.element.touchpoint.algorithmicAffected
增量(演算法) _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.algorithmAffected
首次接觸 _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.firstTouch
上次接觸 _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.lastTouch
線性 _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.linear
U 形 _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.uShape
時間耗損 _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.decayUnits

匯總分數

如果日期範圍少於30天,可從Platform UI下載匯總的分數為CSV格式。 請參閱下表,以取得這些匯總欄的詳細資訊。

欄名稱 限制 可空 說明
customerevents_date(DateTime) 用戶定義和固定格式 False 客戶事件日期(YYYY-MM-DD格式)。
範例:2016-05-02
mediatouchpoints_date(DateTime) 用戶定義和固定格式 True YYYY-MM-DD格式的媒體接觸點日期
範例:2017-04-21
區段(字串) 計算 False 轉換區段,例如建立模型時所依據的地域劃分。 若缺少區段,則區段與conversion_scope相同。
範例:ORDER_AMER
conversion_scope(字串) 用戶定義 False 轉換的名稱,如使用者所設定。
範例:訂購
touchpoint_scope(字串) 用戶定義 True 使用者設定的接觸點名稱
範例:PAID_SEARCH_CLICK
product(字串) 用戶定義 True 產品的XDM識別碼。
範例:CC
product_type(字串) 用戶定義 True 產品的顯示名稱,如此產品檢視向使用者顯示。
範例:gpus,筆記型電腦
geo(字串) 用戶定義 True 傳送轉換的地理位置(placeContext.geo.countryCode)
範例:US
event_type(字串) 用戶定義 True 此時間序列記錄的主要事件類型
範例:付費轉換
media_type(字串) 列舉 False 說明媒體類型是付費、擁有還是獲得。
範例:付費、擁有
channel(字串) 列舉 False channel._type 屬性,用於提供具有類似屬性之管道的粗略分類 Consumer Experience Event XDM.
範例:搜尋
動作(字串) 列舉 False mediaAction 屬性可用來提供體驗事件媒體動作的類型。
範例:按一下
campaign_group(字串) 用戶定義 True 促銷活動群組的名稱,其中多個促銷活動會分組在一起,如'50%_DISCOUNT'。
範例:商業
campaign_name(字串) 用戶定義 True 用於識別行銷活動的促銷活動名稱,例如'50%_DISCOUNT_USA'或'50%_DISCOUNT_ASIA'。
範例:感恩節大賣

原始分數參考(匯總)

下表將匯總的分數對應至原始分數。 如果您想要下載原始分數,請造訪 下載分數Attribution AI 檔案。 若要從UI內檢視原始分數路徑,請造訪 檢視原始分數路徑

欄名稱 原始分數參考欄
customrevents_date timestamp
mediatouchpoints_date _tenantID.your_schema_name.touchpointsDetail.element.touchpoint.timestamp
區段 _tenantID.your_schema_name.segmentation
conversion_scope _tenantID.your_schema_name.conversion.conversionName
touchpoint_scope _tenantID.your_schema_name.touchpointsDetail.element.touchpointName
product _tenantID.your_schema_name.conversion.product
product_type _tenantID.your_schema_name.conversion.product_type
地理 _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
動作 _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
重要
  • Attribution AI僅使用更新的資料以進一步訓練和評分。 同樣地,當您請求刪除資料時,Customer AI不會使用已刪除的資料。
  • Attribution AI可運用Platform資料集。 為支援品牌可能收到的消費者權利請求,品牌應使用PlatformPrivacy Service來提交消費者存取和刪除請求,以在資料湖、Identity Service和即時客戶設定檔中移除其資料。
  • 我們用於輸入/輸出模型的所有資料集都將遵循Platform准則。 平台資料加密適用於閒置和傳輸中的資料。 請參閱本檔案以深入了解 資料加密

後續步驟

準備好資料並部署所有憑證和結構後,請先遵循 Attribution AI使用指南. 本指南會逐步引導您建立Attribution AI的例項。

本頁內容