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:

如果每個資料集共用相同的身分類型(命名空間)(例如ECID),您可以從不同來源新增多個資料集。 若要進一步了解新增多個資料集,請造訪 Attribution AI使用指南.

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。

注意

下列9欄為必填欄,其他欄為選用欄,但如果您想要將相同資料用於其他Adobe解決方案(例如 Customer AI 和 Journey AI.

必填欄 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。

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')。

以下列不是必需欄,但如果您有可用資訊,建議您將這些欄納入CEE架構。

其他建議的欄:

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

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、AAID或MCID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

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