以下檔案概述 Attribution AI.
Attribution AI的運作方式是分析下列資料集,據以計算演算法分數:
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 和 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。
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。
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'
)。
Attribution AI運作所需的最小資料量如下:
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。
此 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
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:
Attribution AI會輸出下列項目:
輸出架構示例:
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。
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:
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 id 和 namespace . |
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。 |
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。
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。
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 |
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 | 此 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 | 此 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 |
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。