Fonctionnalités prédictives d’engagement client journey-ai

Grâce à Campaign, vous pouvez optimiser la conception et la diffusion des parcours client afin de prédire les préférences d’engagement de chaque individu. Perfectionnés par l’IA et le machine learning, l’optimisation de l’heure d’envoi et le score prédictif de l’engagement d’Adobe Campaign peuvent analyser et estimer les taux d’ouverture, les heures d’envoi optimaux et l’attrition probable en fonction des mesures d’engagement historiques.

Adobe Campaign offre deux nouveaux modèles de machine learning : optimisation prédictive de l’heure d’envoi et score prédictif de l’engagement. Ces deux modèles sont des modèles d’apprentissage automatique spécifiques à la conception et à la diffusion de meilleurs parcours clients.

Optimisation de l’heure d’envoi prédictive predictive-send-time

L’optimisation de l’heure d’envoi prédictive estime la meilleure heure d’envoi pour chaque profil de destinataire en ce qui concerne les ouvertures d’e-mails ou les clics et les ouvertures de messages push. Pour chaque profil de destinataire, les scores indiquent la meilleure heure d’envoi pour chaque jour de la semaine et le jour de la semaine le plus approprié à l’envoi afin d’obtenir les meilleurs résultats.

Dans le modèle d’optimisation de l’heure d’envoi prédictive, il existe deux sous-modèles :

Entrée du modèle  : logs de diffusion, logs de tracking et attributs de profil (autres que PII)

Sortie du modèle  : meilleur moment pour envoyer un message (pour les ouvertures et les clics)

Détails de la sortie

Une fois mises en œuvre dans Campaign, les fonctionnalités de machine learning enrichissent les données des profils avec de nouveaux onglets contenant leurs meilleurs scores d’ouverture/de clic. Les mesures sont calculées et intégrées dans Campaign à l’aide de workflows techniques.

Pour accéder à ces mesures, vous devez effectuer les opérations suivantes :

Par défaut, les scores du profil indiquent le meilleur moment de la journée pour chaque jour de la semaine et le meilleur moment général de la semaine.

Envoyer des messages au meilleur moment use-predictive-send-time

Pour que les emails soient envoyés à l’heure optimale par profil, la diffusion doit être planifiée à l’aide de l’option Envoyer à une date personnalisée définie par une formule.

Découvrez comment calculer la date d’envoi dans cette section.

La formule doit être renseignée avec le meilleur moment du jour donné où l’email sera envoyé.

Exemple de formule :

AddHours([currentDelivery/scheduling/@contactDate],
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])

Score prédictif de l'engagement predictive-scoring

Le score prédictif de l’engagement estime la probabilité qu’un(e) destinataire interagisse avec un message, ainsi que la probabilité de se désinscrire dans les 7 jours suivant l’envoi du prochain e-mail.

Les probabilités sont divisées en compartiments en fonction du niveau d’engagement estimé pour votre contenu : élevé, moyen ou faible. Ces modèles fournissent également le rang centile du risque de désabonnement pour les clients, afin de comprendre où se situe le rang d’un certain client par rapport aux autres.

Le score prédictif de l’engagement vous permet de :

Ce modèle utilise plusieurs scores pour indiquer :

Entrée du modèle  : logs de diffusion, logs de tracking et attributs de profil spécifiques

Sortie du modèle  : attribut de profil qui décrit le score et la catégorie du profil

Pour accéder à ces mesures, vous devez effectuer les opérations suivantes :

En utilisant une activité de requête dans un workflow, vous pouvez utiliser le score pour optimiser votre audience. Par exemple, avec les critères de niveau de rétention  :