Entrée et sortie dans l’IA dédiée aux clientes et clients

Le document suivant décrit les différents événements, entrées et sorties requis utilisés par l’IA dédiée aux clientes et clients.

Prise en main getting-started

Voici les étapes pour créer des modèles de propension et identifier les audiences cibles pour le marketing personnalisé dans l’IA dédiée aux clientes et clients :

Voici des exemples de configurations pour votre premier modèle. L’exemple de modèle, élaboré dans ce document, utilise un modèle de l’IA dédiée aux clientes et clients pour prédire qui est susceptible de convertir une activité de vente au détail au cours des 30 prochains jours. Le jeu de données d’entrée est un jeu de données d’Adobe Analytics.

Présentation des données data-overview

Les sections suivantes décrivent les différents événements, entrées et sorties requis utilisés par l’IA dédiée aux clientes et clients.

L’IA dédiée aux clients et clients analyse les jeux de données suivants pour prédire l’attrition (lorsqu’un client ou une cliente est susceptible d’arrêter d’utiliser le produit) ou la conversion (lorsqu’un client ou une cliente est susceptible d’effectuer un achat) des scores de propension.

Vous pouvez ajouter plusieurs jeux de données provenant de sources différentes si chacun des jeux de données partage le même type d’identité (espace de noms), tel qu’un ECID. Pour plus d’informations sur l’ajout de plusieurs jeux de données, consultez le guide d’utilisation de l’IA dédiée aux clientes et clients.

Le tableau suivant présente la terminologie courante utilisée dans ce document :

Données de sortie de l’IA dédiée aux clientes et clients customer-ai-input-data

Pour les jeux de données d’entrée, tels qu’Adobe Analytics et Adobe Audience Manager, les connecteurs sources respectifs mappent directement les événements dans ces groupes de champs standards (Commerce, Web, Application et Recherche) par défaut pendant le processus de connexion. Le tableau ci-dessous présente les champs d’événement dans les groupes de champs standards par défaut pour l’IA dédiée aux clientes et clients.

Pour plus d’informations sur le mappage des données d’Adobe Analytics ou des données d’Audience Manager, consultez le guide de mappages de champs d’Analytics ou d’Audience Manager.

Vous pouvez utiliser des schémas XDM d’événement d’expérience ou d’événement d’expérience client pour les jeux de données d’entrée qui ne sont pas renseignés via l’un des connecteurs ci-dessus. D’autres groupes de champs XDM peuvent être ajoutés pendant le processus de création de schéma. Les groupes de champs peuvent être fournis par Adobe, comme les groupes de champs standards ou un groupe de champs personnalisé, qui correspond à la représentation des données dans Platform.

Groupes de champs standards utilisés par l’IA dédiée aux clientes et clients standard-events

Les événements d’expérience sont utilisés pour déterminer divers comportements de clientèle. Selon la structure de vos données, les types d’événements répertoriés ci-dessous peuvent ne pas englober tous les comportements de votre client. C’est à vous de déterminer quels champs contiennent les données nécessaires pour identifier clairement et sans ambiguïté l’activité de l’utilisateur ou de l’utilisatrice sur le web ou sur un autre canal. Selon l’objectif de prédiction, les champs requis peuvent changer.

L’IA dédiée aux clientes et clients utilise par défaut les événements de ces quatre groupes de champs standards : Commerce, Web, Application et Recherche. Il n’est pas nécessaire d’avoir des données pour chaque événement dans les groupes de champs standards répertoriés ci-dessous, mais certains événements sont requis pour certains scénarios. Si des événements sont disponibles dans les groupes de champs standards, il est recommandé de les inclure dans votre schéma. Par exemple, si vous souhaitez créer un modèle d’IA dédiée aux clientes et clients pour prédire les événements d’achat, il est utile de disposer de données provenant des groupes de champs des détails des pages Commerce et Web.

Pour afficher un groupe de champs dans l’interface utilisateur de Platform, sélectionnez l’onget Schémas dans le rail de gauche, puis sélectionnez l’onglet Groupes de champs.

En outre, l’IA dédiée aux clientes et clients peut utiliser les données d’abonnement pour créer de meilleurs modèles d’attrition. Les données d’abonnement sont nécessaires pour chaque profil utilisant le format de type de données Abonnement. La plupart des champs sont facultatifs, cependant, pour un modèle d’attrition optimal, il est vivement recommandé de fournir des données pour autant de champs que possible, par exemple, startDate, endDate, ainsi que tout autre détail pertinent. Contactez l’équipe de votre compte pour obtenir une prise en charge supplémentaire de cette fonctionnalité.

Ajouter des événements personnalisés et des attributs de profil add-custom-events

Si vous disposez d’informations que vous souhaitez inclure en plus des champs d’événement standards par défaut utilisés par l’IA dédiée aux clientes et clients, vous pouvez utiliser la configuration d’événement personnalisé pour améliorer les données utilisées par le modèle.

Quand utiliser des événements personnalisés ?

Les événements personnalisés sont nécessaires lorsque les jeux de données sélectionnés à l’étape de sélection de jeu de données ne contiennent aucun des champs d’événement par défaut utilisés par l’IA dédiée aux clientes et clients. L’IA dédiée aux clientes et clients a besoin d’informations sur au moins un événement de comportement d’utilisateur ou d’utilisatrice autre que le résultat.

Les événements personnalisés s’avèrent utiles pour :

Les meilleurs éléments pour les événements personnalisés sont les données qui contiennent des connaissances de domaine qui peuvent être prédictives du résultat. Voici quelques exemples généraux d’événements personnalisés :

Vous trouverez ci-dessous une sélection d’exemples d’événements personnalisés spécifiques au secteur :

Pour être sélectionnés, les événements personnalisés doivent représenter des actions initiées par l’utilisateur ou l’utilisatrice. Par exemple, « Envoi d’e-mail » est une action lancée par une personne spécialiste du marketing et non par l’utilisateur ou l’utilisatrice. Cette action ne doit donc pas être utilisée comme événement personnalisé.

Données historiques

L’IA dédiée aux clientes et clients nécessite des données historiques pour la formation des modèles. La durée nécessaire à l’existence des données dans le système est déterminée par deux éléments clés : la fenêtre de résultat et la population éligible.

Par défaut, l’IA dédiée aux clientes et clients recherche un utilisateur ou une utilisatrice qui a eu une activité au cours des 45 derniers jours si aucune définition de population éligible n’est fournie pendant la configuration de l’application. En outre, l’IA dédiée aux clientes et clients nécessite au moins 500 événements admissibles et 500 événements non admissibles (1 000 au total) à partir de données historiques en fonction d’une définition d’objectif prédite.

Les exemples suivants montrent l’utilisation d’une formule simple qui vous aide à déterminer la quantité minimale de données requise. Si vous disposez de données plus volumineuses que le minimum requis, votre modèle est susceptible de fournir des résultats plus précis. Si vous disposez de moins que la quantité minimale requise, le modèle échoue, car il n’y a pas suffisamment de données pour la formation du modèle.

Customer AI utilise un modèle de survie pour estimer la probabilité qu’un événement se produise à un moment donné et identifier les facteurs d’influence, ainsi que l’apprentissage supervisé qui définit les populations positives et négatives et les arbres basés sur des décisions comme lightgbm pour générer un score de probabilité.

Formule  :

Pour décider de la durée minimale requise des données du système :

** S’il existe plusieurs conditions pour définir la population éligible, la fenêtre de recherche en amont d’éligibilité est la plus longue.

Exemples  :

Bien que l’IA dédiée aux clientes et clients exige un temps minimal pour que les données existent dans le système, elle fonctionne également mieux avec les données récentes. En utilisant des données comportementales plus récentes, l’IA dédiée aux clientes et clients est susceptible de générer une prédiction plus précise du comportement futur d’un utilisateur ou d’une utilisatrice.

Données de sortie de Customer AI customer-ai-output-data

Customer AI génère plusieurs attributs pour les profils individuels supposés éligibles. Il y a deux façons de consommer le score (sortie) en fonction de ce que vous avez provisionné. Si vous disposez d’un jeu de données activé pour Real-time Customer Profile, vous pouvez utiliser les informations de Real-time Customer Profile dans le Créateur de segments. Si vous ne disposez pas d’un jeu de données activé pour le profil, vous pouvez télécharger l’ensemble de données de la sortie de l’IA dédiée aux clientes et clients disponible sur le lac de données.

Vous trouverez le jeu de données de sortie dans l’espace de travail Jeux de données de Platform. Tous les jeux de données de sortie de l’IA dédiée aux clientes et clients commencent par le nom Customer AI Scores - NAME_OF_APP. De même, tous les schémas de sortie de Customer AI commencent par le nom Customer AI Schema - Name_of_app.

Le tableau ci-dessous décrit les différents attributs trouvés dans les sorties de Customer AI :

Étapes suivantes next-steps

Une fois que vous avez préparé vos données et que l’ensemble de vos informations d’identification et schémas sont en place, reportez-vous au guide de Configuration d’une instance Customer AI qui vous guide tout au long d’un tutoriel détaillé sur la création d’une instance Customer AI.