Integrare i dati di IA per l’analisi dei clienti
IA per l’analisi dei clienti, parte di Adobe Experience Platform Intelligent Services, offre agli esperti marketing la possibilità di generare previsioni sui clienti a livello individuale.
Con l’aiuto di fattori di influenza, IA per l’analisi dei clienti può dirti cosa potrebbe fare un cliente e perché. Inoltre, gli esperti marketing possono trarre vantaggio dalle previsioni e dalle informazioni di IA per l’analisi dei clienti per personalizzare le customer experience fornendo le offerte e i messaggi più appropriati.
IA per l’analisi dei clienti si basa su dati comportamentali individuali e dati di profilo per il punteggio di tendenza. IA per l’analisi dei clienti è flessibile in quanto può accogliere più origini di dati, tra cui Adobe Analytics, Adobe Audience Manager, dati di Consumer Experience Event e di Experience Event. Se utilizzi il connettore di origine di Experience Platform per inserire i dati di Adobe Audience Manager e Adobe Analytics, il modello raccoglie automaticamente i tipi di evento standard per addestrare e valutare il modello. Se inserisci un set di dati di Experience Event senza tipi di evento standard, tutti i campi pertinenti dovranno essere mappati come eventi personalizzati o attributi di profilo se desideri utilizzarlo nel modello. Questo può essere fatto nel passaggio di configurazione di IA per l’analisi dei clienti in Experience Platform.
IA per l’analisi dei clienti si integra con Customer Journey Analytics nella misura in cui i set di dati abilitati di IA per l’analisi dei clienti possono essere utilizzati nelle visualizzazioni dati e nel reporting in Customer Journey Analytics. È possibile:
-
Tracciare i punteggi di tendenza di un segmento di utenti nel tempo.
- Caso d’uso: comprendere la probabilità di conversione della clientela in un segmento specifico.
- Esempio: un marketer di una catena alberghiera desidera comprendere la probabilità che un cliente dell’hotel acquisti un biglietto per lo spettacolo che si terrà presso la sala concerti dell’hotel.
-
Analizzare gli eventi di successo o gli attributi associati ai punteggi di tendenza.
- Caso d’uso: comprendere gli attributi o gli eventi di successo associati ai punteggi di tendenza.
- Esempio: un marketer di una catena alberghiera desidera comprendere come gli acquisti dei biglietti per lo spettacolo presso la sala concerti di un hotel sono associati ai punteggi di tendenza.
-
Seguire il flusso di ingresso della tendenza della clientela su diverse esecuzioni di punteggio.
- Caso d’uso: comprendere le persone che inizialmente erano utenti a bassa tendenza e, nel tempo, sono diventate utenti a tendenza elevata.
- Esempio: marketer di una catena alberghiera desidera comprendere quali clienti dell’hotel sono stati inizialmente identificati come clienti con una bassa tendenza ad acquistare un biglietto per lo spettacolo, ma nel tempo sono diventati clienti con un’elevata tendenza ad acquistare un biglietto per lo spettacolo.
-
Osservare la distribuzione della tendenza.
- Caso d’uso: comprendere la distribuzione dei punteggi di tendenza per usare una maggiore precisione nella definizione dei segmenti.
- Esempio: un rivenditore desidera effettuare una promozione specifica di 50 $ di sconto su un prodotto. Potrebbe voler gestire solo una promozione molto limitata per questioni di budget, ecc. Analizza i dati e decide di eseguire il targeting solo dell’80%+ della sua clientela.
-
Osservare la tendenza a eseguire un’azione per una particolare coorte nel tempo.
- Caso d’uso: tracciare una coorte specifica nel tempo.
- Esempio: un marketer di una catena alberghiera desidera tracciare il livello bronzo rispetto al livello argento, o il livello argento rispetto al livello oro nel tempo. In seguito, può osservare la tendenza di ogni coorte a prenotare l’hotel nel tempo.
Per integrare effettivamente i dati di IA per l’analisi dei clienti con Customer Journey Analytics, segui questi passaggi:
Passaggio 1: configurare un’istanza di IA per l’analisi dei clienti
Dopo aver preparato i dati e aver impostato tutte le credenziali e gli schemi, inizia seguendo la guida Configure a Customer AI Instance (Configurare un’istanza di IA per l’analisi dei clienti) in Adobe Experience Platform.
Passaggio 2: configurare una connessione Customer Journey Analytics nei set di dati di IA per l’analisi dei clienti
In Customer Journey Analytics, ora puoi creare una o più connessioni ai set di dati di Experience Platform che sono stati strumentati per IA per l’analisi dei clienti. Ogni previsione, ad esempio “Likelihood to upgrade account” (Probabilità di aggiornamento dell’account), equivale a un set di dati. Questi set di dati vengono visualizzati con il prefisso “Customer AI Scores in EE Format – name_of_application” (Punteggi di IA per l’analisi dei clienti in formato EE, name_of_application).
Di seguito è riportato un esempio di schema XDM che Customer Journey Analytics inserirebbe come parte di un set di dati esistente o nuovo:
(L’esempio è un set di dati del profilo; lo stesso set di oggetti di schema farebbe parte di un set di dati evento di Experience che Customer Journey Analytics acquisirebbe. Il set di dati di Experience Event includerebbe marche temporali come la data di punteggio. Ogni cliente valutato in questo modello avrebbe un punteggio, una data di punteggio e altri dati a lui associati.
Passaggio 3: creare visualizzazioni dati in base a queste connessioni
In Customer Journey Analytics, ora puoi creare visualizzazioni dati con le dimensioni (come punteggio, data del punteggio, probabilità e così via) e le metriche inserite come parte della connessione stabilita.
Passaggio 4: rapporto sui punteggi di IA per l’analisi dei clienti in Workspace
In Customer Journey Analytics Workspace, ora puoi creare un nuovo progetto e richiamare le visualizzazioni.
Generare punteggi di tendenza
Ecco un esempio di un progetto Workspace con i dati di IA per l’analisi dei clienti che genera un punteggio di tendenza per un segmento di utenti nel tempo, in un grafico a barre in pila:
Tabella con codici motivo
Ecco una tabella che mostra i codici del motivo per cui un segmento ha una tendenza alta o bassa:
Flusso di ingresso della tendenza del cliente
Questo diagramma di flusso mostra il flusso di ingresso della tendenza del cliente su diverse esecuzioni di punteggio:
Distribuzione dei punteggi di tendenza
Questo grafico a barre mostra la distribuzione dei punteggi di tendenza:
Sovrapposizioni delle tendenze
Questo diagramma di Venn mostra la sovrapposizione delle tendenze su diverse esecuzioni di punteggio:
