예측 사용자 참여 기능 journey-ai
Adobe Campaign을 사용하면 고객 여정의 디자인과 게재를 최적화하여 각 개인의 참여 선호도를 예측할 수 있습니다. AI 및 머신 러닝을 기반으로 하는 Adobe Campaign의 전송 시간 최적화 및 예측 참여 점수 책정은 참여 지표 기록을 기반으로 공개 비율, 최적의 전송 시간, 가능한 이탈률을 분석하고 예측할 수 있습니다.
Adobe Campaign은 두 가지 새로운 기계 학습 모델을 제공합니다. 예측 전송 시간 최적화 및 예측 참여 점수 책정. 이 두 가지 모델은 더 나은 고객 여정을 디자인하고 제공하는 데 특화된 머신 러닝 모델입니다.
-
예측 전송 시간 최적화 은(는) 이메일 열기 또는 클릭과 푸시 메시지 열기에 대한 각 수신자 프로필에 가장 적합한 전송 시간을 예측합니다. 각 수신자 프로필에 대해 점수는 각 평일에 가장 적합한 전송 시간과 가장 좋은 결과를 얻기 위해 가장 적합한 요일을 나타냅니다.
-
예측 참여 점수 책정: 메시지를 받는 사람이 메시지에 얼마나 관심을 가질 것인지는 물론, 다음 이메일을 보낸 후 7일 이내에 메시지를 옵트 아웃(구독 취소)할 가능성까지 예측합니다. 확률은 콘텐츠와의 예측된 참여 수준(높음, 중간 또는 낮음)에 따라 버킷으로 더 나뉩니다. 또한 이러한 모델은 특정 고객이 다른 고객과 비교하여 어떤 등급에 있는지 파악할 수 있도록 구독 취소 위험 백분위수 등급을 제공합니다.
예측 전송 시간 최적화 predictive-send-time
예측 전송 시간 최적화는 이메일 열기 또는 클릭과 푸시 메시지 열기에 대한 각 수신자 프로필에 가장 적합한 전송 시간을 예측합니다. 각 수신자 프로필에 대해 점수는 각 평일에 가장 적합한 전송 시간과 가장 좋은 결과를 얻기 위해 가장 적합한 요일을 나타냅니다.
예측 전송 시간 최적화 모델 내에는 두 개의 하위 모델이 있습니다.
-
열기에 대한 예측 전송 시간 은(는) 열기를 최대화하기 위해 고객에게 커뮤니케이션을 전송해야 하는 최적의 시간입니다.
-
클릭에 대한 예측 전송 시간 은(는) 클릭을 최대화하기 위해 고객에게 커뮤니케이션을 전송해야 하는 최적의 시간입니다.
모델 입력:게재 로그, 추적 로그 및 프로필 속성(PII 아님)
모델 출력:메시지를 보내는 최적의 시간(열기 및 클릭)
출력 세부 사항
-
1시간 간격(예: 오전 9:00, 오전 10:00, 오전 11:00)으로 주 7일에 대한 이메일을 전송하기 위해 하루 중 가장 적합한 시간을 계산합니다.
-
이 모델은 가장 적합한 요일과 해당 요일의 가장 적합한 시간을 나타냅니다
-
각 최적 시간은 한 번은 클릭으로 공개 비율을 최대화하고 한 번은 클릭률을 최대화하는 것으로 총 두 번 계산합니다.
-
16개의 필드가 제공됩니다(요일 14개, 전체 주 2개).
-
월요일의 클릭 수를 최적화하기 위해 이메일을 보내는 데 가장 적합한 시간 - 0에서 23 사이의 값
-
월요일의 열기 수를 최적화하기 위해 이메일을 보내는 데 가장 적합한 시간 - 0에서 23 사이의 값
-
…
-
일요일의 클릭 수를 최적화하기 위해 이메일을 보내는 데 가장 적합한 시간 - 0에서 23 사이의 값
-
일요일의 열기 수를 최적화하기 위해 이메일을 보내는 데 가장 적합한 시간 - 0에서 23 사이의 값
-
…
-
전체 주의 열기 수를 최적화하기 위해 이메일을 보내는 데 가장 적합한 요일 - 월요일에서 일요일
-
전체 주의 열기 수를 최적화하기 위해 이메일을 보내는 데 가장 적합한 시간 - 0에서 23 사이의 값
Adobe Campaign에 구현되면 기계 학습 기능은 최고의 열기/클릭 스코어를 제공하는 새로운 탭을 통해 프로필 데이터를 보강합니다. 기술 워크플로우를 사용하여 지표를 계산하고 Campaign으로 가져옵니다.
이러한 지표에 액세스하려면 다음을 수행해야 합니다.
-
프로필을 열고 편집 단추를 클릭합니다.
-
클릭별 시간 점수 보내기 또는 열기별 시간 점수 보내기 탭을 클릭합니다.
기본적으로 프로필 점수는 각 요일에 가장 좋은 시간과 해당 주의 가장 좋은 전체 시간을 제공합니다.
최적의 시기에 메시지 보내기 use-predictive-send-time
이메일이 프로필당 최적의 시간에 발송되도록 하려면 Send at a custom date defined by a formula 옵션을 사용하여 게재를 예약해야 합니다.
이 섹션에서 전송 날짜를 계산하는 방법을 알아봅니다.
게재를 보낼 특정 날의 최적 시간으로 공식을 채워야 합니다.
공식 예:
AddHours([currentDelivery/scheduling/@contactDate],
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])
예측 참여 점수 책정 predictive-scoring
예측 참여 점수 책정은 메시지를 받는 사람이 메시지에 얼마나 관심을 가질 것인지는 물론, 다음 이메일을 보낸 후 7일 이내에 메시지를 옵트 아웃(구독 취소)할 가능성까지 예측합니다.
확률은 콘텐츠와의 예측된 참여 수준(높음, 중간 또는 낮음)에 따라 버킷으로 더 나뉩니다. 또한 이러한 모델은 특정 고객이 다른 고객과 비교하여 어떤 등급에 있는지 파악할 수 있도록 구독 취소 위험 백분위수 등급을 제공합니다.
예측 참여 점수 책정을 통해 다음과 같은 작업을 수행할 수 있습니다.
- 대상 선택: 쿼리 활동을 사용하여 특정 메시지로 참여할 대상을 선택할 수 있습니다
- 대상자 제외: 쿼리 활동을 사용하여 구독을 취소할 가능성이 높은 대상자를 제거할 수 있습니다
- 개인화: 참여 수준에 따라 메시지 개인화(참여도가 높은 사용자가 참여하지 않은 사용자와 다른 메시지를 받게 됨)
이 모델은 여러 점수를 사용하여 다음을 나타냅니다.
- 열기 참여 점수/클릭 참여 점수:이 값은 구독자가 특정 메시지(열기 또는 클릭)에 참여할 확률과 일치합니다. 값의 범위는 0.0부터 1.0까지입니다.
- 구독 취소 가능성:이 값은 수신자 받은 하나의 이메일을 열었을 때 이메일 채널에 대해 구독을 취소할 확률과 일치합니다. 값의 범위는 0.0부터 1.0까지입니다.
- 보존 수준: 이 값은 사용자를 낮음, 중간, 높음의 세 가지 수준으로 분류합니다. 높음은 브랜드를 지속적으로 사용할 확률이 높고 낮음은 구독을 취소할 가능성이 높습니다.
- 보존의 백분위 등급:구독 취소 가능성에 대한 프로필 순위. 값의 범위는 0.0부터 1.0까지입니다. 예를 들어, 보존 백분위 등급이 0.953이면 이 수신자는 브랜드를 계속 사용할 가능성이 높고 수신자의 95.3%보다 구독을 취소할 가능성이 낮습니다.
모델 입력:게재 로그, 추적 로그 및 특정 프로필 속성
모델 출력:프로필의 점수 및 카테고리를 설명하는 프로필 속성
이러한 지표에 액세스하려면 다음을 수행해야 합니다.
-
프로필을 열고 편집 단추를 클릭합니다.
-
이메일 채널에 대한 참여 점수 탭을 클릭합니다.
워크플로우에서 쿼리 활동을 사용하면 점수를 사용하여 대상자를 최적화할 수 있습니다. 예를 들어 보존 수준 기준이 있는 경우는 다음과 같습니다.
