Attribution AI에서 통찰력 살펴보기

Attribution AI 서비스 인스턴스는 마케팅 성과 및 투자 수익과 관련된 마케팅 결정을 내리고 측정하는 데 도움이 되는 인사이트를 제공합니다. 서비스 인스턴스를 선택하면 고객 여정의 각 단계에서 모든 고객 상호 작용의 영향을 이해하는 데 도움이 되는 시각화 및 필터가 제공됩니다.

이 문서는 Adobe Intelligent Services 사용자 인터페이스에서 서비스 인스턴스 인사이트와 상호 작용하기 위한 안내서 역할을 합니다.

시작하기

Attribution AI에 대한 인사이트를 활용하려면 성공적인 실행 상태가 제공되는 서비스 인스턴스가 있어야 합니다. 새 서비스 인스턴스를 만들려면 Attribution AI 사용자 인터페이스 안내서를 참조하세요. 최근에 서비스 인스턴스를 만들었지만 아직 교육 및 채점 중인 경우 24시간 동안 실행을 완료할 수 있도록 허용하십시오.

서비스 인스턴스 통찰력 개요

Adobe Experience Platform UI의 왼쪽 탐색에서 서비스 ​를 선택합니다. 서비스 브라우저가 나타나고 사용 가능한 Adobe Intelligent Services를 표시합니다. Attribution AI 컨테이너에서 열기 ​를 선택합니다.

Attribution AI 서비스 페이지가 나타납니다. 이 페이지에는 Attribution AI의 서비스 인스턴스가 나열되며 인스턴스 이름, 전환 이벤트, 인스턴스 실행 빈도, 마지막 업데이트 상태 등 서비스 인스턴스에 대한 정보가 표시됩니다. 시작할 서비스 인스턴스 이름을 선택하십시오.

다음으로, 해당 서비스 인스턴스에 대한 인사이트 페이지가 표시되며, 여기에 시각화와 데이터와 상호 작용할 수 있는 여러 필터가 제공됩니다. 이 안내서 전체에서 시각화 및 필터에 대해 자세히 설명합니다.

서비스 인스턴스 세부 정보

서비스 인스턴스에 대한 추가 세부 정보를 보려면 오른쪽 상단에서 자세히 표시 ​를 선택하십시오.

자세한 목록이 나타납니다. 나열된 속성에 대한 자세한 내용은 Attribution AI 사용 안내서를 참조하십시오.

인스턴스 편집

인스턴스를 편집하려면 오른쪽 상단 탐색에서 편집 ​을 선택하십시오.

인스턴스의 이름, 설명 및 채점 빈도를 편집할 수 있는 편집 대화 상자가 나타납니다. 인스턴스 상태를 비활성화하면 채점 빈도를 편집할 수 없습니다. 변경 내용을 확인하고 대화 상자를 닫으려면 오른쪽 하단에서 저장 ​을 선택합니다.

기타 액션 more-actions

추가 작업 단추는 편집 옆의 오른쪽 상단 탐색에 있습니다. 추가 작업 ​을 선택하면 다음 작업 중 하나를 선택할 수 있는 드롭다운이 열립니다.

데이터 필터링

Attribution AI 인사이트를 사용하면 데이터를 필터링하고 선택한 필터에 따라 UI 시각화를 자동으로 업데이트할 수 있습니다.

전환 이벤트

Attribution AI에서 새 인스턴스를 만들 때 필수 필드 중 하나는 "전환 이벤트"입니다. 전환 이벤트는 전자 상거래 주문, 매장 내 구매 및 웹 사이트 방문과 같은 마케팅 활동의 영향을 식별하는 비즈니스 목표입니다.

인스턴스 내에서 전환 이벤트 드롭다운을 사용하면 데이터를 필터링하기 위해 인스턴스에 대해 정의된 이벤트를 선택할 수 있습니다. 특정 이벤트를 선택하면 해당 이벤트에 속하는 전환만 채우도록 UI 시각화가 변경됩니다.

속성 모델

속성 모델 ​을 선택하면 사용 가능한 모든 다양한 속성 모델이 있는 드롭다운이 열립니다. 여러 모델을 선택하여 결과를 비교할 수 있습니다. 다양한 속성 모델과 작동 방식에 대한 자세한 내용은 각 모델에 대한 정보가 포함된 표를 포함하는 Attribution AI 개요를 참조하십시오.

지역

이 필터를 사용하면 인스턴스 생성 프로세스에서 설정한 영역을 선택할 수 있습니다.

필터 추가

필터 아이콘을 선택하여 필터 추가 팝오버를 열어 필터를 추가할 수 있습니다. 필터 추가 팝오버를 사용하면 채널, 지역, 미디어 유형 및 제품별로 필터링할 수 있습니다. 서비스 인스턴스에 적용 가능한 필터만 팝오버로 채워집니다. 예를 들어 지리적 데이터 또는 미디어 유형을 제공하지 않은 경우, 해당 필터 속성을 인스턴스에서 사용할 수 없습니다.

날짜 범위

달력 아이콘을 선택하여 날짜 범위 팝오버를 엽니다. 시작 및 종료 전환 이벤트 날짜는 UI에서 채워지는 데이터의 양을 결정합니다. 채워진 데이터 양에 초점을 맞추거나 확장하기 위해 날짜 범위를 좁히거나 넓히도록 선택할 수 있습니다.

데이터 개요

개요 카드는 기여도 분석 모델별 총 전환을 보여 줍니다. 총 개수 변경은 이 문서의 앞에 설명된 필터를 사용하여 검색하는 구체적인 방법에 따라 달라집니다. 모델을 더 선택하면 개요에 원이 더 추가되며, 각 원은 범례에 해당하는 고유 색상을 가집니다.

주간 트렌드

주별 트렌드 카드는 필터링 프로세스 중에 설정한 날짜 범위별로 전체 전환을 분류합니다.

주별 트렌드 카드의 오른쪽 상단에서 생략 부호를 선택하면 일별, 주별 또는 월별 트렌드를 선택할 수 있는 드롭다운이 표시됩니다.

특정 속성 모델의 데이터 라인 위로 마우스를 가져가면 해당 날짜에 대한 총 전환 수를 표시하는 팝오버가 만들어집니다.

채널별 분류

채널별 분류 카드를 사용하여 각 채널과 관련된 총 전환 수를 결정합니다. 이 카드는 각 채널의 효과성과 투자 수익률에 대한 결정을 내리는 데 도움이 될 수 있습니다.

채널별 분류 카드의 오른쪽 상단에서 생략 부호를 선택하면 터치포인트를 기반으로 데이터를 채울 수 있는 드롭다운이 열립니다.

상위 캠페인

상위 캠페인 카드에 캠페인의 개요와 각 채널에서 캠페인이 수행되는 방식이 표시됩니다. 이 카드를 통해 특정 채널 캠페인의 효과를 팀에 알리고 추가로 투자해야 하는 캠페인과 같은 통찰력을 제공할 수 있습니다.

접점 위치별 분류

경로 분석 탭을 선택하면 접점 위치별 분류 및 상위 전환 경로 그래프가 로드됩니다.

접점 위치별 분류 그래프는 모든 전환 경로에서 비교되는 접점 위치별 속성 전환의 분류입니다. 이 그래프는 전환 경로의 여러 단계에서 더 효과적인 접점을 파악하는 데 도움이 됩니다. 단계는 스타터, 플레이어 및 클로저입니다.

모든 접점 및 위치에서 속성 모델에 대한 백분율 기여도의 합계는 100이어야 합니다.

상위 전환 경로

상위 전환 경로 그래프는 선택한 영역의 상위 전환 경로에 영향을 주는 점수와 알고리즘 점수를 보여줍니다. 이 그래프를 통해 전환에 기여하는 접점과 각 접점에 대한 속성 점수를 시각화할 수 있습니다. 이 정보를 사용하여 특정 영역에서 가장 빈번한 경로를 보고 다양한 터치포인트 세트 사이에 패턴이 나타나는지 확인할 수 있습니다.

접점 효율성

접점 효율성 탭을 선택하면 접점 효율성 카드가 로드됩니다. 이 카드는 Attribution AI의 데이터 배포를 사용하여 각 터치포인트에 대한 정보를 표시합니다. 이 테이블의 데이터는 카드의 오른쪽 상단에 있는 기준 날짜에 표시된 특정 기간 동안만 생성됩니다.

접점 효율성 카드 정보를 사용하여 접점이 전환에 기여하는 방식을 이해할 수 있습니다. 다음 성능 지표를 통해 각 접점이 얼마나 효과적인지도 확인할 수 있습니다.

터치된 경로: 이 지표는 접점에 대해 전환된 경로/전환되지 않은 경로의 비율을 표시합니다. 전환을 수행하지 않는 경로에 대한 전환을 수행하는 경로의 비율(백분율)이 높으면 더 높은 속성 전환이 표시됩니다.

효율성 측정: 이 지표는 별모양을 1에서 5까지 배율로 표시합니다. 배율은 전환을 위한 접점의 상대적 중요성을 나타냅니다.

총 볼륨: 사용자가 터치포인트를 터치한 총 횟수입니다. 여기에는 전환을 수행하는 경로와 전환을 생성하지 않는 경로에 나타나는 터치포인트가 포함됩니다.

다음 단계

데이터 필터링을 완료하고 적절한 정보를 표시할 수 있으면 점수에 액세스할 수 있는 선택 사항이 있습니다. 점수에 액세스하는 방법에 대한 자세한 안내서는 Attribution AI의 점수에 액세스 자습서를 참조하십시오. 또한 추가 작업에 표시된 대로 요약 데이터를 다운로드할 수도 있습니다. "요약 데이터 다운로드"를 선택하면 날짜별로 집계된 요약 데이터가 다운로드됩니다.

추가 리소스

다음 비디오는 Attribution AI 통찰력 페이지를 사용하여 마케팅 채널 및 캠페인의 ROI를 파악하는 방법을 학습하는 데 도움이 되도록 설계되었습니다.