의도 점수 intent-scores

의도 점수는 개인이나 계정이 키워드, 제품 또는 제품 카테고리에 얼마나 관심이 있는지를 측정합니다. Adobe Journey Optimizer B2B edition은 수동 규칙이나 고정 소수점 시스템이 아닌 의미의 유사성을 측정하는 머신 러닝을 사용하여 점수를 계산합니다. 모든 점수는 0에서 1로 표준화되며 숫자가 높을수록 더 강한 의도를 나타냅니다.

콘텐츠 관련성은 대략 12시간마다 새로 고침되고 의도 점수는 매일 다시 계산됩니다. 점수는 키워드에서 제품으로, 사용자에서 계정으로 집계됩니다. 의도 점수는 지능형 대시보드 전체와 계정 세부 정보, 구매 그룹 세부 정보 페이지 및 사용자 세부 정보 페이지에 표시됩니다.

{width="700" modal="regular"}

다음 섹션에서는 의도 점수 책정 이면의 핵심 개념, 점수를 최신 상태로 유지하는 연속 프로세스, 각 점수 이면의 계산 논리 및 구성할 수 있는 설정에 대해 설명합니다.

핵심 개념 core-concepts

의도 감지에서는 개인이 참여한 내용과 사용자의 제품 및 키워드가 일치하는 정도를 측정한 다음, 그 유사성을 해당 사람이 참여한 정도에 따라 가중합니다. 세 개의 엔티티가 이 모델을 구성합니다.

기본 분류 및 업데이트 taxonomy

분류법, 인텐트가 측정되는 키워드, 제품 및 범주는 설정이 필요 없이 사용할 수 있습니다.

의도 매핑 페이지에서 언제든지 분류법 매핑을 검토하고 업데이트할 수 있습니다. 분류 설정 프로세스에 대해서는 의도 데이터를 참조하십시오.

콘텐츠 관련성 content-relevance

Journey Optimizer B2B edition은 콘텐츠와 분류법을 의미를 수학적으로 표현한 다음 유사성 모델을 사용하여 정렬하는 정도를 측정합니다. 키워드나 제품과 거의 일치하는 콘텐츠는 관련성 점수가 높습니다. 관련 없는 컨텐츠는 낮은 점수를 받습니다.

유사성 모델은 일반 언어에 대해 사전 교육되므로 시작하는 데 고객별 교육이 필요하지 않습니다.

채점 프로세스 scoring-process

연속 프로세스는 원시 참여를 완료된 의도 점수로 바꿉니다. 각 단계는 이전 단계가 생성한 것을 기반으로 합니다.

{width="700"}

참여 캡처 engagement-capture

한 사람이 가진 모든 의미 있는 접점은 일어나는 대로 캡처되고 관련된 콘텐츠와 연결됩니다.

콘텐츠 추출 content-extraction

관련성에 대해 콘텐츠에 점수를 매기기 전에 Journey Optimizer B2B edition에서 텍스트를 추출하여 읽습니다.

관련성 점수 relevance-scoring

모든 자산은 분류법에 따라 측정되며, 누가 분류법에 참여했는지 독립적입니다.

일별 의도 계산 daily-intent-calculation

참여 및 콘텐츠 관련성은 개인당, 키워드당 또는 제품당 하나의 일일 의도 점수로 결합됩니다.

점수 전달 score-delivery

일별 점수를 집계하여 의도 수준을 받고 대시보드에 전달합니다.

점수 계산 논리 score-calculation-logic

계산은 5개의 레이어로 구성되며, 각 레이어는 원시 관련성 및 참여 데이터에 더 많은 컨텍스트를 추가합니다.

주제와 콘텐츠 관련성 relevance-to-topic

키워드, 제품 또는 카테고리를 의미하는 모든 콘텐츠 및 모든 주제는 해당 의미를 수학적으로 표현한 것으로 번역됩니다. 이 표현에서는 주제와 유사한 의미를 가진 콘텐츠가 더 가까이 모입니다. 관련성은 의미의 밀접성을 가늠하는 척도이지 정확한 단어 일치는 아니다.

일일 참여 가중치 engagement-weighting

특정 날짜의 개인 점수는 관련된 모든 항목의 관련성을 가중 평균한 것입니다. 가치가 높은 활동은 더 많은 것으로 계산됩니다.

"예"

한 사람이 하루에 세 개의 콘텐츠를 재생합니다. 페이지 보기의 가중치는 1이며 양식 제출의 가중치는 5입니다.

한 번의 양식 제출로 페이지 보기 횟수의 5배가 계산되므로 총 3개의 항목과 상호 작용했더라도 일일 점수에 상당한 영향을 미칩니다.

그 주제에 대한 일일 점수는 0~1 척도에서 대략 0.70이다.

최신성 감소 recency-decay

개인의 점수는 최근 활동이 이전 활동보다 훨씬 더 가중되는 최근 며칠 간의 차이를 반영합니다. 약 1주 후 이전 활동은 최소한의 영향을 미치므로, 점수는 항상 현재 관심을 반영합니다. 실질적으로 오늘 방문은 어제보다 더 많으며, 그것은 10일 전의 방문보다 더 큽니다.

점수 표준화 및 의도 수준 normalization-intent-levels

조정된 모든 점수는 인스턴스의 다른 사용자에 대해 일관된 0에서 1 척도에 배치된 다음 의도 레벨로 그룹화됩니다.

점수 집계 score-aggregation

개별 점수는 집계되므로 가장 세부적인 수준뿐만 아니라 결정에 중요한 수준에서 의도를 검토할 수 있습니다.

{width="500"}

제품 수준 보기를 사용하여 개별 키워드가 트렌드하는 제품이 아니라 전체적으로 관심이 증가하는 제품을 확인할 수 있습니다. 계정 수준 보기를 사용하여 전체 구매 그룹이 단일 참여 사용자에 반응하지 않고 함께 증가된 관심을 보이는 시기를 확인합니다.

구성 가능한 설정 configurable-settings

대부분의 채점 논리는 결과를 신뢰할 수 있고 시간이 지남에 따라 비교할 수 있도록 고정되어 있습니다. 제품 관리자는 요구 사항에 맞게 두 가지 설정을 사용자 정의할 수 있습니다.

콘텐츠 관련성, 활동 감소, 높음, Medium 및 낮음 임계값을 비롯한 다른 모든 임계값은 시간이 지나도 일관되고 비교가 가능하도록 수정되었습니다.

채점 원칙 scoring-principles

의도 점수를 검토하고 수행할 때 다음 원칙을 염두에 두십시오.

모델 기반 점수 책정 model-driven

유지 관리할 포인트 할당이나 키워드 규칙이 없습니다. 이 모델은 콘텐츠와 분류법에서 직접 관련성을 학습하므로, 지속적인 구성 없이 콘텐츠 라이브러리가 성장하고 변경될 때 일관된 점수를 얻을 수 있습니다.

상대 점수 relative-scoring

점수는 개인이나 계정이 현재 다른 연락처 중 어디에 속하는지를 반영하며, 시스템은 현재 모집단을 기준으로 매일 점수를 다시 계산합니다. 점수를 사용하여 고정된 범용 숫자가 아닌 사용자 인스턴스 내의 사람과 계정을 비교할 수 있습니다. 점수는 한 회사에서 다른 회사로 직접 비교할 수 없습니다.

데이터 새로 고침 data-freshness

콘텐츠 관련성은 새 콘텐츠가 나타나면 대략 12시간마다 새로 고쳐집니다. 의도 점수는 하루에 한 번 다시 계산되므로 대시보드는 매일 아침 전날 활동을 반영합니다.