Otimização de tempo de envio e pontuação preditiva de engajamento optimize-message-delivery

Alimentada por IA e aprendizado de máquina, a Otimização de tempo de envio e a Pontuação preditiva de engajamento da Adobe Campaign podem analisar e prever taxas abertas, tempos de envio ideais e churn provável de acordo com métricas de engajamento histórico.

A Adobe Campaign oferece dois novos modelos de aprendizado de máquina: Otimização preditiva do tempo de envio e Pontuação preditiva do engajamento. Esses dois modelos são modelos de aprendizado de máquina específicos para projetar e fornecer melhores jornadas ao cliente.

CAUTION
Esse recurso não está disponível para uso imediato como parte do produto. Ele só está disponível para clientes do Adobe Campaign Managed Cloud Services que executam o Adobe Campaign Classic v7 ou o Adobe Campaign v8.
A implementação exige o engajamento da Adobe Consulting. Para saber mais, entre em contato com o representante da Adobe.

Otimização preditiva do tempo de envio predictive-send

A Otimização preditiva de tempo de envio prevê qual é o melhor momento de envio para cada perfil de recipient para aberturas ou cliques de email e aberturas de mensagem por push. As pontuações indicam o melhor horário de envio para cada dia da semana e qual o melhor dia para enviar a fim de obter melhores resultados para cada perfil de destinatário.

No modelo de Otimização preditiva de tempo de envio, há dois submodelos:

  • O tempo preditivo de envio para abrir é o melhor horário para o envio da comunicação ao cliente para maximizar as aberturas

  • O tempo preditivo de envio para cliques é o melhor horário para o envio de uma comunicação ao cliente para maximizar os cliques

Entrada do modelo: logs de entrega, logs de rastreamento e atributos de perfil (não PII)

Saída do Modelo: Melhor horário para o envio de uma mensagem (para aberturas e cliques)

Detalhes da saída:

  • Calcule o melhor horário do dia para enviar um email nos 7 dias da semana com intervalos de 1 hora (por exemplo: 9h, 10h, 11h)

  • O modelo indicará o melhor dia da semana e o melhor horário do dia

  • Cada horário ideal é calculado duas vezes: uma vez para maximizar a taxa de abertura e outra para maximizar a taxa de cliques

  • São administrados 16 campos (14 para os dias da semana e 2 para a semana inteira):

    • melhor horário para enviar um email para otimizar cliques na segunda-feira – valores entre 0 e 23
    • melhor horário para enviar um email para otimizar as aberturas na segunda-feira – valores entre 0 e 23
    • melhor horário para enviar um email para otimizar cliques no domingo – valores entre 0 e 23
    • melhor horário para enviar um email para otimizar as aberturas no domingo – valores entre 0 e 23
    • melhor dia para enviar um email para otimizar as aberturas da semana inteira – de segunda a domingo
    • o melhor horário para enviar um email para otimizar as aberturas da semana inteira – valores entre 0 e 23

A Otimização preditiva do tempo de envio é armazenada no nível do perfil:

NOTE
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos. Esses recursos preditivos se aplicam somente aos canais de email e push.

Pontuação de envolvimento preditivo predictive-scoring

A Pontuação preditiva de engajamento prevê a probabilidade de engajamento de um recipient em uma mensagem, bem como a probabilidade de opt out (cancelamento de inscrição) nos próximos 7 dias após o próximo envio de email. As probabilidades são divididas em grupos de acordo com o nível previsto de engajamento com seu conteúdo: alto, médio ou baixo. Esses modelos também fornecem a classificação do percentil de risco de cancelamento de subscrição para que os clientes entendam onde está a classificação de um determinado cliente em relação a outros.

A pontuação preditiva de engajamento permite:

  • Selecionar um público: ao usar a atividade de query, você pode selecionar o público que vai se engajar com uma mensagem específica
  • Excluir um público: usando a atividade de query, você pode remover o público para cancelar a inscrição
  • Personalizar: personalizar mensagem de acordo com o nível de engajamento (usuários altamente engajados receberão uma mensagem diferente daqueles não engajados)

Este modelo usa várias pontuações para indicar:

  • Pontuação de engajamento ao abrir/Pontuação de engajamento ao clicar: esse valor corresponde à probabilidade de um assinante se engajar com uma mensagem específica (abrir ou clicar). Os valores variam de 0,0 a 1,0.
  • Probabilidade de cancelamento de inscrição: esse valor corresponde à probabilidade do destinatário cancelar a inscrição do canal de email considerando um email aberto. Os valores variam de 0,0 a 1,0.
  • Nível de retenção: esse valor classifica os usuários em três níveis: baixo, médio e alto. O alto tem mais probabilidade de adesão à marca, enquanto o baixo provavelmente cancelará a assinatura.
  • Classificação de percentual de retenção: Classificação do perfil em termos de probabilidade de cancelamento de assinatura. Os valores variam de 0,0 a 1,0. Por exemplo, se a classificação de porcentagem de retenção for de 0,953, esse destinatário terá maior probabilidade de permanecer com a marca e menos probabilidade de cancelar a assinatura do que 95,3% de todos os destinatário.
NOTE
Esses recursos preditivos se aplicam apenas para entregas de email.
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos.

Entrada do modelo: Logs da entrega, logs de rastreamento e atributos específicos do perfil

Saída do modelo: Um atributo de perfil que descreve a pontuação e a categoria do perfil

recommendation-more-help
35662671-8e3d-4f04-a092-029a056c566b