Entrada e saída na IA do cliente
O documento a seguir descreve os diferentes eventos, entradas e saídas necessários utilizados na IA do cliente.
Introdução getting-started
Estas são as etapas para criar modelos de propensão e identificar públicos-alvo para marketing personalizado na IA do cliente:
-
Descrever casos de uso: como os modelos de propensão ajudariam a identificar públicos-alvo para marketing personalizado? Quais são minhas metas comerciais e as táticas correspondentes para atingir a meta? Onde a modelagem de propensão pode se encaixar nesse processo?
-
Priorizar casos de uso: quais são as maiores prioridades para a empresa?
-
Criar modelos na IA do cliente: assista a este tutorial rápido e consulte nosso guia da interface do usuário para obter um processo passo a passo para criar um modelo.
-
Criar segmentos usando resultados de modelo.
-
Realizar ações comerciais direcionadas com base nesses segmentos. Monitore os resultados e repita as ações para melhorar.
Estes são exemplos de configurações para seu primeiro modelo. O modelo de exemplo, criado neste documento, usa um modelo de IA do cliente para prever quem provavelmente fará a conversão para um negócio de varejo nos próximos 30 dias. O conjunto de dados de entrada é um conjunto de dados do Adobe Analytics.
Tipo de Modelo: Conversão
Identidade: verifique se a coluna de identidade de cada conjunto de dados está definida como uma identidade comum.
commerce.purchases.value igual ao lápisJanela de resultado: 30 dias.
Habilitar para o perfil: isso deve ser habilitado para que a saída do modelo seja usada na segmentação.
Visão geral dos dados data-overview
As seções a seguir descrevem os diferentes eventos, entradas e saídas necessários utilizados na IA do cliente.
A IA do cliente funciona analisando os seguintes conjuntos de dados para prever as pontuações de propensão de churn (quando é provável que um cliente pare de usar o produto) ou conversão (quando é provável que um cliente faça uma compra):
- Dados do Adobe Analytics usando o conector de origem do Analytics
- Dados do Adobe Audience Manager usando o conector de origem do Audience Manager
- Conjunto de dados de Evento de Experiência
- Conjunto de dados do Evento de experiência do consumidor
Você pode adicionar vários conjuntos de dados de diferentes fontes se cada um dos conjuntos de dados compartilhar o mesmo tipo de identidade (namespace), como uma ECID. Para obter mais informações sobre como adicionar vários conjuntos de dados, visite o Guia do usuário da IA do cliente.
A tabela a seguir descreve algumas terminologias comuns usadas neste documento:
Experience Event. O comportamento dos dados de um schema é definido pela classe do schema, que é atribuída a um schema quando ele é criado pela primeira vez. As classes XDM descrevem o menor número de propriedades que um esquema deve conter para representar um comportamento de dados específico.meta:intendedToExtend.Dados de entrada da IA do cliente customer-ai-input-data
Para conjuntos de dados de entrada, como Adobe Analytics e Adobe Audience Manager, os respectivos conectores de origem mapeiam diretamente os eventos nesses grupos de campos padrão (Commerce, Web, Aplicativo e Pesquisa) por padrão durante o processo de conexão. A tabela abaixo mostra os campos de evento nos grupos de campos padrão para a IA do cliente.
Para obter mais informações sobre o mapeamento de dados Adobe Analytics ou dados Audience Manager, visite o Guia de mapeamentos de campo do Analytics ou o Audience Manager guia de mapeamentos de campo.
Você pode usar esquemas XDM de Evento de experiência ou Evento de experiência do consumidor para conjuntos de dados de entrada que não são preenchidos por meio de um dos conectores acima. Grupos de campos XDM adicionais podem ser adicionados durante o processo de criação do esquema. Os grupos de campos podem ser fornecidos por Adobe, como os grupos de campos padrão ou um grupo de campos personalizado, que corresponde à representação de dados na plataforma.
Grupos de campos padrão usados pela IA do cliente standard-events
Eventos de experiência são usados para determinar vários comportamentos do cliente. Dependendo de como seus dados são estruturados, os tipos de evento listados abaixo podem não abranger todos os comportamentos do cliente. Cabe a você determinar quais campos têm os dados necessários para identificar de forma clara e inequívoca a atividade da Web ou de outro usuário específico do canal. Dependendo da meta de previsão, os campos obrigatórios que são necessários podem mudar.
A IA do cliente usa os eventos nesses quatro grupos de campos padrão por padrão: Commerce, Web, Aplicativo e Pesquisa. Não é necessário ter dados para cada evento nos grupos de campos padrão listados abaixo, mas determinados eventos são necessários para determinados cenários. Se você tiver eventos nos grupos de campos padrão disponíveis, é recomendável incluí-los no esquema. Por exemplo, se você deseja criar um modelo de IA do cliente para prever eventos de compra, é útil ter dados do Commerce e grupos de campos de detalhes da página da Web.
Para exibir um grupo de campos na interface do usuário da Platform, selecione a guia Esquemas no painel esquerdo, seguido pela seleção da guia Grupos de campos.
-
commerce.order.purchaseID -
productListItems.SKU
-
commerce.productListViews.value -
productListItems.SKU
-
commerce.checkouts.value -
productListItems.SKU
-
commerce.purchases.value -
productListItems.SKU
-
commerce.productListRemovals.value -
productListItems.SKU
-
commerce.productListOpens.value -
productListItems.SKU
-
commerce.productViews.value -
productListItems.SKU
web.webPageDetails.nameweb.webInteraction.linkClicks.value-
application.applicationCloses.value -
application.name
-
application.crashes.value -
application.name
-
application.featureUsages.value -
application.name
-
application.firstLaunches.value -
application.name
-
application.installs.value
-
application.name
-
application.launches.value
-
application.name
-
application.upgrades.value
-
application.name
search.keywordsAlém disso, a IA do cliente pode usar dados de assinatura para criar modelos de churn melhores. Os dados de assinatura são necessários para cada perfil que usa o formato de tipo de dados Assinatura. A maioria dos campos é opcional. No entanto, para um modelo de churn ideal, é altamente recomendável fornecer dados para o máximo de campos possível, como startDate, endDate e quaisquer outros detalhes relevantes. Entre em contato com a equipe de conta para obter suporte adicional sobre este recurso.
Adicionar eventos personalizados e atributos de perfil add-custom-events
Se você tiver informações que deseja incluir, além dos campos de evento padrão usados pela IA do cliente, poderá usar a configuração de evento personalizado para aumentar os dados usados pelo modelo.
Quando usar eventos personalizados
Os eventos personalizados são necessários quando os conjuntos de dados escolhidos na etapa de seleção do conjunto de dados contêm nenhum dos campos de evento padrão usados pela IA do cliente. A IA do cliente precisa de informações sobre pelo menos um evento de comportamento do usuário diferente do resultado.
Eventos personalizados são úteis para:
-
Incorporar conhecimento de domínio ou experiência prévia no modelo.
-
Melhorando a qualidade do modelo preditivo.
-
Obter insights e interpretações adicionais.
Os melhores candidatos para eventos personalizados são dados que contêm conhecimento de domínio que pode ser preditivo do resultado. Alguns exemplos gerais de eventos personalizados incluem:
-
Registrar-se na conta
-
Assinar informativo
-
Faça uma chamada para o atendimento ao cliente
Veja a seguir uma seleção de exemplos de eventos personalizados específicos do setor:
Inscreva-se no cartão do clube
Cupons de clipe para dispositivos móveis.
. Faça streaming do vídeo.
Comprar pontos de fidelidade.
Os eventos personalizados devem representar ações iniciadas pelo usuário para serem selecionados. Por exemplo, "Envio de email" é uma ação iniciada por um profissional de marketing e não pelo usuário, portanto, não deve ser usada como um evento personalizado.
Dados históricos
A IA do cliente exige dados históricos para o treinamento de modelo. A duração necessária para que os dados existam no sistema é determinada por dois elementos-chave: a janela de resultado e o público elegível.
Por padrão, a IA do cliente procura um usuário que tenha tido atividade nos últimos 45 dias se nenhuma definição de população qualificada for fornecida durante a configuração do aplicativo. Além disso, a IA do cliente exige um mínimo de 500 eventos qualificados e 500 não qualificados (total de 1000) dos dados históricos com base em uma definição de meta prevista.
Os exemplos a seguir demonstram o uso de uma fórmula simples que ajuda a determinar a quantidade mínima de dados necessária. Se você tiver mais dados do que o requisito mínimo, seu modelo provavelmente fornecerá resultados mais precisos. Se você tiver menos do que o valor mínimo necessário, o modelo falhará, pois não há dados suficientes para o treinamento do modelo.
Fórmula:
Para decidir a duração mínima necessária dos dados existentes no sistema:
-
Os dados mínimos necessários para criar recursos são de 30 dias. Comparar a janela de retrospectiva de elegibilidade com 30 dias:
-
Se a janela de retrospectiva de elegibilidade for maior que 30 dias, a exigência de dados = janela de retrospectiva de elegibilidade + janela de resultado.
-
Caso contrário, o requisito de dados = 30 dias + janela de resultado.
-
** Se houver mais de uma condição para definir a população elegível, a janela de pesquisa de elegibilidade será a mais longa.
Exemplos:
-
Você deseja prever se um cliente provavelmente comprará um relógio nos próximos 30 dias para aqueles que tiverem alguma atividade na Web nos últimos 60 dias.
-
Janela de pesquisa de elegibilidade = 60 dias
-
Janela de resultados = 30 dias
-
Dados necessários = 60 dias + 30 dias = 90 dias
-
-
Você deseja prever se o usuário provavelmente comprará um relógio nos próximos 7 dias sem fornecendo uma população qualificada explícita. Nesse caso, a população elegível assume como padrão "aqueles que tiveram atividade nos últimos 45 dias" e a janela de resultado é de 7 dias.
-
Janela de pesquisa de elegibilidade = 45 dias
-
Janela de resultados = 7 dias
-
Dados necessários = 45 dias + 7 dias = 52 dias
-
-
Você deseja prever se o cliente provavelmente comprará um relógio nos próximos 7 dias para aqueles que tiverem alguma atividade na Web nos últimos 7 dias.
-
Janela de pesquisa de elegibilidade = 7 dias
-
Dados mínimos necessários para criar recursos = 30 dias
-
Janela de resultados = 7 dias
-
Dados necessários = 30 dias + 7 dias = 37 dias
-
Embora a IA do cliente exija um período mínimo para que os dados existam no sistema, ela também funciona melhor com os dados recentes. Ao usar dados comportamentais mais recentes, a IA do cliente provavelmente produzirá uma previsão mais precisa do comportamento futuro de um usuário.
Dados de saída da IA do cliente customer-ai-output-data
A IA do cliente gera vários atributos para perfis individuais que são considerados qualificados. Há duas maneiras de consumir a pontuação (saída) com base no que você provisionou. Se você tiver um conjunto de dados habilitado para o Perfil do cliente em tempo real, poderá consumir insights do Perfil do cliente em tempo real no Construtor de segmentos. Se você não tiver um conjunto de dados habilitado para perfil, poderá baixar o conjunto de dados de saída da IA do cliente disponível no data lake.
Você pode encontrar o conjunto de dados de saída no espaço de trabalho Plataforma Conjuntos de dados. Todos os conjuntos de dados de saída do Customer AI começam com o nome Pontuações do Customer AI - NAME_OF_APP. Da mesma forma, todos os esquemas de saída do Customer AI começam com o nome Esquema do Customer AI - Nome_do_aplicativo.
A tabela abaixo descreve os vários atributos encontrados na saída da IA do cliente:
Esses são os motivos previstos para a probabilidade de conversão ou churn de um perfil. Esses fatores são compostos pelos seguintes atributos:
- Código: o atributo de perfil ou comportamental que influencia positivamente a pontuação prevista de um perfil.
- Valor: o valor do perfil ou atributo comportamental.
- Importância: indica o peso do perfil ou do atributo comportamental na pontuação prevista (baixa, média, alta)
Próximas etapas next-steps
Depois de preparar seus dados e garantir que todas as credenciais e esquemas estejam em vigor, consulte o guia Configurar uma instância da IA do cliente, que orienta você por um tutorial passo a passo para criar uma instância da IA do cliente.