Indata och utdata i Attribution AI

Följande dokument visar de olika indata och utdata som används i Attribution AI.

Attribution AI indata

Attribution AI arbetar genom att analysera följande datauppsättningar för att beräkna algoritmiska poäng:

Nu kan du lägga till flera datauppsättningar från olika källor baserat på identitetskartan (fält) om alla datauppsättningar har samma identitetstyp (namnområde), till exempel ett ECID. När du har valt en identitet och ett namnutrymme visas ID-kolumnens fullständighetsmått som anger den datavolym som sammanfogas. Mer information om hur du lägger till flera datauppsättningar finns i användarhandboken för Attribution AI.

Kanalinformationen mappas inte alltid som standard. I vissa fall, om mediaChannel (field) är tom, kan du inte"fortsätta" förrän du mappar ett fält till mediaChannel som det är en obligatorisk kolumn. Om kanalen identifieras i datauppsättningen mappas den som standard till mediaChannel. De andra kolumnerna som medietyp och mediaåtgärd är fortfarande valfria.

När du har mappat kanalfältet fortsätter du till steget 'Definiera händelser' där du kan välja konverteringshändelser, kontakthändelser och välja specifika fält från enskilda datauppsättningar.

Mer information om hur du konfigurerar schemat Consumer Experience Event (CEE) finns i guiden Förberedelse av intelligenta tjänster. Mer information om mappning av Adobe Analytics-data finns i dokumentationen för Fältmappningar för analys.

Alla kolumner i schemat Consumer Experience Event (CEE) är inte obligatoriska för Attribution AI.

Du kan konfigurera kontaktpunkterna med hjälp av de fält som rekommenderas nedan i schemat eller den valda datauppsättningen.

Attributen körs vanligtvis på konverteringskolumner som order, inköp och utcheckningar under"handel". Kolumnerna för channel och marketing används för att definiera kontaktytor för Attribution AI (till exempel channel._type = 'https://ns.adobe.com/xdm/channel-types/email'). För optimala resultat och insikter rekommenderar vi att du inkluderar så många konverterings- och kontaktpunktskolumner som möjligt. Dessutom är du inte begränsad till bara ovanstående kolumner. Du kan ta med andra rekommenderade eller anpassade kolumner som en konvertering eller kontaktytpunktsdefinition.

Experience event-datauppsättningar behöver inte uttryckligen ha Channel- och Marketing-mixins så länge som den kanal- eller kampanjinformation som är relevant för att konfigurera en kontaktyta finns i något av mixin- eller vidarekopplingsfälten.

Historiska data data-requirements

Attribution AI kräver historiska data som underlag för modellutbildning. Den datalängd som krävs bestäms huvudsakligen av två huvudfaktorer: utbildningsfönstret och kontrollfönstret. Indata med kortare utbildningsfönster är mer känsliga för aktuella trender, medan längre utbildningsfönster hjälper till att skapa mer stabila och korrekta modeller. Det är viktigt att modellera målet med historiska data som bäst motsvarar era affärsmål.

Utbildningsfönstrets konfiguration filtrerar konverteringshändelser som ska inkluderas för modellutbildning baserat på förekomsttid. För närvarande är den kortaste utbildningstiden 1 fjärdedel (90 dagar). Återsökningsfönstret innehåller en tidsram som anger hur många dagar före konverteringshändelsens kontaktytor som är relaterade till den här konverteringshändelsen ska inkluderas. Dessa två begrepp avgör tillsammans mängden indata (mätt i dagar) som krävs för ett program.

Som standard definierar Attribution AI utbildningsfönstret som de senaste 2 kvartalen (6 månader) och uppslagsfönstret som 56 dagar. Med andra ord kommer modellen att ta hänsyn till alla definierade konverteringshändelser som har inträffat under de senaste två kvartalen och söka efter alla kontaktytor som har inträffat inom 56 dagar före de associerade konverteringshändelserna.

Formel:

Minsta längd på data som krävs = utbildningsfönster + uppslagsfönster

Exempel:

Attribution AI utdata

Attribution AI ger följande utdata:

Exempel på utdataschema:

Rågranulat raw-granular-scores

Attribution AI ger attribueringspoäng på så detaljnivå som möjligt så att du kan segmentera och minska poängen med valfri spalt. Om du vill visa dessa bakgrundsmusik i användargränssnittet läser du avsnittet Visa sökvägar för råpoäng. Om du vill hämta bakgrundsmusik med API går du till nedladdningen av bakgrundsmusik i Attribution AI -dokumentet.

I följande tabell visas schemafälten i utdata för råpoängsexempel:

Visa sökvägar för Raw-poäng (UI) raw-score-path

Du kan visa sökvägen till dina bakgrundsmusik i användargränssnittet. Börja med att välja Schemas i plattformsgränssnittet och sök sedan efter och välj ditt AI-poängschema för attribuering från fliken Browse.

Välj sedan ett fält i Structure-fönstret i användargränssnittet. Fliken Field properties öppnas. Inom Field properties är sökvägsfältet som mappar till dina Raw-poäng.

Sammanlagda attribueringspoäng aggregated-attribution-scores

Samlade poäng kan hämtas i CSV-format från plattformsgränssnittet om datumintervallet är mindre än 30 dagar.

Attribution AI har stöd för två kategorier av attribueringspoäng, algoritmiska och regelbaserade poäng.

Attribution AI ger två olika typer av algoritmiska poäng, inkrementellt och påverkat. En påverkad poäng är den del av konverteringen som varje kontaktyta för marknadsföring ansvarar för. En inkrementell poäng är mängden marginell påverkan som direkt orsakas av kontaktytan för marknadsföring. Den största skillnaden mellan det stegvisa poängvärdet och det poängvärde som påverkas är att det stegvisa poängvärdet tar baslinjeeffekten i beaktande. Man utgår inte från att en konvertering enbart orsakas av de föregående kontaktytorna på marknaden.

Här följer ett kort exempel på en Attribution AI-schemautdata från Adobe Experience Platform-gränssnittet:

Se tabellen nedan för mer information om var och en av dessa attribueringspoäng:

Referens för Raw-bakgrundsmusik (attribueringspoäng)

Tabellen nedan mappar attribueringspoängen till de obearbetade poängen. Om du vill hämta dina bakgrundsmusik går du till nedladdningspoängen i dokumentationen för Attribution AI.

Sammanlagda poäng aggregated-scores

Samlade poäng kan hämtas i CSV-format från plattformsgränssnittet om datumintervallet är mindre än 30 dagar. Se tabellen nedan för mer information om var och en av dessa aggregerade kolumner.

Referens för Raw-bakgrundsmusik (aggregerad)

Tabellen nedan mappar de aggregerade poängen till de obearbetade poängen. Om du vill hämta dina bakgrundsmusik går du till nedladdningspoängen i dokumentationen för Attribution AI. Om du vill visa sökvägar för råpoäng i användargränssnittet går du till avsnittet Visa sökvägar för råpoäng i det här dokumentet.

Nästa steg next-steps

När du har förberett dina data och har alla dina autentiseringsuppgifter och scheman på plats börjar du med att följa användarhandboken för Attribution AI. I den här guiden får du hjälp med att skapa en instans för Attribution AI.