预测用户参与度功能 journey-ai
利用活动,您可以优化客户历程的设计和交付,以预测每一个人的参与偏好。借助人工智能和机器学习,Adobe Campaign的发送时间优化和预测参与度评分可以根据历史参与指标分析和预测开放率、最佳发送时间和可能的客户流失。
Adobe Campaign提供两种新的机器学习模型:预测发送时间优化 和 预测参与度评分。 这两种模型都是机器学习模型,专门用于设计和提供更好的客户历程。
-
预测发送时间优化 针对电子邮件打开数或点击数以及推送消息打开数预测每个收件人用户档案的最佳发送时间。 对于每个收件人用户档案,分数表示每个工作日的最佳发送时间以及用于获取最佳结果的最佳发送工作日。
-
预测参与度评分:预测收件人与消息互动的概率,以及在下次发送电子邮件后7天内选择退出(取消订阅)的概率。 根据预测的内容参与程度,这些概率进一步分为多个存储段:高、中或低。 这些模型还为客户提供取消订阅风险百分等级,以了解特定客户的等级与其他客户的等级。
预测发送时间优化 predictive-send-time
预测发送时间优化可针对电子邮件打开数或点击数以及推送消息打开数预测每个收件人用户档案的最佳发送时间。 对于每个收件人用户档案,分数表示每个工作日的最佳发送时间以及用于获取最佳结果的最佳发送工作日。
在预测发送时间优化模型中,有两个子模型:
-
打开的预测发送时间 是必须向客户发送通信以最大化打开数的最佳时间
-
点击的预测发送时间 是必须向客户发送通信以最大化点击数的最佳时间
模型输入:投放日志、跟踪日志和用户档案属性(非 PII)
模型输出:发送消息的最佳时间(针对打开数和点击数)
输出详细信息
-
计算一周7天内发送电子邮件的最佳时间,间隔时间为1小时(例如:上午9:00,上午10:00,上午11:00)
-
该模型将指示一周中的最佳一天和当天的最佳时刻
-
每个最佳时间会计算两次:一次用于最大化打开率,一次用于最大化点击率
-
给定 16 个字段(14 个字段用于一周的天数,2 个字段用于整周):
-
发送电子邮件以优化星期一的点击数的最佳时间 — 值介于0和23之间
-
发送电子邮件以优化星期一的打开数的最佳时间 — 值介于0和23之间
-
…
-
发送电子邮件以优化星期天的点击数的最佳时间 — 值介于0和23之间
-
发送电子邮件以优化星期天的打开数的最佳时间 — 值介于0和23之间
-
…
-
发送电子邮件以优化整周的打开数的最佳日期 — 星期一到星期日
-
发送电子邮件以优化整周的打开数的最佳时间 — 值介于0和23之间
机器学习功能一旦实施到 Campaign 中,就会使用使用新选项卡以其最佳打开/点击分数丰富用户档案数据。可使用技术工作流计算指标并将其引入Campaign。
要访问这些指标,您需要:
-
打开用户档案并单击“编辑”按钮。
-
单击 发送时间分数(按点击) 或 发送时间分数(按打开) 选项卡。
默认情况下,用户档案分数将给出一周中每一天的最佳时间和一周中的最佳整体时间。
在最佳时刻发送消息 use-predictive-send-time
要使电子邮件在每个用户档案的最佳时间发出,必须使用选项 Send at a custom date defined by a formula 计划投放。
在此部分中了解如何计算发送日期。
在要向外投放时,需要使用特定日期中的特定最佳时间填充该公式。
公式示例:
AddHours([currentDelivery/scheduling/@contactDate],
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])
预测参与度评分 predictive-scoring
预测参与度评分可预测收件人与消息互动的概率,以及在下次发送电子邮件后7天内选择退出(取消订阅)的概率。
根据预测的内容参与程度,这些概率进一步分为多个存储段:高、中或低。 这些模型还为客户提供取消订阅风险百分等级,以了解特定客户的等级与其他客户的等级。
预测参与度评分允许您:
- 选择受众:通过使用查询活动,可以选择要与特定消息交互的受众
- 排除受众:通过使用查询活动,可以删除更有可能取消订阅的受众
- 个性化:根据参与级别对邮件进行个性化(高度参与的用户将收到与未参与的用户不同的邮件)
此模型使用多个分数来指示:
- 打开参与度分数/点击参与度分数:该值与订阅者将与特定消息进行交互(打开或点击)的概率匹配。值的范围为 0.0 到 1.0。
- 取消订阅概率:该值与收件人从电子邮件渠道取消订阅(假设已打开一封电子邮件)的概率匹配。值的范围为 0.0 到 1.0。
- 保留级别:此值将用户分为三个级别:低、中、高。 高表示最有可能坚持使用该品牌,值为低表示可能取消订阅。
- 保留的百分等级:根据取消订阅概率而定的用户档案等级。值的范围为 0.0 到 1.0。例如,如果保留百分比等级为 0.953,则此收件人很可能坚持使用该品牌,而取消订阅的可能性则小于所有收件人的 95.3%。
模型输入:投放日志、跟踪日志和特定用户档案属性
模型输出:用于描述用户档案分数和类别的用户档案属性
要访问这些指标,您需要:
-
打开用户档案并单击“编辑”按钮。
-
单击 电子邮件渠道的参与度分数 选项卡。
通过在工作流中使用查询活动,可以使用分数来优化受众。 例如,使用 保留级别 条件: