意圖分數 intent-scores
意圖分數可測量個人或帳戶對關鍵字、產品或產品類別的興趣。 Adobe Journey Optimizer B2B Edition會使用機器學習來計算分數，這種機器學習會測量意義上的相似度，而非手動規則或定點系統。 每個分數會從0標準化為1，數字愈高表示愈有意圖。
內容關聯性大約每12小時重新整理一次，而意圖分數每天都會重新計算。 分數從關鍵字彙總到產品，以及從人員彙總到帳戶。 意向分數會出現在整個智慧型儀表板以及帳戶詳細資料、購買群組詳細資料頁面和個人詳細資料頁面上。
以下章節說明意圖評分背後的核心概念、讓評分保持最新的持續程式、每個評分背後的計算邏輯，以及您可以設定的設定。
核心概念 core-concepts
意圖偵測會衡量一個人員與您的產品和關鍵字的相符程度，然後將該相似度加到人員參與程度的權重。 此模型由三個圖元組成。
預設分類法和更新 taxonomy
您的分類法、關鍵字、產品以及測量目的所依據的類別，不需設定即可使用。
您可以隨時在 意圖對應 頁面上檢閱和更新分類對應。 如需分類設定程式，請參閱意圖資料。
內容關聯性 content-relevance
Journey Optimizer B2B Edition將內容和分類法轉譯為其意義的數學表示，然後使用相似度模型來測量它們對齊的程度。 接近符合關鍵字或產品的內容會獲得高的關聯性分數。 不相關的內容會獲得低分。
相似性模型已使用一般語言預先訓練，因此不需要客戶特定的訓練即可開始。
評分過程 scoring-process
連續的流程會將原始參與轉換為完成的意圖分數。 每個階段都建立在上一個階段產生的內容上。
參與擷取 engagement-capture
系統會擷取個人所擁有的每個有意義的接觸點，並連結至相關內容。
- 頁面瀏覽、電子郵件開啟和點按、表單提交和類似活動會記錄為參與事件。
- 每個不重複的內容也都會加以注意，以便在下一個階段進行分析。
- 重新整理步調 — 持續，當參與發生時。
內容擷取 content-extraction
在對內容進行相關性評分之前，Journey Optimizer B2B Edition會先擷取並讀取其文字。
- 系統會針對每個新內容擷取基礎文字，不論其位於網頁或電子郵件中。
- 有些活動型別（例如表單填寫）已具有自己的描述性內容，並略過此步驟。
- 之後會記錄並排除無法擷取的內容，例如中斷或移除的連結。
- 重新整理步調 — 探索到新內容時。
關聯性評分 relevance-scoring
每個資產都會根據您的分類法來衡量，無論參與的人員為何。
- 系統會使用相似度模型，針對您的關鍵字、產品和類別，分析並比較每個電子郵件和網頁。
- 結果對該資產會針對每個相關關鍵字或產品產生介於0和1之間的關聯性分數。
- 重新整理步調 — 每12小時一次。
每日意圖計算 daily-intent-calculation
參與和內容相關性合併為每個人、每個關鍵字或產品一個每日意圖分數。
- 每個活動型別都有可設定的權重。 例如，表單提交可能比頁面檢視嚴重得多。
- 最近的活動比舊的活動更重要，因此分數會偏好某人本週所做的工作，而非一個月前的工作。
- 信賴度量可反映個人參與的一致程度，不僅限於數量。
- 重新整理步調 — 每天。
評分傳遞 score-delivery
每日分數彙總、接收意圖層級，並傳送至您的儀表板。
- 每個分數都會以意圖層級標籤「高」、「Medium」或「低」。
- 分數會連結至正確的帳戶，因此銷售和行銷團隊可以同時看到個人層級和帳戶層級的意圖。
- 只有意圖層級已變更的人員才會更新，因此儀表板會反映最新的有意義的轉變。
- 重新整理步調 — 每天。
分數計算邏輯 score-calculation-logic
計算包含五個層，每個層都會為原始關聯性和參與資料新增更多內容。
主題的內容關聯性 relevance-to-topic
每個內容和主題（即關鍵字、產品或類別）都會翻譯成其含義的數學表示。 此代表中，與主題具有類似含義的內容更接近。 關聯性是衡量是否有意義的緊密程度，而非確切的字詞比對方式。
每日參與加權 engagement-weighting
在指定日期，個人的分數是他們參與的所有相關性的加權平均值。 值較高的活動會計數更多。
"範例"
一個人在一天內處理三件內容。 頁面檢視加權為1，表單提交加權為5。
由於他們提交的一個表單會計為頁面檢視的五倍，因此即使他們總共與三個專案互動，也會大幅影響他們的每日分數。
他們因此得出的該主題的每日分數大約是0.70 （0到1分制）。
造訪間隔衰減 recency-decay
個人的分數反映了過去幾天的混合，而最近活動的加權比舊活動大得多。 大約一週後，較舊活動的影響會降至最低，因此分數一律會反映目前的興趣。 實際上，今天的造訪次數比昨天的造訪次數多，也比10天前的造訪次數多。
評分標準化和意圖層級 normalization-intent-levels
每個已調整的分數會相對於執行個體中的其他人放在一個一致的0到1比例尺上，然後分段至意圖層級。
評分彙總 score-aggregation
個別分數會彙總，讓您不僅可在最精細的層級，也可在對決定而言重要的層級檢視意圖。
- 關鍵字至產品 — 在關鍵字層級計算出的分數會彙總以顯示產品興趣，而不僅僅是單一搜尋字詞。
- 個人對帳戶 — 帳戶分數會彙總其所有個人的分數，以便您檢視整個購買群組何時顯示意圖。
使用產品層級檢視來檢視整體上哪些產品正在增加興趣，而不是哪些個別關鍵字正在呈現趨勢。 使用帳戶層級檢視來檢視整個購買群組何時一起表現出增加的興趣，而不是何時對單一參與人員做出反應。
可設定的設定 configurable-settings
大部分的評分邏輯是固定的，以保證結果可靠並可隨時間比較。 產品管理員可以自訂兩個設定來滿足您的需求：
其他所有專案，包括內容關聯性、活動衰減以及高、Medium和 低 臨界值都已修正，因此分數會隨著時間保持一致且可比較。
評分原則 scoring-principles
檢閱意圖分數並採取行動時，請牢記下列原則。
模型導向分數 model-driven
沒有要維護的點指派或關鍵字規則。 模型會直接從您的內容和分類學到相關性，這會隨著您的內容資料庫增長和變更保持評分一致，無需持續設定。
相對評分 relative-scoring
分數會反映目前其他聯絡人中個人或帳戶的排名，而系統會根據目前人口每日重新計算。 使用分數來比較您執行個體中的人員和帳戶，而非作為固定的通用數字。 各公司的分數無法直接比較。
資料新鮮度 data-freshness
當新內容出現時，內容關聯性大約每12小時重新整理一次。 意圖分數每天會重新計算一次，因此儀表板會反映每天早上前一天的活動。