建立模型

Adobe Marketing Campaign Analytics​是​ Adobe Mix Modeler ​的演化與品牌重塑。 有些Experience League內容可能仍會參考Mix Modeler,而非Marketing Campaign Analytics。

為了建置您的自訂AI支援模型,介面會提供逐步引導模型設定流程。

在Marketing Campaign Analytics的 模型 Models​介面中,選取​Open model canvas。

設定

您在​ Setup ​步驟中定義名稱和說明:

  1. 輸入您的模型​Name,例如Demo model。 輸入​Description,例如Demo model to explore AI features of Marketing Campaign Analytics。

    模型名稱和描述

  2. 選取​ Next ​以繼續下一個步驟。 選取​ Cancel ​以取消模型組態。

設定 configure

您在​ Configure ​步驟中設定您的模型。 設定涉及啟用完整的funnel模型、定義轉換目標、行銷接觸點、合格的資料母體、外部和內部因素等。

  1. 如果您想要啟用完整的funnel模型,請在​ Full funnel model ​區段中:

    1. 選擇「Enable full funnel modeling」。
    2. 從​ Upper funnel conversion ​下拉式功能表中選取上層轉換。
  2. 在​ Conversion goal ​區段中:

    模型 — 轉換步驟

    1. 從​ Conversion ​下拉式功能表中選取轉換。 可用的轉換是您在Harmonized datasets中定義為轉換一部分的轉換。 例如 Online Conversion。

    2. 您可以選取 LinkOutLight Create a conversion,直接從模型組態中建立轉換。

  3. 在「Marketing touchpoints」區段中,您可以選取一或多個行銷接觸點,對應至您在Harmonized datasets中定義為行銷接觸點一部分的行銷接觸點。

    模型 — 行銷接觸點步驟

    1. 從​ Touchpoint include ​下拉式功能表中選取一或多個行銷接觸點。

      • 您可以使用 CrossSize75 移除接觸點。
      • 您可以使用​ Clear all ​移除所有接觸點。
    2. 您可以選取 LinkOutLight Create a touchpoint,以直接從模型設定中建立行銷接觸點。

    note
    NOTE
    您無法使用具有重疊資料的接觸點來設定模型,而且必須至少有一個具有花費的接觸點。
  4. 根據預設,系統會針對您協調檢視中的所有資料產生一個分數。 若要僅對母體的子集評分,請使用​ Eligible data population ​區段中的容器定義一或多個篩選器。

    模型 — 合格的資料母體

    • 針對每個容器,定義一或多個事件。

      1. 針對每個事件:

        1. 從​ 選取協調欄位 ​中選取量度或維度。

        2. 選取適當的運運算元: equals、not equals、less than、greater than、starts with、doesn’t start with、ends with、doesn’t end with、contains、doesn’t contain、is in​或​is not in。

        3. 在​輸入或選取值。

      2. 若要在容器中新增其他事件,請選取 新增 Add event。

      3. 若要從容器移除事件,請選取 關閉 。

      4. 若要使用容器中定義的所有或多個事件進行篩選,請選取​ Any of ​或​All of。 標籤會相應地從​ Include … Or … ​變更為​Include … And …。

    • 若要新增合格的資料母體容器,請選取 新增 Add eligible population。

    • 若要移除合格的資料母體容器,請在容器中選取 更多 ,然後從內容功能表中選取​Remove container。

    • 在容器之間選取​ And ​和​Or,為您的合格資料母體建置更複雜的定義。

  5. 您可以在​ Factor ​區段中管理包含內部或外部因子的資料集。

    • 若要新增因子資料集,請選取​Add Factor。 您最多可以新增30個因子至模型。

      模型 — 因子步驟

      1. 從下拉式功能表中選取​Factor dataset。 可用的因子是您已在資料集規則中定義協調欄位的因子。

        根據選取的資料集,Factor type​為​ Internal ​或​External。

      2. 從下拉式功能表中選取​Impact on conversion。 可用的選項包括: Auto、Positive​或​Negative。 預設選項為​Auto,可讓模型判斷因子資料集的影響。

    • 若要刪除因子資料集,請選取 CrossSize200 。

    • 如果您的模型已啟用完整funnel模型,則您必須為新增至模型的因子定義因果關係和因子因果關係。

      模型 — 因素步驟funnel

      • 若要定義因果關係,請在​ Causal relationship ​的表格中,選取每個管道(Source)的 SelectBox ,以指出管道是否會影響上下轉換的KPI。

        您可以選取 SelectBox 上層轉換KPI和下層轉換KPI的欄標題,以快速定義所有管道都會影響KPI。

      • 當您已定義因子時,您可以定義因子因果關係。 若要定義因子因果關係,請在​ Factor causal relationships ​表格中,為每個因子(Factor)選取 SelectBox ,以指出因子是否會影響上下轉換重要績效指標。

        您可以選取 SelectBox 上層轉換KPI與下層轉換KPI的欄標題,以快速定義所有影響KPI的因素。

  6. 若要定義模型回顧期間,請在​ Define lookback window ​區段的​Give contribution credit to touchpoints occurring within … weeks prior to the conversion​中輸入介於1到52之間的值。

    如果您的模型已啟用完整funnel模型:

    • 若要定義下層funnel的回顧期間,請在​ Define lookback window ​區段的​Give contribution credit to touchpoints occurring within … weeks prior to the conversion​中,輸入1到52之間的值。Lower funnel

    • 若要定義上層funnel的回顧期間,請在​ Define lookback window ​區段的​Give contribution credit to touchpoints occurring within … weeks prior to the upper funnel conversion​中,輸入1到52之間的值。Upper funnel

  7. 若要定義模型的訓練時段,請在​ Define training window ​選取開始評分轉換的位置。

    模型 — 定義訓練時段

    您可以選取:

    • Have Marketing Campaign Analytics select a helpful training window​和

    • Manually input a training window. 選取時,在​ Include events the following years prior to a conversion ​中定義年數。

    模型需要此輸入。 年數決定您可以在​ Advanced ​步驟中設定的管道adstock上限方式。

  8. 選取​ Next ​以繼續下一個步驟。 如果需要更多組態,紅色外框和文字會說明需要哪些額外組態。
    選取​ Back ​以返回上一步。
    選取​ Cancel ​以取消模型組態。

進階 advanced

您可以在​ Advanced ​步驟中指定進階設定。 在此步驟中,您可以定義支出共用、啟用多重接觸歸因(MTA)的模型、定義先前知識以及定義管道adstock。

支出共用

在​ Spend share ​區段中:

  • 若要在行銷資料稀疏時使用歷史行銷投資比率來通知模型,請啟動​Allow spend share。

    如果您的模型已啟用完整funnel模型:

    • 若要在行銷資料稀疏時使用歷史行銷投資比率來通知模型,請啟動​Allow spend share for the lower funnel。
    • 若要在行銷資料稀疏時使用歷史行銷投資比率來通知模型,請啟動​Allow spend share for the upper funnel。
  • 建議使用此設定,尤其是在下列情況下:

    • 管道沒有足夠的觀察值(例如支出、曝光或點按頻率低)。
    • 您正在模型化尖峰但一般且潛在高花費的媒體(例如某些品牌的電視節目),其中資料是稀疏的。
    note
    NOTE
    對於一次性投資(例如超級碗廣告),將該資料納入為因素,而不是依賴支出份額。

MTA

在​ MTA enabled ​區段中:

  • 若要啟用模型的MTA功能,請啟動​MTA enabled。 如果您已啟用MTA,則在您已訓練並評分您的模型後,即可使用多重接觸歸因深入分析。 檢視模型深入分析中的歸因索引標籤。

先前知識

在​ Prior knowledge ​區段中:

模型 — 先前知識

  1. 選取​Rule type,預設為​Absolute values。

  2. 如果您的模型已啟用完整funnel模型:

    • 從​ Select metric ​選取​ Lower funnel ​或​ Upper funnel ​做為funnel量度,以供先前知識使用。
  3. 使用​ Contribution proportion ​欄,為​ Name ​底下列出的任何管道指定貢獻百分比。

  4. 您可以視情況為每個管道新增​ Level of confidence ​百分比。

  5. 必要時,請使用​ Clear all ​清除​ Contribution proportion ​與​ Level of confidence ​欄的所有輸入值。

管道 Adstock

在​ Channel adstock ​區段中,您可以針對您在模型中定義的每個管道(行銷管道),定義個別Adstock回顧(結轉或衰減效果)和延遲(延遲回應時間)。

此管道Adstock設定可讓您更精確地控制不同行銷管道如何隨著時間影響業務結果。 或者,您可以使用系統預設值和標準組態。

頻道adstock設定可協助您擷取頻道特有的細微差別。 例如,電視促銷活動的長期影響、付費搜尋的短期影響,或影響者支出與可觀察的轉換之間的延遲。 使用Adstock回顧和延遲引數來實驗,產生更準確、量身打造且值得信賴的深入分析。 最終,管道Adstock設定可帶來更精確的預算分配和更好的業務決策。

管道adstock

若要設定頻道Adstock:

  • 如果您的模型已啟用完整funnel模型,請從​ Select metric ​選取​ Lower funnel ​或​ Upper funnel ​作為用於管道adstock的funnel量度。

  • 對於每個管道(Name),定義​Lag (weeks)、Min Lookback (weeks)​和​ Max Lookback (weeks) ​值。 針對每個值:

    • 若要增加值,請使用 加 ;若要減少值,請使用 減 ;或手動輸入值。

    每個管道的延遲周數加回顧周數上限為設定培訓時段的八分之一。 此上限可確保提供足夠的資料,讓模型能夠了解廣告滯後效應。 例如,對於兩年的訓練期間,管道的​ Lag (weeks) ​和​ Lookback (weeks) ​的上限為13週。 此上限會在您定義值時強制執行。

  • 若要將所有色版Adstock重設為預設值:

    • 選擇「Reset to defaults」。

設定選項

您可以排程訓練和評分,並在​ Set options ​步驟中為您的模型指定精細見解報告欄位。

排程

在​ Schedule ​區段中,您可以排程模型訓練和評分。

排程模型

若要排程模型評分與訓練,請執行下列步驟:

  1. 開啟​Enable scheduled model scoring and training。

  2. 選取​Scoring frequency:

    • Daily:輸入有效的時間(例如05:22 pm)或使用 時鐘 來定義時間。
    • Weekly:選取一週的某天,然後輸入有效的時間(例如05:22 pm),或使用 時鐘 來定義時間。
    • Monthly:從[在每個執行]下拉式功能表中選取一個月中的某天,然後輸入有效的時間(例如05:22 pm),或使用 時鐘 來定義時間。
  3. 從下拉式功能表中選取​Training frequency: Monthly、Quarterly、Yearly​或​None。

Customer Journey Analytics cja

AVAILABILITY
本節所述的功能處於發行的有限測試階段,可能尚未在您的環境中提供。 當功能正式可用時,將移除此附註。 如需Marketing Campaign Analytics發行程式的相關資訊,請參閱Marketing Campaign Analytics功能發行。

當您有權使用Customer Journey Analytics,且已在特定沙箱中為Marketing Campaign Analytics建立一或多個資料集規則時:

  • 在您的Marketing Campaign Analytics沙箱中建立了兩個專用的Experience Platform資料集。
  • 已建立標題為​ Marketing Campaign Analytics Enabled Connection (_sandbox-name _) ​的Customer Journey Analytics 連線,其中包含專用的Marketing Campaign Analytics資料集。
  • 已根據連線建立標題為​ Marketing Campaign Analytics Insights Data View (_sandbox-name _) ​的Customer Journey Analytics 資料檢視。

連線和資料檢視都是系統擁有的。 您無法更新或刪除連線或資料檢視。

若要透過上述資料集、連線和資料檢視,讓模型分數資料可供Customer Journey Analytics使用:

  • 選擇「Enable scores for Customer Journey Analytics」。

    啟用此設定後,您只能透過刪除模型來停用設定。

若要快速報告及分析您的Marketing Campaign Analytics資料,請在Customer Journey Analytics 工作區專案中:

  1. 選取​Workspace > Adobe templates。

  2. 選取專用的​ Marketing Campaign Analytics Insights Data View (_sandbox-name _) ​做為專案使用的資料檢視。

  3. 選取​Marketing Campaign Analytics Incremental Insights 範本。

    • 選取​ Preview ​檢視預覽。

      Marketing Campaign Analytics範本預覽

    • 選取​ Use template ​以根據範本建立專案。

精細見解報告欄位

Granular insights reporting fields​區段使用精細的增量報表功能。 此功能可讓您選取協調的欄位,以劃分轉換和接觸點增量分數。

定義精細的深入分析報表欄位

您可以定義這些協調欄位,以便使用精細的報表欄在模型的報表中深入研究,而不必建立個別模型。

例如,您建立了以收入為重點的模型,但同時對於行銷活動、媒體型別、地區和流量來源績效也感興趣。 如果沒有精細的增量報表功能,您必須建立四個個別的模型。 使用細微的增量報告功能,您可以根據行銷活動、媒體型別、地區和流量來源來劃分收入模型。

  1. 從​ Includes ​底下的​ 選取協調欄位 ​中,選取一或多個協調欄位。 選取的協調欄位會新增至面板。
  2. 選取​協調欄位​ CrossSize100 ,以從包含所選協調欄位的容器中移除協調欄位。
  3. 選取​ Clear all ​以移除所有選取的協調欄位。

為精細增量報告選取的協調欄位可作為Experience Platform 結構描述和資料集的一部分,這些資料來自對模型計分。 在​ conversionPassthrough ​和​ touchpointPassthrough ​物件中可以找到精細見解報告欄位。

針對已啟用精細增量報告的模型,在結構描述中擷取conversionPassthrough和touchpointPassthrough物件的熒幕擷圖 🔗

完成

  • 選取​ Finish ​以完成您的模型設定。

    • 在​ Create instance? ​對話方塊中,選取​ Ok ​以立即觸發第一組訓練和評分回合。 您的模型已列出,狀態為 StatusOrange Awaiting training。

      選取​ Cancel ​以取消。

    • 如果需要更多組態,紅色外框和文字會說明需要哪些額外組態。

  • 選取​ Back ​以返回上一步。

  • 選取​ Cancel ​以取消模型組態。

recommendation-more-help
marketing-campaign-analytics-help-main-guide