機器學習模型常見問題集 machine-learning-model-faq
Marketo Measure機器學習模型會使用您的接觸點資料來計算應指派給每個階段的歸因加權數。 這取決於每個階段在推動交易完成方面的重要性。
機器學習模型中的歸因百分比可告訴我每個階段的哪些資訊？
每個階段的歸因百分比反映了行銷工作的潛在影響。 較高的百分比表示行銷會直接影響漏斗在該點的移動。 歸因百分比越低，表示團隊監視的階段越不重要。
機器學習模型是如何計算的？
Marketo Measure會使用您帳戶的接觸點資料，計算每個自訂階段的重要性。 用來判斷每個階段重要性的准則為：
- 模型準確度：如果我們使用接觸點資料建立預測性模型，以預測我們最終是否會贏得交易，此模型的準確度會如何？ 較高的預測性準確性表示此階段的詳細資訊與交易是否會完成有更多關聯
- 轉換率：如果在此特定階段的潛在客戶或商機以高比率轉換為下一個階段，這表示在此階段發生的行銷活動不太重要。 相反地，如果特定階段以低速率轉換為下一個階段，這可能表示在此階段發生的行銷活動在推動轉換方面具影響力。
- 接觸點唯一性權數：如果某個階段以獨立轉變的形式發生，表示沒有其他階段轉變同時發生，則此階段可能會獲得較高的歸因權數。 反之，如果某個階段的接觸點與其他階段共用（例如，該接觸點共用首次接觸、潛在客戶轉換和機會轉換階段），則此階段的歸因權重可能會較低。
自訂階段的最終權重計算方式如下：
模型百分比=模型準確度x轉換率x接觸點唯一性權重
最後，所有自訂舞台權重都會標準化並轉換為%，如下所示。
為什麼我在機器學習欄裡看不到任何數字？
為您的帳戶啟用自訂歸因模型後，通常需要3-7天的時間才會根據您的歷史資料執行及建立這些數字。
機器學習模型多久更新一次？
我們每7天會重新執行一次模型。
為什麼模型總是將中間接觸設定為10%？
將10%的歸因點數指派給中層接觸，是所有歸因模型的標準設定。
何時應該變更歸因分佈？
請洽詢您的客戶經理，討論變更歸因百分比的影響，以及要納入自訂模型的階段。 每個Salesforce和銷售程式都是獨一無二的，我們希望確保您的自訂模型已建立精確模型。
話雖如此，我們已找出客戶的一些一般趨勢：
我們注意到的一個趨勢是，在您的模型中納入更多階段並不一定都有好處。 例如，當客戶將多個Opportunity階段新增至漏斗底部時，這些階段通常會收到非常低的歸因百分比值。 低百分比值表示高轉換率，這通常表示這些階段在推動交易完成方面不那麼有影響力。 有些客戶最終決定不將這些階段納入漏斗中。 如果您決定從歸因模型移除階段，則機器模型將會重新計算並重新分配百分比。
我們也注意到從「銷售機會建立」到「行銷合格」階段的轉換率很高，因此「行銷合格」階段可能獲得較低的歸因加權百分比。 根據您的業務和銷售週期，從自訂模型中移除此階段可能會有助益。
請記住，如果您想要透過特定階段轉換追蹤行銷活動，但不希望此階段收到歸因評分，您可以在模型中包含此階段，並將0%歸因評分指派給該階段。