Mix Modeler概觀
請觀看此影片，以快速瞭解Mix Modeler功能。
「Mix Modeler」採用Adobe Sensei技術，行銷人員可跨所有管道（付費、贏取和擁有）全面評估行銷活動及最佳化規劃。 其統一的方法論會以漸進方式在行銷接觸點和彙總層級進行測量，同時確保完全一致的結果。
Mix Modeler透過整體（端對端）測量應用程式，用於數位和離線行銷，提供所有行銷活動對業務和行銷活動結果的累加影響。
Mix Modeler在策略與戰術層面提供下列最佳化且可操作的深入分析，讓您更易瞭解：
- 跨各種管道的行銷支出和產生的效能，以及
- 達成未來業務目標的建議投資水準。
為了完成此功能，Mix Modeler結合了：
- 由下而上（事件層級）資料和由上而下（彙總層級）資料，
- 外部市場因素與內部因素，以及
- 預測性和轉移機器學習方法。
AI/ML雙向傳輸學習結合行銷組合模型(MMM)和多點接觸歸因(MTA)結果，以便在沒有Cookie的世界中，確保測量和規劃的結果一致。
功能
Mix Modeler提供下列功能：
行銷組合模型(MMM)
Mix Modeler中的行銷組合模型是隱私權友好的機器學習分析，用於測量各種行銷策略和業務因素對轉換量度的累加影響。 它可協助企業和行銷人員瞭解
- 行銷策略的成效，
- 業務因素對客戶行為的影響，以及
- ROI和轉換的驅動因素。
這項全方位的分析可讓企業策略性地跨各種業務型別、區域、管道和促銷活動分配行銷預算，同時還能提供未來事件業務影響的預測性深入分析。
Mix Modeler的行銷組合模型化功能是解決下列使用案例的基礎：
- 高階主管報告：可讓高階主管瞭解行銷的真正累加影響，瞭解整體以及通路、地區、SKU等差異。
- 策略規劃：為長期行銷策略提供資訊，並為未來行銷活動設定現實的目標和基準
- 全方位測量：全面分析不同行銷和業務因素如何互動及對整體銷售和績效的貢獻
- 案例分析：讓企業模擬不同的行銷案例和策略，並預測其結果
多點觸控歸因(MTA)
Mix Modeler中的多重接觸歸因是選用的機器學習分析，可讓您運用它將點數歸因到導致轉換事件的事件層級接觸點。 行銷人員使用此歸因，協助量化客戶歷程中各個獨立行銷接觸點對可追蹤行銷的影響。 這些數位行銷活動的接觸點通常是顯示廣告點按、電子郵件傳送、電子郵件開啟和付費搜尋點按。 多重接觸歸因無法測量大部分的離線接觸點，例如平面廣告、廣告牌或電視廣告和商業因素。 這些接觸點只有摘要層級資料，無法結合至客戶歷程。
Mix Modeler的多點觸控歸因支援兩種類別的分數：
-
演演算法分數，包括累加分數和受影響的分數：
- 受影響的分數是每個行銷接觸點負責的轉換比例。
- 累加分數是行銷接觸點直接造成的邊緣影響量。 此分數會從受影響的分數中移除基線（在沒有任何行銷活動的情況下獲得的轉換部分）。
-
規則型分數，包括「首次接觸」、「上次接觸」、「線性」、「U形」和「時間衰減」。
您可以在下列使用案例中使用Mix Modeler的多點觸控歸因功能：
- 行銷活動預算分配：通知各行銷管道的預算分配決策。
- 行銷活動最佳化：在每個管道中，瞭解哪些行銷活動、創意和關鍵字對於哪些SKU或Geo的效果更好。 此瞭解可讓您檢視每個管道，讓行銷團隊能夠最佳化其策略。
- 完整的漏斗事件層級歸因：瞭解行銷對整個客戶歷程的影響。 例如，免費帳戶註冊以取得付費轉換及其他功能。
- 合作夥伴評估：根據歸因結果評估機構和合作夥伴的成效。
請參閱模型深入分析 — 歸因，瞭解如何在Mix Modeler中存取多重接觸歸因深入分析。