模型深入分析
模型深入分析中的每個視覺效果都可協助您：
- 將組織行銷活動的影響視覺化並量化。
- 識別哪些管道表現良好。
- 識別可能需要最佳化的管道。
這些見解可協助您支援資源優先順序和配置。
若要檢視模型深入分析，請在Mix Modeler的
-
從 Models 表格中，選取模型名稱，該模型的 Last run status 為
-
從內容功能表中，選取Model Insights。
可使用下列標籤：
您可以變更每個標籤上的視覺效果所根據的日期期間。 輸入日期期間或選取
模型漂移
如果在模型上偵測到模型漂移，您會看到 Model drift detected 對話方塊，其中包含稍後提醒或立即 Retrain 模型的選項。 如果您選取Remind me later，會在隔天或下次登入時提醒您。
模型深入分析 model-insights-section
模型深入分析索引標籤會顯示依日期和基本媒體所區分的貢獻、依管道所區分的貢獻、行銷績效摘要以及邊際回應曲線的視覺效果。 此索引標籤也提供接觸點劃分表格。
-
您可以將滑鼠停留在每個視覺效果中的個別圖表元素上，以顯示包含更多詳細資訊的彈出視窗。
-
若要下載包含視覺效果資料的CSV檔案，請選取
-
若要以Microsoft® Excel格式下載完整的模型深入分析資料，請選取
依日期和基本媒體所區分的貢獻
此棧疊圖表視覺效果的順序如下：
- 基底會顯示在底部。
- 非支出管道會顯示在中間。
- 支出管道會顯示在頂端。
此視覺效果代表在某個日期範圍內由基礎、支出管道和非支出管道所實現的貢獻比例。 此視覺效果有助於展示遞增性。 基底代表在沒有任何行銷的情況下會發生什麼情況，而非支出管道加上支出管道（在基底之上）歸因於行銷的影響。 簡言之，非支出加支出等於行銷工作的累加影響，而視覺效果可讓insight輕鬆瞭解行銷產生的價值。
依據管道的貢獻
顯示不同管道貢獻分佈的環形圖視覺效果。 此視覺效果透過前三個執行管道的鏡頭（不包括基底和 所有其他 類別）以增量方式展示。 視覺效果有助於支援優先順序和預算分配。
行銷績效摘要 marketing-performance-summary
顯示每個管道之ROI或CPA績效的水準長條圖視覺效果。 此視覺效果會強調您行銷投資的ROI / CPA。 管道會根據ROI / CPA以遞減順序排名。 視覺效果有助於識別哪些管道最有效，哪些可能需要最佳化。
未定義的管道會納入視覺效果中，但沒有歸因的轉換。
邊際回應曲線
折線圖會視覺化並比較行銷管道投資所產生的邊際回報。 並識別目前的支出點與邊際收支平衡點（增量回報小於增量支出）。 因此，此視覺效果可協助您瞭解行銷投資何時開始失去影響力。
曲線、目前支出點、邊際收支平衡點以及對應的值是根據選取的資料範圍以及您選取的管道進行計算。
若要變更頻道：
- 從 Channel 下拉式選單中選取管道，以更新特定管道的視覺效果。
接觸點劃分
接觸點劃分表格以每週為基準，顯示所有或選取之管道的每週接觸點劃分，並顯示與每個管道相關聯的關鍵量度。 此表格可讓您在更精細的管道層級輕鬆比較、識別趨勢和追蹤效能。 此表格明確補充依日期和基本媒體所區分的貢獻視覺效果和依管道所區分的貢獻視覺效果。
下列欄可供使用：
若要選取特定頻道或所有頻道，請從「View」下拉式選單中選取。
若要下載接觸點劃分表格的內容，請選取
頻道協同效應
在 Channel synergy 標籤中，Channel synergies視覺效果可協助您識別行銷管道如何互動，以建立乘數效果，而不只是個別的貢獻。
熱度圖矩陣提供一對支出管道之間協同效應的視覺表示。 此矩陣可協助行銷人員瞭解頻道如何互動以提高效能。 對於每個模型，協同值會從0標準化為10。 這些值會量化下一個金額協同效應，當每個管道在目前層級收到額外的一美元支出時，該協同效應會估計兩個管道協同運作的效率。
此次元架構提供相對協同強度現實的測量，因為此架構可說明訓練資料中的實際花費條件，因此可做出更明智的最佳化決策。
若要下載代表矩陣的CSV檔案，請選取
因素 factors
因素[beta]{class="badge informative"}標籤顯示外部因素相關深入分析。
此視覺效果可協助您瞭解各種內部和外部因素對轉換基準線的累加影響。 例如，經濟條件或促銷活動。
使用 Factors 下拉式功能表來選取您要顯示的因素。
若要下載包含資料表資料的CSV檔案，請選取
如果沒有可用的資料，您會看到訊息
歸因 attribution
使用Attribution標籤，您可以瞭解擁有事件層級資料的接觸點和行銷活動的有效性。 請參閱建置模型。
支援下列歸因模型：
-
根據Mix Modeler中選取的模型：
- 演演算法 — 受影響的
- 演演算法 — 遞增式
-
以規則為基礎：
- 衰減單位
- 首次接觸
- 上次接觸
- 線性
- U形
如需Mix Modeler中多重接觸歸因功能的簡介，請參閱多重接觸歸因。
從 Attribution Model 下拉式功能表中選取一或多個歸因模型。 所選的歸因模型會套用至「歸因」標籤中的所有視覺效果。
Mix Modeler多點接觸歸因精細事件分數與整體Mix Modeler分數和ROI相符。 這些分數也可在Experience Platform中作為資料集使用。
「歸因」標籤包含下列視覺效果：
概觀
Overview視覺效果會顯示所選歸因模型的轉換總計和百分比。 選取更多模型後，視覺效果中會新增其他圓圈，每個圓圈都有各自對應圖例的顏色。
若要檢視包含歸因模型詳細資訊的快顯視窗，請將滑鼠移到視覺效果中的任何圓圈上。
趨勢
Daily trends、Weekly trends或Monthly trends視覺效果會顯示所選歸因模型的每日、每週或每月轉換趨勢。
若要選擇句點，請從 Daily trends 更多 Weekly trends 中選取Monthly trends、
若要檢視詳細資訊，請將滑鼠停留在特定歸因模型的資料行上，以顯示顯示該資料轉換總數的彈出視窗。
劃分
Breakdown視覺效果是每個所選歸因模型轉換的劃分管道或接觸點。 此視覺效果有助於決定每個頻道或接觸點的成效。
若要選擇劃分型別，請從 Breakdown by channel 更多 Breakdown by touchpoint 中選取
若要檢視詳細資訊，請將滑鼠游標停留在任何圖表元素上。
熱門行銷活動
熱門促銷活動視覺效果會顯示熱門促銷活動表格，其中包含「促銷活動名稱」、「頻道」、「媒體型別」和「遞增式轉換」欄。 此視覺效果有助於讓您的團隊瞭解特定管道的特定行銷活動的成效，並提供您應進一步投資哪些行銷活動的深入分析。
若要針對「頻道」、「媒體型別」或「遞增轉換」↓以遞增↑或遞減順序來排序表格，請選取欄標題並切換排序。
若要在個別對話方塊中展開表格，請從 Expand 更多
展開的「熱門促銷活動」對話方塊會顯示相同的表格，其中包含下列專案的額外欄
-
增量轉換
-
受影響的轉換
-
首次接觸轉換
-
上次接觸轉換
您可以選取每個額外的欄標題，以遞增或遞減順序排序表格。
若要關閉展開的[熱門促銷活動]對話方塊，請選取Close。
依接觸點位置劃分
Breakdown by touchpoint position視覺效果是依據所有轉換路徑上的接觸點和接觸點的位置劃分已歸因的轉換。 此圖表可協助您比較某個接觸點在某個位置的貢獻是否優於其他位置和其他任何位置的接觸點。
位置Starter、Player和Closer的定義如下：
排名在前的轉換路徑
Top conversion paths視覺效果會根據選取的歸因模型顯示前5個轉換路徑。
對於每個轉換路徑，您會看到：
- 確實有影響的管道數，
- 已歸因的路徑總數，
- 此轉換路徑的已歸因路徑與已歸因路徑總數的百分比，
- 每個管道的歸因模型貢獻百分比，以及
- 這些管道歸因模型貢獻百分比的總和。
診斷 diagnostics
Diagnostics索引標籤會顯示下列專案的視覺效果：
-
Model Assessment視覺效果包含：
-
您可以根據實際與預測或剩餘轉換劃分的圖表。
若要劃分視覺效果，請從 Breakdown 清單中選取下列其中一個選項。-
Actual vs Predicted：此選項會比較實際值與模型預測。 理想情況下，預測值應該與實際值緊密一致，雖然可能會出現一些偏差。 大型或系統的偏差或模式可能表示缺少的關係和資料或潛在的偏差。
-
Residuals：此選項顯示實際值與預測值之間的差異。 表現良好的模型具有隨機分佈的殘餘，沒有清晰的圖案或增加分佈。 結構化的趨勢或不斷擴大的殘餘可能表示缺少的關係和資料或差異問題。
-
-
此表格顯示每個轉換量度的下列欄：
- Actual Conversion
- Predicted Conversion
- Residual Conversion
- R2，表示資料符合回歸模型（符合程度）的評分。
- MAPE （平均絕對誤差百分比），這是最常用來測量預測精確度的KPI，並以實際值的百分比表示預測誤差。
- RMSE （均方根誤差）：顯示平均誤差，根據誤差的平方加權。
若要下載包含資料表資料的CSV檔案，請選取
-
-
針對每個轉換量度顯示的 Model training fit metrics 資料表：
- Training R2：表示模型預測所解釋的實際值中的變異比例，範圍從0到1。
- Training sMAPE （對稱平均絕對百分比錯誤）：測量訓練資料的平均百分比錯誤。 值越低表示準確度越高。
- Training RMSE （均方根錯誤）：測量訓練資料的平均百分比錯誤。 懲罰比MAPE更大的錯誤。 RMSE越低，表示預測準確度越高，但對離群值卻很敏感。
- Out-of-sample sMAPE：評估未檢視資料的百分比錯誤，平衡預測過高和過低。 有助於評估一般化。 目前，Mix Modeler會使用上一季的訓練資料做為保留組來評估錯誤百分比。
- Out-of-sample RMSE：評估未檢視資料的百分比錯誤，平衡預測過高和過低。 協助評估一般化。 目前，Mix Modeler會使用上一季的訓練資料做為保留組來評估錯誤百分比。 RMSE會懲罰比MAPE更大的錯誤。
-
Touchpoint effectiveness表格，代表Attribution AI演演算法模型的結果。
此表格僅產生特定時段的資料。 選取**As of *xx/xx/xx， xx:xx TZ ***
視覺效果會以遞減順序顯示每個接觸點的Efficiency measure
- Paths touched：將達成轉換的路徑百分比與未達成轉換的路徑百分比視覺化。 對於接觸點，當歸因轉換比率很高時，您會看到更多歸因轉換。 此比率比較產生轉換的路徑百分比與 不會 產生轉換的路徑百分比。
- Efficiency measure：由演演算法歸因模型產生，效率測量表示某個接觸點對轉換的相對重要性，與接觸點數量無關。 效率是以1到5的級數來衡量。 請注意，接觸點數量越多並不保證測量效率越高。
- Total volume：使用者接觸接觸點的彙總次數。 數目包括出現在達成轉換的路徑上的接觸點，以及導致轉換的路徑not。
模型漂移偵測
如果偵測到模型漂移，您會在頂端看到 Model drift detected 通知。
選取 Hide 以隱藏通知。 通知將在第二天或下次登入時重新出現。
歷史總覽
「歷史總覽」標籤會顯示下列專案的視覺效果：
依會計季度和產品劃分的轉換與支出
此視覺效果代表指定日期範圍內各個季度的轉換和支出分佈。 此視覺效果有助於識別支出帶動轉換的高成效季度。
依據管道的支出
此視覺效果代表指定日期範圍內各種管道的支出分佈。 視覺效果可支援快速識別哪些管道收到最多支出。
接觸點支出
此視覺效果代表指定日期範圍內每個季度各付費接觸點的支出分佈。 此視覺效果可讓您瞭解哪些接觸點在特定管道和季度內有優先順序。 視覺效果有助於識別管道支出模式和趨勢，尤其是低支出、不常發生的管道。
若要為此視覺效果選取要顯示的替代支出型管道：
- 從 Channels 中選取頻道。
接觸點數量
此視覺效果代表指定日期範圍內每個季度所有接觸點的數量分佈。
若要為此視覺效果選取要顯示的替代音量型色版：
- 從 Channels 中選取頻道。
編輯
您可以編輯模型的名稱、說明，以及訓練和評分的排程。
-
選取
-
在 Edit model 對話方塊：
-
輸入新的 Name 和Description。
-
若要啟用排程，請啟用Status。 您只能為已訓練和評分的模型啟用排程。
-
選取Scoring frequency：
- Daily：輸入有效時間（例如
05:22 pm）或使用
- 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 - Monthly：從[Run on every]下拉式功能表中選取一個月中的某一日，然後輸入有效時間（例如
05:22 pm）或使用
- Daily：輸入有效時間（例如
-
從下拉式功能表中選取Training frequency： Monthly、Quarterly、Yearly或None。
-
-
-
選擇「Save」。