Show Menu
ARGOMENTI×

Ottimizzazione della progettazione e della distribuzione con e-mail alimentate dall'intelligenza artificiale

Introduzione alle e-mail basate sull'intelligenza artificiale

Utilizzando Campaign, puoi ottimizzare la progettazione e la consegna dei percorsi dei clienti per prevedere le preferenze di coinvolgimento di ogni individuo. Basato su Journey AI, Adobe Campaign può analizzare e prevedere le tariffe aperte, i tempi di invio ottimali e il probabile churn in base alle metriche di coinvolgimento storiche.
Modelli di apprendimento automatico
Adobe Campaign Standard offre due nuovi modelli di apprendimento automatico: Ottimizzazioni predittive dei tempi di invio e punteggio di coinvolgimento predittivo. Questi due modelli sono denominati insieme Journey AI, una classe di modelli di machine learning che sono specifici per progettare e fornire percorsi migliori per i clienti.
  • Ottimizzazione tempo di invio predittiva: Predictive ottimizzazione dell'ora di invio prevede che si tratti del tempo di invio migliore per ciascun profilo del destinatario per le aperture e-mail o i clic. Per ciascun profilo del destinatario, i punteggi indicano il tempo di invio migliore per ogni giorno feriale e il giorno feriale migliore da inviare per ottenere risultati ottimali.
  • Predictive Engagement Scoring : Il punteggio relativo al coinvolgimento predittivo prevede la probabilità che un destinatario si impegni con un messaggio e la probabilità di non partecipare (annullamento dell'iscrizione) entro i successivi 7 giorni dall'invio successivo dell'e-mail. Le probabilità sono ulteriormente suddivise in bucce a seconda del rischio specifico di disimpegno, medio o basso. Tra questi il modello fornisce anche il grado percentile di rischio per i clienti per capire dove il grado di un determinato cliente rispetto ad altri.
Questa funzionalità non è disponibile all'esterno come parte del prodotto. L'implementazione richiede il coinvolgimento di Adobe Consulting. Per maggiori informazioni, contattate il vostro rappresentante Adobe.
Separatamente, la funzionalità richiedeva l'utilizzo di un archivio di Azure che deve essere fornito dal cliente.

Ottimizzazione del tempo di invio predittiva

Ottimizzare clic e aperture

Predictive tempi di invio prevede che è il tempo di invio migliore per ciascun profilo del destinatario per le aperture e i clic dell'e-mail. Per ciascun profilo del destinatario, i punteggi indicano il tempo di invio migliore per ogni giorno feriale e il giorno feriale migliore da inviare per ottenere risultati ottimali.
Nel modello Predictive Send Time Optimization sono presenti due modelli secondari:
  • Tempo di invio predittivo per l'apertura è il momento migliore per inviare una comunicazione al cliente per massimizzare le aperture
  • Tempo di invio predittivo per click è il momento migliore per inviare una comunicazione al cliente per massimizzare i clic
Ingresso modello: Registri di distribuzione, registri di monitoraggio e attributi di profilo (non PII)
Output modello: Momento migliore per inviare un messaggio (per aperture e clic)
Dettagli di output
  • Calcola l’ora migliore per inviare un messaggio e-mail per i successivi 7 giorni con intervalli di 1 ora (ad es.: 9:00, 10:00, 11:00)
  • Il modello indicherà l'ora migliore entro i prossimi 7 giorni per inviare l'e-mail
  • Ogni tempo ottimale viene calcolato due volte: una volta per massimizzare il tasso di apertura e una volta per massimizzare il tasso di clic
  • Sono forniti 16 campi (14 per i giorni della settimana e 2 per l'intera settimana):
    • è il momento migliore per inviare un'e-mail per ottimizzare i clic per lunedì - valori compresi tra 0 e 23
    • è il momento migliore per inviare un messaggio e-mail per ottimizzare le aperture per lunedì - valori compresi tra 0 e 23
    • è il momento migliore per inviare un'e-mail per ottimizzare i clic per il martedì - valori compresi tra 0 e 23
    • ...
    • è il momento migliore per inviare un'e-mail per ottimizzare i clic per la domenica - valori compresi tra 0 e 23
    • è il momento migliore per inviare un messaggio e-mail per ottimizzare le aperture per domenica - valori compresi tra 0 e 23
    • ...
    • giorno migliore per inviare un'e-mail per ottimizzare le aperture per tutta la settimana - da lunedì a domenica
    • il momento migliore per inviare un'e-mail per ottimizzare le aperture per tutta la settimana - valori compresi tra 0 e 23
Queste funzionalità predittive si applicano solo alle comunicazioni e-mail.
Il modello necessita di almeno un mese di dati per produrre risultati significativi.

Risultati profilo di accesso

Una volta implementate in Campaign, le funzionalità di machine Learning arricchiscono i dati dei profili con le nuove schede con i punteggi migliori di apertura e clic. Le metriche sono calcolate da Journey AI e vengono inserite in Campaign utilizzando flussi di lavoro tecnici.
Per accedere a tali metriche, è necessario:
  1. Aprite un profilo e fate clic sul pulsante Modifica.
  2. Fare clic sulla scheda Send Time Score By Click o Send Time Score By Open .
Per impostazione predefinita, i punteggi dei profili danno il tempo migliore del giorno per ogni giorno della settimana e il tempo complessivo migliore della settimana.

Invia messaggi al momento migliore

Affinché le e-mail possano essere inviate al momento ottimale per profilo, la consegna deve essere pianificata utilizzando l'opzione Send at a custom date defined by a formula . Scopri come calcolare la data di invio in questa sezione .
La formula deve essere compilata con il momento migliore specifico del giorno in cui la consegna andrà fuori.
Esempio di formula:
AddHours([currentDelivery/scheduling/@contactDate], 
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])

Il modello dati potrebbe essere diverso a seconda dell'implementazione.

Predictive Engagement Scoring

Il punteggio di coinvolgimento predittivo consente di:
  • Selezionate un'audience : utilizzando l'attività di query, puoi selezionare l'audience con cui interagire con un messaggio specifico
  • Escludere un'audience : utilizzando l'attività di query, potete rimuovere l'audience per annullare la sottoscrizione
  • Personalizza : personalizza i messaggi in base al livello di coinvolgimento (gli utenti altamente coinvolti riceveranno un messaggio diverso da quelli non coinvolti)
Questo modello utilizza più punteggi per indicare:
  • Aprite Il Punteggio Del Coinvolgimento / Fate Clic Sul Punteggio Del Coinvolgimento: questo valore corrisponde alla probabilità che un utente iscritto si occupi di un messaggio specifico (aperto o clic). I valori sono compresi tra 0,0 e 1,0.
  • Probabilità di annullamento sottoscrizione: questo valore corrisponde alla probabilità che il destinatario annulli l’iscrizione dal canale e-mail a causa di un messaggio e-mail aperto. I valori sono compresi tra 0,0 e 1,0.
  • Livello di mantenimento: questo valore classifica gli utenti in tre livelli: bassa, media e alta. Il valore elevato è molto probabile che rimanga con il marchio e il valore basso che potrebbe annullare l'iscrizione.
  • Grado percentuale di conservazione : la classificazione del profilo in termini di probabilità di annullamento della sottoscrizione. I valori sono compresi tra 0,0 e 1,0. Ad esempio, se la percentuale di mantenimento è 0,953, il destinatario ha più probabilità di restare con il marchio e meno probabilità di annullare l’iscrizione rispetto al 95,3% di tutti i destinatari.
Queste funzionalità predittive si applicano solo alle comunicazioni e-mail.
Il modello necessita di almeno un mese di dati per produrre risultati significativi.
Input modello: Registri di distribuzione, registri di monitoraggio e attributi di profilo specifici
Output modello: Un attributo di profilo che descrive la valutazione e la categoria del profilo

Utilizzo del punteggio di coinvolgimento per il canale e-mail

Per accedere a tali metriche, è necessario:
  1. Aprite un profilo e fate clic sul pulsante Modifica.
  2. Fate clic sulla scheda Punteggi di coinvolgimento per canale e-mail.
Utilizzando un'attività di query in un flusso di lavoro, potete utilizzare la valutazione per ottimizzare il pubblico.
Ad esempio, con i criteri del livello ​Mantenimento: