Show Menu
화제×

AI 기반의 이메일을 통해 디자인 및 전달 최적화

AI 기반의 이메일 시작하기

Adobe Campaign을 사용하면 고객 여정의 디자인과 전달을 최적화하여 각 개인의 참여 선호도를 예측할 수 있습니다. 고객 여정 AI를 기반으로 하는 Adobe Campaign은 과거 참여 지표를 기반으로 개방 비율, 최적의 전송 시간, 예측 가능한 이탈을 분석하고 예측할 수 있습니다.
머신 러닝 모델
Adobe Campaign Standard은 두 가지 새로운 기계 학습 모델을 제공합니다. 예측 전송 시간 최적화 예측 참여 점수 . 이 두 가지 모델을 모두 '여정 AI'라고 합니다. 이 모델은 고객 여정의 디자인과 전달에 특화된 기계 학습 모델입니다.
  • 예측 전송 시간 최적화 : 예측 전송 시간 최적화는 이메일 열기 또는 클릭에 대한 각 수신자 프로필에 가장 적합한 전송 시간을 예측합니다. 각 수신자 프로필에 대해 점수는 각 평일에 가장 적합한 전송 시간과 가장 좋은 결과를 얻기 위해 가장 좋은 평일을 나타냅니다.
  • 예측 참여 점수 : 예측 참여 점수 책정에서는 다음 이메일을 보낸 후 7일 이내에 메시지를 통해 참여하려는 수신자의 확률과 가입 해지(가입 해지)가 발생할 가능성을 예측합니다. 취약점, 보통 또는 낮음의 구체적인 위험에 따라 확률을 버킷으로 더 나눕니다. 이러한 모델을 통해 고객은 특정 고객의 다른 고객과 관련된 등급을 파악할 수 있는 위험 백분위수 등급을 제공합니다.
이 기능은 제품의 일부로 즉시 사용할 수 없습니다. 이 구현을 위해서는 Adobe Consulting이 참여해야 합니다. 자세한 내용은 Adobe 담당자에게 문의하십시오.
이 기능은 고객이 제공해야 하는 Azure 저장소의 사용이 필요합니다.

예측 전송 시간 최적화

클릭 및 열기 최적화

예측 전송 시간 최적화는 이메일 열기 및 클릭에 대한 각 수신자 프로필에 가장 적합한 전송 시간을 예측합니다. 각 수신자 프로필에 대해 점수는 각 평일에 가장 적합한 전송 시간과 가장 좋은 결과를 얻기 위해 가장 좋은 평일을 나타냅니다.
예측 전송 시간 최적화 모델 내에는 두 개의 하위 모델이 있습니다.
  • 개설을 위한 예측 전송 시간은 고객에게 커뮤니케이션을 전송하여 기회를 최대화하기 위한 최적의 시기
  • 클릭을 위한 예측 전송 시간은 클릭을 최대화하기 위해 고객에게 커뮤니케이션을 전송해야 하는 최적의 시기
모델 입력 : 배달 로그, 추적 로그 및 프로필 속성(PII 아님)
모델 출력 : 메시지를 보내는 데 가장 좋은 시간(열기 및 클릭)
출력 세부 사항
  • 1시간 간격(예: 오전 9:00, 오전 10:00, 오전 11:00)
  • 이 모델은 이메일을 보낼 수 있는 가장 좋은 시간을 앞으로 7일 이내에 보여줍니다
  • 각 최적 시간은 두 번 계산됩니다. 한 번의 클릭으로 공개 비율을 최대화하고 한 번의 클릭률 최대화
  • 16개의 필드가 제공됩니다(요일에 14개, 요일에 2개).
    • 월요일의 클릭 수를 최적화하기 위해 이메일을 보내는 데 가장 좋은 시간 - 0에서 23 사이의 값
    • 월요일까지 열도록 최적화된 이메일을 보낼 수 있는 가장 좋은 시간 - 0에서 23 사이의 값
    • 화요일의 클릭 수를 최적화하기 위해 이메일을 보내는 데 가장 좋은 시간 - 0에서 23 사이의 값
    • ...
    • 일요일의 클릭 수를 최적화하기 위해 이메일을 보내는 데 가장 좋은 시간 - 0에서 23 사이의 값
    • 일요일의 열기를 최적화하도록 이메일을 보내는 데 가장 좋은 시간 - 0에서 23 사이의 값
    • ...
    • 이메일 전송으로 주 전체 시간(월요일~일요일) 동안 이메일 최적화
    • 이메일 전송으로 매주 열리는 시간을 최적화하는 데 가장 좋은 시간(0~23 값)
이러한 예측 기능은 이메일 배달에만 적용됩니다.
중요한 결과를 얻으려면 모델의 데이터가 적어도 한 달 필요합니다.

프로필 점수 액세스

Adobe Campaign에 구현된 머신 러닝 기능은 최고의 클릭 스코어를 제공하는 새로운 탭을 통해 프로파일 데이터를 보완합니다. 지표는 고객 여정 AI에 의해 계산되며 기술 워크플로우를 사용하여 Campaign으로 가져옵니다.
이러한 지표에 액세스하려면 다음을 수행해야 합니다.
  1. 프로필을 열고 편집 단추를 클릭합니다.
  2. # 또는 # 탭을** 클릭합니다.
기본적으로 프로필 점수는 해당 주의 각 날짜에 가장 좋은 시간과 해당 주의 가장 좋은 전체 시간을 줍니다.

최적의 타이밍에 메시지 전송

이메일이 프로필당 최적의 시간에 발송되도록 하려면 옵션을 사용하여 배달을 예약해야 합니다 Send at a custom date defined by a formula . 이 섹션 에서 전송 날짜를 계산하는 방법을 알아봅니다 .
배달을 보낼 특정 날의 가장 좋은 시간으로 공식을 채워야 합니다.
공식 예:
AddHours([currentDelivery/scheduling/@contactDate], 
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])

데이터 모델은 구현에 따라 다를 수 있습니다.

예측 참여 점수 지정

예측 참여 점수를 통해 다음을 수행할 수 있습니다.
  • 대상자 선택 : 쿼리 활동을 사용하여 특정 메시지로 참여할 대상을 선택할 수 있습니다
  • 대상자 제외 : 쿼리 활동을 사용하여 대상을 제거하여 구독을 취소할 수 있습니다
  • 개인화 : 참여 수준에 따라 메시지 개인화(참여도가 높은 사용자가 참여하지 않은 사용자와 다른 메시지를 받게 됨)
이 모델은 여러 점수를 사용하여 다음을 나타냅니다.
  • 참여 점수 열기/참여 점수 : 이 값은 구독자가 특정 메시지(열기 또는 클릭)와 참여할 확률과 일치합니다. 값의 범위는 0.0부터 1.0까지입니다.
  • 구독 취소 가능성 : 이 값은 수신자가 이메일 채널을 통해 연 하나의 이메일에 대해 가입을 해지할 확률과 일치합니다. 값의 범위는 0.0부터 1.0까지입니다.
  • 유지 수준 : 이 값은 사용자를 세 가지 수준으로 분류합니다. 낮음, 중간, 높음 높은 브랜드 기업은 계속 구독을 취소해야 합니다.
  • 보존 백분위수 순위 : 비가입 가능성의 프로파일 순위. 값의 범위는 0.0부터 1.0까지입니다. 예를 들어, 보존 퍼센트 등급이 0.953이면 이 수신자는 브랜드와 함께 있을 가능성이 더 높고 모든 수신자의 95.3%보다 구독 취소할 가능성이 적습니다.
이러한 예측 기능은 이메일 배달에만 적용됩니다.
중요한 결과를 얻으려면 모델의 데이터가 적어도 한 달 필요합니다.
모델 입력 : 배달 로그, 추적 로그 및 특정 프로필 특성
모델 출력 : 프로필의 점수 및 카테고리를 설명하는 프로필 속성

이메일 채널에 대한 참여 점수 사용

이러한 지표에 액세스하려면 다음을 수행해야 합니다.
  1. 프로필을 열고 편집 단추를 클릭합니다.
  2. # 탭을** 클릭합니다.
워크플로우에서 쿼리 활동을 사용하면 점수를 사용하여 대상을 최적화할 수 있습니다.
예를 들어 유지 수준 기준이 있는 경우