Show Menu
TÓPICOS×

Otimizar o design e o delivery com e-mails alimentados por AI

Comece a usar e-mails com IA

Usando a Campanha, você pode otimizar o design e o delivery de viagens de clientes para prever a preferência de envolvimento de cada indivíduo. Com a tecnologia Journey AI, o Adobe Campaign pode analisar e prever taxas de abertura, tempos de envio ideais e probabilidade de taxa com base nas métricas de envolvimento do histórico.
Modelos de aprendizado de máquina
O Adobe Campaign Standard oferta dois novos modelos de aprendizado de máquina: Otimizações de tempo de envio preditivas e Pontuação de envolvimento preditivo . Esses dois modelos são chamados juntos de Journey AI, que é uma classe de modelos de aprendizado de máquina específicos para projetar e fornecer melhores viagens de cliente.
  • Otimização previsível do tempo de envio: A otimização do tempo de envio previsível prevê qual é o melhor tempo de envio para cada perfil de recipient para abrir e clicar no email. Para cada perfil de recipient, as pontuações indicam o melhor horário de envio para cada dia da semana e qual dia da semana é o melhor para enviar para obter melhores resultados.
  • Pontuação de envolvimento previsível: A pontuação de envolvimento previsível prevê a probabilidade de um recipient se envolver com uma mensagem, bem como a probabilidade de opt out (cancelar a inscrição) nos próximos 7 dias após o próximo envio de email. As probabilidades são divididas em escalões de acordo com o risco específico de desvinculação, médio ou baixo. Ao longo destes, o modelo também fornece a classificação do percentil de risco para os clientes entenderem onde é que a classificação de um determinado cliente em relação a outros.
Esse recurso não está disponível para uso imediato como parte do produto. A implementação exige que a Adobe Consulting esteja envolvida. Entre em contato com seu representante da Adobe para saber mais.
Separadamente, o recurso exigia o uso de um armazenamento do Azure que deve ser fornecido pelo cliente.

Otimização preditiva do tempo de envio

Otimizar cliques e abrir

A otimização do tempo de envio previsível prevê qual é o melhor tempo de envio para cada perfil de recipient para abrir e clicar no email. Para cada perfil de recipient, as pontuações indicam o melhor horário de envio para cada dia da semana e qual dia da semana é o melhor para enviar para obter melhores resultados.
No modelo de Otimização de tempo de envio preditivo, há dois submodelos:
  • O tempo de envio previsto para abrir é a melhor vez que uma comunicação deve ser enviada ao cliente para maximizar as aberturas
  • O tempo de envio previsto para o clique é a melhor vez que uma comunicação deve ser enviada ao cliente para maximizar os cliques
Entrada do modelo: Logs do delivery, logs de rastreamento e atributos de perfil (não PII)
Saída do modelo: Melhor tempo para enviar uma mensagem (para abrir e clicar)
Detalhes da saída
  • Calcule a melhor hora do dia para enviar um email para os próximos 7 dias com intervalos de 1 hora (por exemplo: 9:00 da manhã, 10:00 da manhã, 11:00 da manhã)
  • O modelo indicará a melhor hora dos próximos 7 dias para enviar o e-mail
  • Cada tempo ideal é calculado duas vezes: uma vez para maximizar a taxa de abertura e uma vez para maximizar a taxa de clique
  • São administrados 16 campos (14 para os dias da semana e 2 para a semana inteira):
    • melhor hora para enviar um email para otimizar cliques para segunda-feira - valores entre 0 e 23
    • melhor hora para enviar um email para otimizar as aberturas de segunda-feira - valores entre 0 e 23
    • melhor hora para enviar um email para otimizar cliques para terça-feira - valores entre 0 e 23
    • ...
    • melhor hora para enviar um email para otimizar cliques para domingo - valores entre 0 e 23
    • melhor hora para enviar um email para otimizar as aberturas para domingo - valores entre 0 e 23
    • ...
    • melhor dia para enviar um email para otimizar as aberturas da semana inteira - de segunda a domingo
    • o melhor momento para enviar um email para otimizar a abertura da semana inteira - valores entre 0 e 23
Esses recursos preditivos se aplicam apenas a delivery de email.
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos.

Acesse as pontuações dos perfis

Depois de implementados na Campanha, os recursos de aprendizado de máquina enriquecem os dados dos perfis com novas guias com as melhores pontuações de abertura/clique. As métricas são computadas pela Inteligência Artificial de Jornadas e são trazidas para a Campanha usando workflows técnicos.
Para acessar essas métricas, é necessário:
  1. Abra um perfil e clique no botão Editar.
  2. Clique na guia Enviar pontuação de tempo ao clicar ou Enviar pontuação de tempo ao abrir .
Por padrão, as pontuações do perfil darão a melhor hora do dia para cada dia da semana e a melhor hora geral da semana.

Enviar mensagens no melhor momento

Para que os emails sejam enviados no horário ideal por perfil, o delivery deve ser programado usando a opção Send at a custom date defined by a formula . Saiba como calcular a data de envio nesta seção .
A fórmula precisa ser preenchida com a melhor hora específica do dia em que o delivery for lançado.
Exemplo de fórmula:
AddHours([currentDelivery/scheduling/@contactDate], 
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])

O modelo de dados pode ser diferente dependendo da implementação.

Pontuação de envolvimento previsível

A pontuação de envolvimento preditivo permite:
  • Selecione uma audiência : ao usar a atividade do query, você pode selecionar a audiência para envolver-se com uma mensagem específica
  • Excluir uma audiência : usando a atividade do query, você pode remover a audiência para cancelar a inscrição
  • Personalizar : personalizar mensagem com base no nível de envolvimento (usuários altamente envolvidos receberão uma mensagem diferente dos não envolvidos)
Este modelo usa várias pontuações para indicar:
  • Abrir pontuação de envolvimento / clique na pontuação de envolvimento: esse valor corresponde à probabilidade de um assinante se envolver com uma mensagem específica (abrir ou clicar). Os valores variam de 0,0 a 1,0.
  • Probabilidade de Unsubscription: esse valor corresponde à probabilidade de o recipient cancelar a inscrição do canal de e-mail considerando um e-mail aberto. Os valores variam de 0,0 a 1,0.
  • Nível de retenção: esse valor classifica os usuários em três níveis: baixa, média e alta. É mais provável que o alto fique com a marca e o baixo valor que provavelmente cancelará a assinatura.
  • Classificação percentual da retenção : Classificação do perfil em termos de probabilidade da unsubscription. Os valores variam de 0,0 a 1,0. Por exemplo, se a classificação de porcentagem de retenção for 0,953, esse recipient terá maior probabilidade de permanecer com a marca e menos probabilidade de cancelar a assinatura do que 95,3% de todos os recipient.
Esses recursos preditivos se aplicam apenas a delivery de email.
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos.
Entrada do modelo: Logs do delivery, logs de rastreamento e atributos específicos do perfil
Saída do modelo: Um atributo de perfil que descreve a pontuação e a categoria do perfil

Usar a pontuação de envolvimento para o canal de email

Para acessar essas métricas, é necessário:
  1. Abra um perfil e clique no botão Editar.
  2. Clique na guia Pontuações de envolvimento para Canal de email.
Ao usar uma atividade de query em um fluxo de trabalho, você pode usar a pontuação para otimizar sua audiência.
Por exemplo, com os critérios de nível de Retenção: