Show Menu
TÓPICOS×

Otimizar o design e o delivery com emails alimentados por IA

Comece a usar emails alimentados por IA

Com o Campaign, você pode otimizar o design e o delivery de jornadas de clientes para prever a preferência de engajamento de cada pessoa. Com a tecnologia Journey AI, o Adobe Campaign pode analisar e prever taxas abertas, tempos de envio ideais e probabilidade de churn com base em métricas históricas de engajamento.
Modelos de aprendizado de máquina
O Adobe Campaign Standard oferece dois novos modelos de aprendizado de máquina: Otimizações preditivas de tempo de envio e Pontuação preditiva de engajamento . Juntos, esses dois modelos são chamados de Journey AI, uma classe de modelos de aprendizado de máquina específicos para projetar e fornecer melhores jornadas ao cliente.
  • Otimização preditiva do tempo de envio : A otimização preditiva do tempo de envio prevê qual é o melhor tempo de envio para cada perfil de recipient para aberturas e cliques de email. As pontuações indicam o melhor horário de envio para cada dia da semana e qual o melhor dia para enviar a fim de obter melhores resultados para cada perfil de recipient.
  • Pontuação preditiva de engajamento : A pontuação preditiva de engajamento prevê a probabilidade de um recipient se envolver com uma mensagem, bem como a probabilidade de opt out (cancelamento de inscrição) nos 7 dias seguintes ao envio do próximo email. As probabilidades são divididas em lotes de acordo com o risco específico de desvinculação, sendo médio ou baixo. Nesse percurso, o modelo também fornece a classificação do percentual de risco para que os clientes entendam a classificação de um determinado cliente em relação aos outros.
Esse recurso não está disponível para uso imediato como parte do produto. A implementação exige o engajamento da Adobe Consulting. Entre em contato com seu representante da Adobe para obter mais detalhes.
O recurso exige o uso de um armazenamento do Azure que deve ser fornecido pelo cliente.

Otimização preditiva do tempo de envio

Otimizar cliques e aberturas

A otimização preditiva do tempo de envio prevê qual é o melhor momento de envio para aberturas e cliques no email para cada perfil de recipient. As pontuações indicam o melhor horário de envio para cada dia da semana e qual o melhor dia para enviar a fim de obter melhores resultados para cada perfil de recipient.
Há dois submodelos dentro do modelo de otimizações preditivas de tempo de envio:
  • O tempo preditivo de envio para abrir é o melhor horário para o envio da comunicação ao cliente para maximizar as aberturas
  • O tempo preditivo de envio para cliques é o melhor horário para o envio de uma comunicação 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 horário para o envio de uma mensagem (para aberturas e cliques)
Detalhes da saída
  • Calcule o melhor horário do dia para enviar um email nos 7 dias da semana com intervalos de 1 hora (por exemplo: 9h, 10h, 11h)
  • O modelo indicará o melhor dia da semana e o melhor horário do dia
  • Cada horário ideal é calculado duas vezes: uma vez para maximizar a taxa de abertura e outra para maximizar a taxa de cliques
  • São administrados 16 campos (14 para os dias da semana e 2 para a semana inteira):
    • melhor horário para enviar um email para otimizar cliques na segunda-feira – valores entre 0 e 23
    • melhor horário para enviar um email para otimizar as aberturas na segunda-feira – valores entre 0 e 23
    • melhor horário para enviar um email para otimizar cliques na terça-feira – valores entre 0 e 23
    • ...
    • melhor horário para enviar um email para otimizar cliques no domingo – valores entre 0 e 23
    • melhor horário para enviar um email para otimizar as aberturas no 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 horário para enviar um email para otimizar as aberturas da semana inteira – valores entre 0 e 23
Esses recursos preditivos se aplicam apenas para deliveries de email.
O modelo precisa de pelo menos um mês de dados para produzir resultados significativos.

Pontuações de perfil de acesso

Depois de implementados no Campaign, os recursos de aprendizado de máquina enriquecem os dados dos perfis com novas guias e as melhores pontuações de abertura/clique. As métricas são computadas pelo Journey AI e são trazidas para o Campaign utilizando workflows técnicos.
Para acessar essas métricas, é necessário:
  1. Abrir um perfil e clicar no botão Editar.
  2. Clicar na guia Enviar pontuação de tempo por clique ou Enviar pontuação de tempo ao abrir .
Por padrão, as pontuações do perfil oferecerão o melhor horário do dia para cada dia da semana e o melhor horário 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 o melhor horário específico 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 preditiva de engajamento

A pontuação preditiva de engajamento permite:
  • Selecionar um público : ao usar a atividade de query, você pode selecionar o público que vai se engajar com uma mensagem específica
  • Excluir um público : usando a atividade de query, você pode remover o público para cancelar a inscrição
  • Personalizar : personalizar mensagem de acordo com o nível de engajamento (usuários altamente engajados receberão uma mensagem diferente daqueles não engajados)
Este modelo usa várias pontuações para indicar:
  • Pontuação de engajamento ao abrir/Pontuação de engajamento ao clicar : esse valor corresponde à probabilidade de um assinante se engajar com uma mensagem específica (abrir ou clicar). Os valores variam de 0,0 a 1,0.
  • Probabilidade de cancelamento de inscrição : esse valor corresponde à probabilidade do recipient cancelar a inscrição do canal de email considerando um email aberto. Os valores variam de 0,0 a 1,0.
  • Nível de retenção : esse valor classifica os usuários em três níveis: baixo, médio e alto. O alto tem mais probabilidade de adesão à marca, enquanto o baixo provavelmente cancelará a assinatura.
  • Classificação de percentual de retenção : Classificação do perfil em termos de probabilidade de cancelamento de assinatura. Os valores variam de 0,0 a 1,0. Por exemplo, se a classificação de porcentagem de retenção for de 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 para deliveries 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 engajamento para o canal de email

Para acessar essas métricas, é necessário:
  1. Abrir um perfil e clicar no botão Editar.
  2. Clicar na guia Pontuações de engajamento para canal de email .
Ao usar uma atividade de query em um workflow, a pontuação pode ser usada para otimizar o público.
Por exemplo, com os critérios Nível de retenção :