Show Menu
主题×

归因人工智能概述

归因人工智能(作为智能服务的一部分)是一种多渠道的算法归因服务,它计算客户交互对特定结果的影响和增量影响。 利用Attribution AI,营销人员可以通过了解客户旅程各个阶段每个客户互动的影响来衡量和优化营销和广告支出。

了解归因AI

归因AI用于将积分归因到导致转化事件的接触点。 营销人员可以使用它来量化客户旅程中每个营销接触点的营销影响。 接触点示例包括展示广告印象、电子邮件发送、电子邮件打开和付费搜索点击。
归因人工智能输出可以跨不同维度进行分离,并可以在客户旅程的不同阶段进行利用。 这无需将业务需求转化为机器学习问题、选择算法、培训或部署模型即可完成。
归因AI数据可以来自Adobe(例如Analytics)或非Adobe数据源。
归因AI支持两类别分数,即算法和基于规则。 算法得分包括增量得分和受影响得分。 基于规则的得分包括“首次触摸”、“最后触摸”、“线性”、“U形”和“时间衰减”。

归因AI算法得分

归因AI支持两类别归因得分,即算法得分和基于规则的得分。
归因AI产生两种不同类型的算法得分,即增量和影响。 受影响的分数是每个营销接触点负责的转化率的一部分。 增量得分是营销接触点直接造成的边际影响量。 增量得分与受影响得分的主要区别在于增量得分将基准效果考虑在内。 它并不假定转化纯粹是由之前的营销接触点引起的。
有关这些归因得分的更多详细信息,请参阅下表:
归因得分
描述
首次接触
基于规则的归因得分,将所有积分分配给转化路径上的初始触点。
最后接触
基于规则的归因得分,将所有信用分配给最接近转化的触点。
线性
基于规则的归因得分,可为转化路径上的每个接触点分配相等的积分。
U 型
基于规则的归因得分,将40%的积分分配给第一个接触点,将40%的积分分配给最后一个接触点,而其他接触点将其余20%平分。
时间衰减
基于规则的归因得分,即离转化更近的接触点获得的积分比离转化时间更远的接触点多。
受影响(算法)
受影响的分数是每个营销接触点负责的转化率的一部分。
增量(算法)
增量得分是营销接触点直接造成的边际影响量。

业务使用案例示例

归因AI可用于帮助处理以下示例用例:
  • 执行报告 :使管理层能够了解营销的真正增量影响,无论是整体还是渠道、地区、SKU等。
  • 预算分配 :在营销渠道中制定预算分配决策。
  • 活动优化 :在每个渠道中,了解哪些活动、创意和关键字对哪些SKU或Geos的效果更好。 这样,您便可以查看每个渠道,以便营销团队可以优化其策略。
  • 全漏斗归因 :了解营销在整个客户旅程中的影响。 例如,免费帐户注册到付费转换等。
  • 合作伙伴评估 :根据归因结果评估机构和合作伙伴的有效性。

其他功能

归因AI还优惠与其他Adobe解决方案(如Adobe Analytics)的集成。 这使您能够使用这些解决方案来利用可自定义的算法模型来评估媒体性能并提供分析见解。

后续步骤

您可以按照入门指南 开始 。 本指南将指导您设置归因AI的所有必需预请求。 如果您的凭据和数据已准备好,请访问 Attribution AI用户指南 。 本指南将指导您逐步创建实例,并提交该实例进行培训和评分。