用Customer AI发现见解

客户人工智能,作为智能服务的一部分,为营销人员提供了利用Adobe Sensei来预测客户下一步动向的能力。 Customer AI 用于生成自定义倾向分数,如个人档案大规模的流失率和转化率。无需将业务需求转换为机器学习问题、选择算法、培训或部署,即可实现上述目标。

本文档用作在Intelligent Services客户人工智能用户界面中与服务实例见解交互的指南。

快速入门

为了利用客户人工智能的分析,您需要具有运行状态成功的服务实例。 要创建新的服务实例,请访问 配置客户人工智能实例. 如果您最近创建了一个服务实例,但该实例仍在训练和评分中,请留出24小时以使它完成运行。

服务实例概述

在 Adobe Experience Platform UI,选择 服务 在左侧导航中。 此 服务 浏览器随即出现,并显示可用的Intelligent Services。 在客户人工智能的容器中,选择 打开.

访问实例

此时会显示“客户人工智能服务”页面。 此页面列出了客户人工智能的服务实例并显示其相关信息,包括实例名称、倾向类型、实例运行频率以及上次更新状态。

NOTE
只有已完成成功评分运行的服务实例才会具有见解。

创建实例

选择服务实例名称以开始。

创建实例

接下来,将显示该服务实例的Insights页面,其中包含用于选择的选项 最新得分性能摘要. 默认选项卡 最新得分 提供数据的可视化图表。 本指南中对可视化图表以及您可以对数据执行的操作进行了更详细的说明。

性能摘要 选项卡显示每个倾向存储段的实际客户流失率或转化率。 要了解更多信息,请参阅 性能摘要量度.

设置页面

服务实例详细信息

有两种方法可以查看服务实例详细信息:在仪表板中或在服务实例中。

服务实例仪表板

要查看仪表板中服务实例详细信息的概览,请选择一个服务实例容器,从而避免附加到名称的超链接。 这将打开一个提供其他详细信息的右边栏。 这些控件包含以下内容:

  • 编辑:选择 编辑 用于修改现有的服务实例。 您可以编辑实例的名称、描述和评分频率。
  • 克隆:选择 克隆 复制当前选择的服务实例设置。 然后,您可以修改工作流以进行细微的调整,并将其重命名为新实例。
  • 删除:您可以删除服务实例,包括任何历史运行。
  • 数据源:此实例使用的数据集的链接。
  • 运行频率:评分运行的频率以及时间。
  • 得分定义:您为此实例配置的目标快速概述。

NOTE
如果评分运行失败,则会提供错误消息。 错误消息列在 上次运行详细信息 在右边栏中,该栏仅对失败的运行可见。

运行消息失败

显示更多分析下拉列表

查看服务实例的其他详细信息的第二种方法位于分析页面中。 选择 显示更多 以填充下拉菜单。 其中列出了详细信息,例如得分定义、创建时间、倾向类型和使用的数据集。 有关列出的任何资产的更多信息,请访问 配置客户人工智能实例.

显示更多

Customer AI数据集预览弹出框

如果客户人工智能使用了多个数据集,则超链接将标记为 多个 后跟括号中的数据集数 () 提供了。

多个数据集

选择多个数据集链接将打开客户人工智能数据集预览弹出框。 预览中的每种颜色表示一个数据集,如数据集列左侧的颜色键中所示。 在此示例中,您只能看到 数据集1 包含 PROP1 列。

显示更多

编辑实例

要编辑实例,请选择 编辑 在右上角导航中。

单击编辑按钮

此时将显示“编辑”对话框,允许您编辑实例的名称、描述、状态和评分频率。 要确认更改并关闭对话框,请选择 保存 在右下角。

编辑弹出框

更多操作

更多操作 按钮位于右上角导航区域旁的 编辑. 选择 更多操作 打开一个下拉列表,允许您选择以下操作之一:

  • 克隆:选择 克隆 复制服务实例设置。 然后,您可以修改工作流以进行细微的调整,并将其重命名为新实例。
  • 删除:删除实例。
  • 访问得分:选择 访问得分 打开一个对话框,其中提供指向 下载客户人工智能分数 在教程中,该对话框还会提供进行API调用所需的数据集ID。
  • 查看运行历史记录:将显示一个对话框,其中包含与服务实例关联的所有评分运行的列表。

更多操作

评分汇总 scoring-summary

评分摘要显示评分的用户档案总数,并将它们分类为包含高、中和低倾向的分段。 根据得分范围确定倾向时段,低值小于24,中值为25至74,高值大于74。 每个存储桶都有一个与图例对应的颜色。

NOTE
如果是转化倾向分数,则高分以绿色显示,低分以红色显示。 如果您预计客户流失倾向,则流失倾向会逆转,高分以红色显示,低分以绿色显示。 无论您选择哪种倾向类型,中段都会保持黄色。

评分摘要

您可以将鼠标悬停在环上的任何颜色上以查看附加信息,例如属于某个存储段的配置文件百分比和总数。

得分分布

得分分布 卡片会根据得分为您提供群体的可视化摘要。 您在中看到的颜色 得分分布 卡表示生成的倾向分数的类型。 将鼠标悬停在任何评分分配上会提供属于该分配的准确计数。

得分分布

影响因素

对于每个得分分段,将生成一张卡片,其中显示该分段的前10个影响因素。 影响因素会为您提供有关客户属于各种分数存储桶原因的更多详细信息。

影响因素

影响因素明细

将鼠标悬停在任何主要影响因素上会进一步细分数据。 将为您概述为什么某些用户档案属于倾向存储桶。 根据因素,可以为您提供数字、分类或布尔值。 下面的示例按区域显示分类值。

深入分析屏幕快照

此外,通过使用深入分析,您可以比较分布系数(如果它出现在两个或更多倾向分段中),并使用这些值创建更具体的区段。 以下示例说明了第一个用例:

您可以看到,转化倾向较低的用户档案最近访问adobe.com网页的可能性较小。 “上次web访问间隔天数”因子的覆盖率仅为8%,而中倾向性用户档案的覆盖率则为26%。 使用这些数字,您可以比较系数每个时段内的分配。 此信息可用于推断Webvisit中的回访间隔在低倾向性存储桶中的影响较小,因为它在中倾向性存储桶中的影响较小。

创建区段

选择 创建区段 任何分段中针对低、中、高倾向的按钮都会将您重定向到区段生成器。

NOTE
创建区段 仅当为数据集启用了实时客户资料时,按钮才可用。 有关如何启用Real-time Customer Profile的详细信息,请访问 Real-time Customer Profile概述.

单击创建区段

创建区段

区段生成器用于定义区段。 选择时 创建区段 从分析页面中,客户人工智能自动将所选存储桶信息添加到区段。 要完成区段的创建,只需填写 名称描述 区段生成器用户界面右边栏中的容器。 为区段指定名称和描述后,选择 保存 右上角。

NOTE
由于倾向分数将写入个人资料,因此与任何其他个人资料属性一样,它们在区段生成器中可用。 当您导航到区段生成器以创建新区段时,您可以在命名空间Customer AI下看到所有各种倾向分数。

区段填写

要在Platform UI中查看新区段,请选择 区段 在左侧导航中。 此 浏览 页面将显示并显示所有可用区段。

您的所有区段

历史绩效 historical-performance

性能摘要 选项卡显示实际客户流失率或转化率,并分为客户人工智能评分的每个倾向时段。

“性能摘要”选项卡

最初,仅显示预期汇率(虚线)。 当评分运行尚未发生并且数据尚不可用时,会显示预期比率。 但是,一旦结果窗口过去,预计比率将替换为实际比率(实线)。

将鼠标悬停在这些行上会显示该时段中该天的日期和实际/预期费率。

分段示例

您可以筛选所显示的预期速率和实际速率的时间范围。 选择 日历图标 图标 然后选择新的日期范围。 每个分段中的结果都会更新并在新日期范围内显示。

日期选择器

个人评分运行率

下半部 性能摘要 选项卡显示每次评分运行的结果。 选择右上方的下拉日期以显示不同评分运行的结果。

根据您预测的是流失率还是转化率, 得分分布 图形可显示每次增量中流失/已转化和未流失/未转化的用户档案的分布。

个体评分

模型评估 model-evaluation

除了在历史绩效选项卡上跟踪一段时间内的预测和实际结果外,营销人员还可以通过模型评估选项卡提高模型质量的透明度。 您可以使用提升和收益图来确定使用预测模型与随机定位之间的差异。 此外,您还可以确定在每次得分截止值时捕获多少积极结果。 这对于细分以及使投资回报率与营销行动相协调非常有用。

提升图

提升图

提升图可衡量使用预测模型而不是随机定位的改进情况。

高质量的模型指标包括:

  • 前几位小数中的提升值较高。 这意味着该模型能够很好地识别具有最高兴趣行为倾向的用户。
  • 提升值降序。 这意味着得分较高的客户比得分较低的用户更有可能采取感兴趣的行动。

收益图

收益图

累积收益表衡量通过定位分数超过特定阈值而捕获的积极结果的百分比。 在按倾向性得分从高到低对客户进行分类后,群体被分为十分位,即10个大小相等的群组。 一个完美的模型能把所有积极结果都纳入最高分的十分位数中。 基线随机定位方法可按照组规模的比例捕获积极结果 — 以30%的用户为目标将获得30%的结果。

高质量的模型指标包括:

  • 累积收益很快接近100%。
  • 该模型的累计收益曲线更接近图表的左上角。
  • 累积收益表可用于确定分段和定位的得分截止值。 例如,如果该模型在前两个得分十分位数中捕获了70%的积极结果,则以百分位得分> 80的用户为目标,预计将捕获大约70%的积极结果。

AUC(曲线下的区域)

AUC反映了得分排名与预测目标发生之间的关系强度。 An AUC 0.5意味着这个模型并不比随机猜测好。 An AUC (1)表示该模型可以完美地预测谁将采取相关行动。

后续步骤

本文档概述了客户人工智能服务实例提供的见解。 现在,您可以继续阅读上的教程 在Customer AI中下载分数 或浏览另一个 Adobe智能服务 提供的指南。

其他资源

以下视频概述了如何使用客户人工智能查看模型和影响因素的输出。

recommendation-more-help
8959a20a-a58f-4057-9f82-870706c576e9