Show Menu
主題×

Attribution AI概觀

歸因人工智慧(Attribution AI)是智慧服務的一部分,是多通道的演算法歸因服務,可計算客戶互動對特定結果的影響和增量影響。 借助Attribution AI,行銷人員可以透過瞭解客戶歷程各個階段的每個個別客戶互動的影響,衡量並最佳化行銷和廣告支出。

瞭解歸因AI

歸因人工智慧可用來將點數歸因至導致轉換事件的觸點。 行銷人員可使用此工具,協助量化客戶歷程中每個個別行銷觸點的行銷影響。 觸點範例包括顯示廣告印象、電子郵件傳送、電子郵件開啟和付費搜尋點按。
歸因AI輸出可以跨不同維度加以區隔,並可跨客戶歷程的不同階段使用。 完成此項作業時,不需將業務需求轉譯為機器學習問題、挑選演算法、訓練或部署模型。
Attribution AI資料可來自Adobe(例如 Analytics)或非Adobe資料來源。
Attribution AI支援兩種分數類別:演算法和規則型。 演算法分數包括遞增和受影響的分數。 以規則為基礎的分數包括「首次接觸」、「上次接觸」、「線性」、「U形」和「時間衰減」。
以下視訊旨在支援您對Attribution AI的瞭解。

Attribution AI演算法分數

歸因AI支援兩類歸因分數:演算法和規則型分數。
歸因人工智慧產生兩種不同的演算法分數,遞增和影響。 受影響的分數是每個行銷觸點所負責的轉換率的一部分。 遞增分數是行銷觸點直接造成的邊際影響量。 遞增分數與受影響的分數之間的主要差異在於,遞增分數會考慮基線效果。 不會假設轉換純粹是由先前的行銷觸點所造成。
請參閱下表,以取得這些歸因分數的詳細資訊:
歸因分數
說明
首次接觸
規則型歸因分數,可將所有評分指派給轉換路徑上的初始觸點。
上次接觸
以規則為基礎的歸因分數,可將所有評分指派給最接近轉換的觸點。
線性
規則型歸因分數,可為轉換路徑上的每個觸點指派相等的評分。
U 形
以規則為基礎的歸因分數,將40%的評分指派給第一個觸點,40%的評分指派給最後一個觸點,而其他觸點將其餘20%平分。
時間耗損
規則型歸因分數,即離轉換較近的觸點獲得的評分高於離轉換較遠的觸點。
影響(演算法)
受影響的分數是每個行銷觸點所負責的轉換的一部分。
增量(演算法)
遞增分數是行銷觸點直接造成的邊際影響量。

商業使用案例範例

Attribution AI可用來協助下列範例使用案例:
  • 行政報告 : 可讓主管瞭解行銷的實際增量影響,包括整體行銷,以及通路、地區、SKU等。
  • 預算分配 : 跨行銷通道制定預算分配決策。
  • 促銷活動最佳化 : 在每個通道中,瞭解哪些促銷活動、創意和關鍵字對哪些SKU或Geos的效果更好。 這可讓您檢視每個通道,讓行銷團隊最佳化其策略。
  • 完整漏斗歸因 : 瞭解整個客戶歷程中行銷的影響。 例如,免費帳戶註冊為付費轉換等。
  • 合作夥伴評估 : 根據歸因結果,評估機構和合作夥伴的成效。

其他功能

Attribution AI也提供與其他Adobe解決方案(例如 Adobe Analytics)的整合。 這可讓您使用這些解決方案,運用可自訂的演算法模型來評估媒體效能並提供分析見解。

後續步驟

您可依照快速入 門指南 。 本指南會逐步帶您設定Attribution AI的所有必要預先要求。 如果您已準備好認證和資料,請造訪 Attribution AI使用指南 。 本指南會逐步引導您建立執行個體,並送出以進行訓練和計分。