Recursos preditivos de engajamento do usuário journey-ai

Com o Campaign, você pode otimizar o design e a entrega de jornadas de clientes para prever a preferência de engajamento de cada pessoa. Alimentada por IA e aprendizado de máquina, a Otimização de tempo de envio e a Pontuação preditiva de engajamento da Adobe Campaign podem analisar e prever taxas abertas, tempos de envio ideais e churn provável de acordo com métricas de engajamento histórico.

A Adobe Campaign oferece dois novos modelos de aprendizado de máquina: Otimização preditiva do tempo de envio e Pontuação preditiva de engajamento. Esses dois modelos são modelos de aprendizado de máquina específicos para projetar e fornecer melhores jornadas ao cliente.

Otimização preditiva do tempo de envio predictive-send-time

A Otimização preditiva de tempo de envio prevê qual é o melhor momento de envio para cada perfil de recipient para aberturas ou cliques de email e aberturas de mensagem por push. 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 destinatário.

No modelo de Otimização preditiva de tempo de envio, há dois submodelos:

Entrada do modelo: Logs da entrega, 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

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 calculadas e trazidas para o Campaign usando workflows técnicos.

Para acessar essas métricas, é necessário:

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 use-predictive-send-time

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 a entrega for lançada.

Exemplo de fórmula:

AddHours([currentDelivery/scheduling/@contactDate],
[cusSendTimeScoreByClickprofile_link/@EMAIL_BEST_TIME_TO_CLICK_WEDNESDAY])

Pontuação de envolvimento preditivo predictive-scoring

A Pontuação preditiva de engajamento prevê a probabilidade de engajamento de um recipient em uma mensagem, bem como a probabilidade de opt out (cancelamento de inscrição) nos próximos 7 dias após o próximo envio de email.

As probabilidades são divididas em grupos de acordo com o nível previsto de engajamento com seu conteúdo: alto, médio ou baixo. Esses modelos também fornecem a classificação do percentil de risco de cancelamento de subscrição para que os clientes entendam onde está a classificação de um determinado cliente em relação a outros.

A Pontuação preditiva de engajamento permite:

Este modelo usa várias pontuações para indicar:

Entrada do modelo: Logs da entrega, logs de rastreamento e atributos específicos do perfil

Saída do modelo: Um atributo de perfil que descreve a pontuação e a categoria do perfil

Para acessar essas métricas, é necessário:

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: