SAP Marketing Cloud里圍繞Target Group的場景和功能是什么

本篇文章給大家分享的是有關(guān)SAP Marketing Cloud里圍繞Target Group的場景和功能是什么，小編覺得挺實用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

我向大家介紹SAP Marketing Cloud里圍繞Target Group這個概念的一些相關(guān)場景和功能。

(1) 根據(jù)標(biāo)簽細分用戶：Segmentation Modeling

在Segmentation Modeling中支持以各種標(biāo)簽細分用戶群，如商品ID、交互方式、地區(qū)、性別、生日、姓名等。數(shù)據(jù)經(jīng)過統(tǒng)計以圖形化等形式呈現(xiàn)。進行用戶細分的方式簡單方便，通過勾選或者點擊等操作可以輕松實現(xiàn)。

(2) 預(yù)測工作室 Predictive Studio

借助Predictive Studio，業(yè)務(wù)分析師可以創(chuàng)建預(yù)測模型。預(yù)測模型使用算法和歷史數(shù)據(jù)計算提供客戶未來行為分析的評分。

場景示例：負(fù)責(zé)產(chǎn)品A營銷的業(yè)務(wù)人員Emma想要通過一個手機營銷活動，達成該產(chǎn)品200單的銷量。

創(chuàng)建和使用預(yù)測模型的流程概覽：

(1) 在Predictive Studio中，創(chuàng)建預(yù)測模型、選擇預(yù)測場景，以及定義場景所需的詳細信息。
(2) 為預(yù)測模型創(chuàng)建一個或多個模型擬合。
(3) 使用歷史數(shù)據(jù)訓(xùn)練模型。
(4) 檢查模型擬合的質(zhì)量，選擇最佳模型擬合并激活預(yù)測模型。
(5) 最佳模型擬合可用于計算預(yù)測評分。
(6) 在Segmentation中，基于活動的預(yù)測模型創(chuàng)建目標(biāo)組。
(7) 在Campaigns中，針對target group運行營銷活動。
(8) 在Predictive Studio中，度量營銷活動的成功情況以查看未來優(yōu)化活動模型的方法。

下面是具體步驟介紹。

創(chuàng)建預(yù)測模型

Predictive Studio頁面中展示當(dāng)前已有的預(yù)測模型，我們可以選擇重新創(chuàng)建一個。

在前面提到的場景下，預(yù)測場景Scenario應(yīng)該選擇Consumer Buying Propensity.

進行以下設(shè)定：

Training Set: 訓(xùn)練集的目標(biāo)組(不能超過100萬成員）
Target Object: 產(chǎn)品A
Target Variable: 購買
Time Frame for Analysis: 指定對訓(xùn)練集的分析期間
Number of Responses: 訓(xùn)練集中購買產(chǎn)品A的成員數(shù)(訓(xùn)練集中一定要有部分人購買了產(chǎn)品A)
Number of Members: 訓(xùn)練集中成員數(shù)
Applicable Scope: 指定訓(xùn)練集有效的區(qū)域

設(shè)定完畢后選擇save.

創(chuàng)建模型擬合

首先進行內(nèi)部訓(xùn)練模型擬合。在Model Fits部分，我們可以創(chuàng)建模型擬合。

在模型擬合頁面，我們選擇與模型相關(guān)的Predictors，然后點擊Start Model Training開始訓(xùn)練。

模型訓(xùn)練結(jié)束會顯示如下結(jié)果，顯示內(nèi)容的含義分別為：

Predictive Power: 屬于[0,1]，指示模型擬合質(zhì)量，越大越好。
Predictive Confidence: 屬于[0,1]，指示預(yù)測置信度，越大越好。我們認(rèn)為大于0.95為可靠。
Initial No. of Predictors：起作用的預(yù)測其列表中的條目數(shù)。
No. of Selected Predictors：所選預(yù)測器數(shù)量。
No. of Kept Predictors：保留的起作用的預(yù)測器數(shù)量。

柱狀圖表示每個起作用的predictor所起作用的百分比。

上載外部訓(xùn)練模型擬合

除了使用SAP提供的標(biāo)準(zhǔn)預(yù)測分析模型，我們還可以上載外部訓(xùn)練模型擬合。需要在創(chuàng)建新模型擬合時，選擇Logistic Regression.

在模擬擬合詳細信息頁面底部，點擊導(dǎo)入模型進行導(dǎo)入。注意：只能導(dǎo)入xml格式文件。

如果模型導(dǎo)入成功，洛倫茲曲線會使用訓(xùn)練集計算且曲線會在“預(yù)測模型”圖表中顯示。

選擇最佳模型擬合

我們可以多創(chuàng)建幾個Model Fit，選取其中擬合效果最好的。衡量擬合效果的標(biāo)準(zhǔn)如下：

Quality Coefficient: 即質(zhì)量系數(shù)（也稱為基尼系數(shù)），取值[-1,1]，與隨機線和模型曲線之間的面積成正比，表示模型擬合的質(zhì)量。

洛倫茲曲線：即下圖，將擬合質(zhì)量可視化。
選擇擬合最好的Model Fit進行Activate，被激活的模型會顯示Active.

將預(yù)測模型用于營銷活動的用戶細分上

可以根據(jù)圖形化界面雙擊某個國家對用戶進行細分:

選擇Buying Propensity，找到我們提前設(shè)置好的模型，在Predicted Expected Responses一欄填入我們期望的訂單數(shù)200， Selected Contacts會顯示目標(biāo)組大小。選擇Keep，確定Selected Contacts為目標(biāo)組。

至此即可基于我們細分出的結(jié)果創(chuàng)建Target Group. 營銷人員Emma可以利用這個Target Group來進行智能高效的精準(zhǔn)營銷活動。

可以看到Target Group的信息，點擊Release之后，才可用于Campaign中。

評分構(gòu)建器 Scores Builder

設(shè)立Score標(biāo)準(zhǔn)，補充用戶畫像，作為用戶細分的依據(jù)。

Score Builder首頁顯示現(xiàn)有的Scores，這些Model僅能查看，不能修改。

點擊查看Score詳情，可以查看Score使用的Rule Model，在Segmentation Modeling中所屬的文件夾，以及可以使用該Score的應(yīng)用。

在Score Builder首頁點擊Create Score可以創(chuàng)建新的Score.

點擊加號，創(chuàng)建Rule Model, 一個Score可以有多個Rule Model, 后者支持多種不同Rule的組合設(shè)定。Rule為if then形式，不同規(guī)則用"and"或者"or"連接。相比單純在Segmentation Modeling中用標(biāo)簽來細分受眾，Rule Model提供了多種屬性按不同權(quán)重來綜合衡量的可能。

將其他Target Group和Time Frame等信息填寫完畢后，保存并激活。至此，Score的創(chuàng)建就完成了。

名為Best Email Sending Time的Score Rule，自動統(tǒng)計了整個客戶在每個時間段內(nèi)狀態(tài)為Active的用戶數(shù)。

我們可以選擇活躍用戶最多的時間段，點擊Keep，再次細分受眾。創(chuàng)建Target Group的過程同上。

根據(jù)用戶行為細分——基于觸發(fā)器的營銷活動 Trigger-Based Campaigns

除了以上提到的方法，我們還可以根據(jù)用戶行為對用戶進行細分。一旦用戶做出這些行為，那么就加入了我們的Target Group。這種類型的Target Group會自動觸發(fā)營銷活動的開啟。

這類行為包含：Abandoned shopping cart/App installed/Email opened/Email not Opened/Click through/No click through等等。

這類自動觸發(fā)的營銷活動，在創(chuàng)建Campaign時需要在User Interaction中設(shè)定Trigger Type，也就是設(shè)定觸發(fā)營銷活動的用戶行為。這樣當(dāng)用戶做出這些操作時，系統(tǒng)就會自動做出反應(yīng)。例如當(dāng)用戶廢棄購物車時，向用戶發(fā)送郵件，提醒用戶購物車中的商品，能夠在一定程度上提高網(wǎng)上商城的盈利。

根據(jù)情緒互動分析確定營銷活動受眾——Sentiment Engagement

在Sentiment Engagement功能中進行用戶的情緒互動分析時，我們可以根據(jù)用戶的行為表現(xiàn)來設(shè)定Target Group。首先創(chuàng)建一個新的Target Group，然后向其中添加個體用戶。

根據(jù)篩選條件顯示符合條件的情緒互動，我們可以在用戶的Post處進行勾選，導(dǎo)入之前創(chuàng)建的Target Group.

因為需要一個個添加用戶，所以這個方法適合小范圍的營銷活動。

根據(jù)客戶旅程分析確定營銷活動受眾——Customer Journey Insight

由于數(shù)據(jù)問題，以下兩張圖為官網(wǎng)截圖。以下展示了某段時間內(nèi)經(jīng)過8個聯(lián)系點的熱門程度排前80%的退貨旅程。

根據(jù)已篩選和分析的客戶旅程數(shù)據(jù)，選擇想要的部分來構(gòu)建Target Group。

以上就是SAP Marketing Cloud里圍繞Target Group的場景和功能是什么，小編相信有部分知識點可能是我們?nèi)粘９ぷ鲿姷交蛴玫降摹ＯＭ隳芡ㄟ^這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注億速云行業(yè)資訊頻道。