乐趣区

SAP-Marketing-Cloud功能简述二-Target-Group

这个系列的第一篇文章 SAP Marketing Cloud 功能简述 (一) : Contacts 和 Profiles,我向大家介绍了 SAP Marketing Cloud 里的 Contacts 和 Profiles,本文继续介绍 SAP Marketing Cloud 里围绕 Target Group 这个概念的一些相关场景和功能。

(1) 根据标签细分用户:Segmentation Modeling

在 Segmentation Modeling 中支持以各种标签细分用户群,如商品 ID、交互方式、地区、性别、生日、姓名等。数据经过统计以图形化等形式呈现。进行用户细分的方式简单方便,通过勾选或者点击等操作可以轻松实现。

(2) 预测工作室 Predictive Studio

借助 Predictive Studio,业务分析师可以创建预测模型。预测模型使用算法和历史数据计算提供客户未来行为分析的评分。

场景示例:负责产品 A 营销的业务人员 Emma 想要通过一个手机营销活动,达成该产品 200 单的销量。

创建和使用预测模型的流程概览:

(1) 在 Predictive Studio 中,创建预测模型、选择预测场景,以及定义场景所需的详细信息。
(2) 为预测模型创建一个或多个模型拟合。
(3) 使用历史数据训练模型。
(4) 检查模型拟合的质量,选择最佳模型拟合并激活预测模型。
(5) 最佳模型拟合可用于计算预测评分。
(6) 在 Segmentation 中,基于活动的预测模型创建目标组。
(7) 在 Campaigns 中,针对 target group 运行营销活动。
(8) 在 Predictive Studio 中,度量营销活动的成功情况以查看未来优化活动模型的方法。

下面是具体步骤介绍。

创建预测模型

Predictive Studio 页面中展示当前已有的预测模型,我们可以选择重新创建一个。

在前面提到的场景下,预测场景 Scenario 应该选择 Consumer Buying Propensity.

进行以下设定:

Training Set: 训练集的目标组 (不能超过 100 万成员)
Target Object: 产品 A
Target Variable: 购买
Time Frame for Analysis: 指定对训练集的分析期间
Number of Responses: 训练集中购买产品 A 的成员数 (训练集中一定要有部分人购买了产品 A)
Number of Members: 训练集中成员数
Applicable Scope: 指定训练集有效的区域

设定完毕后选择 save.

创建模型拟合

首先进行内部训练模型拟合。在 Model Fits 部分,我们可以创建模型拟合。

在模型拟合页面,我们选择与模型相关的 Predictors,然后点击 Start Model Training 开始训练。

模型训练结束会显示如下结果,显示内容的含义分别为:

Predictive Power: 属于 [0,1],指示模型拟合质量,越大越好。
Predictive Confidence: 属于 [0,1],指示预测置信度,越大越好。我们认为大于 0.95 为可靠。
Initial No. of Predictors:起作用的预测其列表中的条目数。
No. of Selected Predictors:所选预测器数量。
No. of Kept Predictors:保留的起作用的预测器数量。

柱状图表示每个起作用的 predictor 所起作用的百分比。

上载外部训练模型拟合

除了使用 SAP 提供的标准预测分析模型,我们还可以上载外部训练模型拟合。需要在创建新模型拟合时,选择 Logistic Regression.

在模拟拟合详细信息页面底部,点击导入模型进行导入。注意:只能导入 xml 格式文件。

如果模型导入成功,洛伦兹曲线会使用训练集计算且曲线会在“预测模型”图表中显示。

选择最佳模型拟合

我们可以多创建几个 Model Fit,选取其中拟合效果最好的。衡量拟合效果的标准如下:

Quality Coefficient: 即质量系数(也称为基尼系数),取值 [-1,1],与随机线和模型曲线之间的面积成正比,表示模型拟合的质量。

洛伦兹曲线:即下图,将拟合质量可视化。
选择拟合最好的 Model Fit 进行 Activate,被激活的模型会显示 Active.

将预测模型用于营销活动的用户细分上

可以根据图形化界面双击某个国家对用户进行细分:

选择 Buying Propensity,找到我们提前设置好的模型,在 Predicted Expected Responses 一栏填入我们期望的订单数 200,Selected Contacts 会显示目标组大小。选择 Keep,确定 Selected Contacts 为目标组。

至此即可基于我们细分出的结果创建 Target Group. 营销人员 Emma 可以利用这个 Target Group 来进行智能高效的精准营销活动。

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

评分构建器 Scores Builder

设立 Score 标准,补充用户画像,作为用户细分的依据。

Score Builder 首页显示现有的 Scores,这些 Model 仅能查看,不能修改。

点击查看 Score 详情,可以查看 Score 使用的 Rule Model,在 Segmentation Modeling 中所属的文件夹,以及可以使用该 Score 的应用。

在 Score Builder 首页点击 Create Score 可以创建新的 Score.

点击加号,创建 Rule Model, 一个 Score 可以有多个 Rule Model, 后者支持多种不同 Rule 的组合设定。Rule 为 if then 形式,不同规则用 ”and” 或者 ”or” 连接。相比单纯在 Segmentation Modeling 中用标签来细分受众,Rule Model 提供了多种属性按不同权重来综合衡量的可能。

将其他 Target Group 和 Time Frame 等信息填写完毕后,保存并激活。至此,Score 的创建就完成了。

名为 Best Email Sending Time 的 Score Rule,自动统计了整个客户在每个时间段内状态为 Active 的用户数。

我们可以选择活跃用户最多的时间段,点击 Keep,再次细分受众。创建 Target Group 的过程同上。

根据用户行为细分——基于触发器的营销活动 Trigger-Based Campaigns

除了以上提到的方法,我们还可以根据用户行为对用户进行细分。一旦用户做出这些行为,那么就加入了我们的 Target Group。这种类型的 Target Group 会自动触发营销活动的开启。

这类行为包含:Abandoned shopping cart/App installed/Email opened/Email not Opened/Click through/No click through 等等。

这类自动触发的营销活动,在创建 Campaign 时需要在 User Interaction 中设定 Trigger Type,也就是设定触发营销活动的用户行为。这样当用户做出这些操作时,系统就会自动做出反应。例如当用户废弃购物车时,向用户发送邮件,提醒用户购物车中的商品,能够在一定程度上提高网上商城的盈利。

根据情绪互动分析确定营销活动受众——Sentiment Engagement

在 Sentiment Engagement 功能中进行用户的情绪互动分析时,我们可以根据用户的行为表现来设定 Target Group。首先创建一个新的 Target Group,然后向其中添加个体用户。

根据筛选条件显示符合条件的情绪互动,我们可以在用户的 Post 处进行勾选,导入之前创建的 Target Group.

因为需要一个个添加用户,所以这个方法适合小范围的营销活动。

根据客户旅程分析确定营销活动受众——Customer Journey Insight

由于数据问题,以下两张图为官网截图。以下展示了某段时间内经过 8 个联系点的热门程度排前 80% 的退货旅程。

根据已筛选和分析的客户旅程数据,选择想要的部分来构建 Target Group。

这个系列的下一篇文章,会介绍 SAP Marketing Cloud 的 Content 和 Campaign 功能,谢谢关注。

更多阅读

  • SAP Marketing Cloud 的 Contact 导入配置和数据合并原理
  • SAP Marketing Cloud 功能简述 (一) : Contacts 和 Profiles

要获取更多 Jerry 的原创文章,请关注公众号 ” 汪子熙 ”:

退出移动版