共计 5116 个字符，预计需要花费 13 分钟才能阅读完成。
本系列文章分享笔者所在的团队，在从事 SAP Marketing Cloud 系统集成我的项目中积攒的一些教训以及对这个 SaaS 软件的了解，心愿宽广同行不吝赐教。
SAP Marketing Cloud 次要解决的问题，集体了解就是实现与客户一对一的精准智能营销。
(1) 精准：精确辨认指标用户。
(2) 营销：提供了多种预设定的营销模式，同时反对用户自定义。
(4) Contacts 联系人
作为一个营销人员，该怎么应用 SAP Marketing Cloud 来推动支出和业务增长呢?
本系列的文章，会从下列六个办法来分享 Marketing Cloud 的业务性能。
(1) Contacts & Profiles
(2) Segmentation & Target Group
(3) Content & Campaign
(4) Recommendation
(5) Lead
(6) Plan
Contacts & Profiles
首先明确一些基本概念：
Contacts：联系人。
Contact Profiles：联系人参数文件，包含集体数据、交互和许可。
Corporate Accounts：公司客户，信息蕴含客户联系人、客户团队成员、交互等详细信息。
Followers of Digital Accounts：社交账号关注者。SAP Marketing Cloud 反对咱们查看社交账号关注者，生成对于关注者获取和关注者交互的剖析报表。
Sentiment Engagement：情绪互动。
在与客户进行交互的过程中，咱们在一直地进行数据的收集，逐步欠缺用户画像。SAP Marketing Cloud 对收集的数据进行了统计和剖析，营销人员能够利用这些信息，来领导营销流动的进行。
(1) Contacts and Profiles Overview 宏观数据统计和图形化展现
(2) Profiles Dashboard
低头：不同级别的交互的各项指标的变动，如公司数、沉闷水平、评分、交互降级数目等。
下图两头显示区域依据左侧工夫和过滤器设定进行显示：客户趣味图形化显示（鼠标放上去能够查看交互数和打分）、按渠道对交互数目进行统计、Contact 列表。
选中某局部能够间接在 Target Audience 处创立 Segmentation model 或者 Target group：
按渠道对交互数目进行统计：
Contact 列表，抉择某 Contact 能够查看其详细信息。
(3) Profiles 联系人参数文件
按工夫进行排序显示，能够依据需要查看 Profiles。
展现信息包含集体数据、交互和许可。
Contacts 列表展现了每个联系人的要害信息。您能够通过点击列表中的名称来拜访单个联系人的具体参数文件(Profiles).
页面依据用户需要来显示 contacts 信息，用户能够间接以数据表的模式输入页面显示的 contacts 信息。
在这个页面咱们能够通过勾选 contact 间接创立 Target Group:
通过筛选查看相应的 contacts:
反对多种筛选条件来帮忙负责营销的工作人员查看 contacts 信息:
点击某 contact 查看明细信息。
Interaction 标签页：显示与该客户的交互信息，用户趣味等。
Personal Data：用户个人信息, 包含联系方式、Marketing Areas 和 Attributes 等。
Origin Data：显示信息源，并且链接 Inspect contact 能够查看更多信息。
Scores：剖析用户信息，从多角度为该客户打分，掂量该 Contact.
Permission Marketing：用户许可和订阅状况。
能够看到下图中该用户的联系方式给出了 3 个许可，订阅内容为 0 项。
Commerce：能够看到商品举荐、浏览偏好、购买记录。
(5) Profile Streaming
以 3D/2D 模式展现，某天与多少客户进行了多少次交互。
此处可能显示与每个渠道相干的详细信息，是 Profile Dashboard 的补充。
(6) Corporate Accounts 公司客户
进行 My Accounts 和 All Accounts 的查看, 能够间接通过勾选设立 Target Group。
点击某 Account 查看详情，进入 Spotlighting Accounts 利用。
这一部分信息与 2C 场景的 Contacts 模块大抵类似，只不过一个 Corporate Account 能够保护多个联系人，并设置次要联系人。
理解了 SAP Marketing Cloud 里的 Contacts 和 Profiles，上面咱们持续介绍 SAP Marketing Cloud 里围绕 Target Group 这个概念的一些相干场景和性能。
(1) 依据标签细分用户：Segmentation Modeling
在 Segmentation Modeling 中反对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。数据通过统计以图形化等模式出现。进行用户细分的形式简略不便，通过勾选或者点击等操作能够轻松实现。
(2) 预测工作室 Predictive Studio
借助 Predictive Studio，业务分析师能够创立预测模型。预测模型应用算法和历史数据计算提供客户将来行为剖析的评分。
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流动，达成该产品 200 单的销量。
创立和应用预测模型的流程概览：
(1) 在 Predictive Studio 中，创立预测模型、抉择预测场景，以及定义场景所需的详细信息。
(2) 为预测模型创立一个或多个模型拟合。
(3) 应用历史数据训练模型。
(4) 查看模型拟合的品质，抉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，基于流动的预测模型创立指标组。
(7) 在 Campaigns 中，针对 target group 运行营销流动。
(8) 在 Predictive Studio 中，度量营销流动的胜利状况以查看将来优化流动模型的办法。
上面是具体步骤介绍。
创立预测模型
Predictive Studio 页面中展现以后已有的预测模型，咱们能够抉择从新创立一个。
在后面提到的场景下，预测场景 Scenario 应该抉择 Consumer Buying Propensity.
进行以下设定：
- Training Set: 训练集的指标组(不能超过 100 万成员）
- Target Object: 产品 A
- Target Variable: 购买
- Time Frame for Analysis: 指定对训练集的剖析期间
- Number of Responses: 训练集中购买产品 A 的成员数(训练集中肯定要有局部人购买了产品 A)
- Number of Members: 训练集中成员数
- Applicable Scope: 指定训练集无效的区域
设定结束后抉择 save.
创立模型拟合
首先进行外部训练模型拟合。在 Model Fits 局部，咱们能够创立模型拟合。
在模型拟合页面，咱们抉择与模型相干的 Predictors，而后点击 Start Model Training 开始训练。
模型训练完结会显示如下后果，显示内容的含意别离为：
- Predictive Power: 属于[0,1]，批示模型拟合品质，越大越好。
- Predictive Confidence: 属于[0,1]，批示预测置信度，越大越好。咱们认为大于 0.95 为牢靠。
- 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。
柱状图示意每个起作用的 predictor 所起作用的百分比。
上载内部训练模型拟合
除了应用 SAP 提供的规范预测分析模型，咱们还能够上载内部训练模型拟合。须要在创立新模型拟合时，抉择 Logistic Regression.
在模仿拟合详细信息页面底部，点击导入模型进行导入。留神：只能导入 xml 格式文件。
如果模型导入胜利，洛伦兹曲线会应用训练集计算且曲线会在“预测模型”图表中显示。
抉择最佳模型拟合
咱们能够多创立几个 Model Fit，选取其中拟合成果最好的。掂量拟合成果的规范如下：
Quality Coefficient: 即品质系数（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，示意模型拟合的品质。
洛伦兹曲线：即下图，将拟合品质可视化。
抉择拟合最好的 Model Fit 进行 Activate，被激活的模型会显示 Active.
将预测模型用于营销流动的用户细分上
能够依据图形化界面双击某个国家对用户进行细分:
抉择 Buying Propensity，找到咱们提前设置好的模型，在 Predicted Expected Responses 一栏填入咱们冀望的订单数 200，Selected Contacts 会显示指标组大小。抉择 Keep，确定 Selected Contacts 为指标组。
至此即可基于咱们细分出的后果创立 Target Group. 营销人员 Emma 能够利用这个 Target Group 来进行智能高效的精准营销流动。
能够看到 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 规范，补充用户画像，作为用户细分的根据。
Score Builder 首页显示现有的 Scores，这些 Model 仅能查看，不能批改。
点击查看 Score 详情，能够查看 Score 应用的 Rule Model，在 Segmentation Modeling 中所属的文件夹，以及能够应用该 Score 的利用。
在 Score Builder 首页点击 Create Score 能够创立新的 Score.
点击加号，创立 Rule Model, 一个 Score 能够有多个 Rule Model, 后者反对多种不同 Rule 的组合设定。Rule 为 if then 模式，不同规定用 ”and” 或者 ”or” 连贯。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掂量的可能。
将其余 Target Group 和 Time Frame 等信息填写结束后，保留并激活。至此，Score 的创立就实现了。
名为 Best Email Sending Time 的 Score Rule，主动统计了整个客户在每个时间段内状态为 Active 的用户数。
咱们能够抉择沉闷用户最多的时间段，点击 Keep，再次细分受众。创立 Target Group 的过程同上。
依据用户行为细分——基于触发器的营销流动 Trigger-Based Campaigns
除了以上提到的办法，咱们还能够依据用户行为对用户进行细分。一旦用户做出这些行为，那么就退出了咱们的 Target Group。这种类型的 Target Group 会主动触发营销流动的开启。
这类行为蕴含：Abandoned shopping cart/App installed/Email opened/Email not Opened/Click through/No click through 等等。
这类主动触发的营销流动，在创立 Campaign 时须要在 User Interaction 中设定 Trigger Type，也就是设定触发营销流动的用户行为。这样当用户做出这些操作时，零碎就会主动做出反馈。例如当用户废除购物车时，向用户发送邮件，揭示用户购物车中的商品，可能在肯定水平上进步网上商城的盈利。
依据情绪互动剖析确定营销流动受众——Sentiment Engagement
在 Sentiment Engagement 性能中进行用户的情绪互动剖析时，咱们能够依据用户的行为表现来设定 Target Group。首先创立一个新的 Target Group，而后向其中增加个体用户。
依据筛选条件显示符合条件的情绪互动，咱们能够在用户的 Post 处进行勾选，导入之前创立的 Target Group.
因为须要一个个增加用户，所以这个办法适宜小范畴的营销流动。
依据客户旅程剖析确定营销流动受众——Customer Journey Insight
因为数据问题，以下两张图为官网截图。以下展现了某段时间内通过 8 个联系点的热门水平排前 80% 的退货旅程。
依据已筛选和剖析的客户旅程数据，抉择想要的局部来构建 Target Group。
这个系列的下一篇文章，会介绍 SAP Marketing Cloud 的 Content 和 Campaign 性能，谢谢关注。
总结
本文顺次分享了 SAP Marketing Cloud 这个 SaaS 软件中 Contacts, Profiles 和 Target Group 这些概念，并且介绍了 Marketing Cloud 围绕这些概念提供的界面和操作流程。