위치:
Data 360 세그먼트의 Einstein 참여 점수 필터
다음은 일반적인 Einstein Engagement Score 사용 사례의 몇 가지 예입니다.
이전 구매에 가장 많이 참여한 개인 찾기
올해 구매 금액이 $500를 초과하고 이메일을 클릭할 가능성이 높은 개인에 대한 필터.
예
- 세일즈 주문 | 계수 | 최소 | 1
- 총액 | 큼 | 500
- AND
- 주문 시작 일자 | 올해
AND
- Einstein 이메일 참여 점수 | 계수 | 최소 | 1
- 이메일 클릭 가능성 | 같음 | 가장 높은 가능성
특정 브랜드에 대해 높은 참여와 낮은 변환율을 가진 개인 찾기
브랜드 BU 829302의 참여율은 높지만 변환율이 낮은 개인에 대한 필터. 이메일 클릭 예측 점수가 0.2 이상이면 참여율이 높은 것으로 간주합니다.
낮은 변환율은 변환 가능성이 가장 낮은 가능성이고 브랜드에서 구매하지 않음을 의미합니다.
예
- Einstein 이메일 참여 점수 | 계수 | 최소 | 1
- 이메일 클릭 점수 | 초과 | 0.2
- AND
- 변환 가능성 | 같음 | 가장 낮은 가능성
- AND
- 내부 조직 | 같음 | 829302
큰 구매 합계로 참여도가 높은 개인 찾기
각각 $500를 초과하는 5개 이상의 구매를 한 적이 있는 참여율이 높은 개인에 대한 필터. 높은 참여율은 BU 20392에 대한 모바일 열기 예측 점수가 0.8을 초과하고 변환 가능성이 가장 높은 가능성임을 의미합니다.
예
- Einstein 푸시 참여 점수 | 계수 | 최소 | 1
- 직접 열기 점수 | 초과 | 0.8
- AND
- 변환 가능성 | 같음 | 가장 높은 가능성
- AND 내부 조직 | 같음 | 20392
- 세일즈 주문 | 계수 | 최소 | 5
- 총액 | 초과 | 500
1 알버트 아인슈타인의 권한은 예루살렘 히브리대학(Hebrew University of Jerusalem)의 허가를 받아 사용되었습니다. Greenlight 독점.
이 기사를 통해 문제를 해결했습니까?
개선을 위한 의견을 보내주세요.
