Vous êtes ici :
Carte du modèle Ouvertures probabilistes Einstein
Le modèle dans cette carte analyse le calcul des événements ouverts et la probabilité que chaque événement ouvert soit réel.
- Détails du modèle
Le modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement analyse la probabilité d'ouverture des messages en utilisant ces algorithmes d'entraînement, paramètres, contraintes d'équité, fonctionnalités et autres approches appliquées. - Utilisation prévue
Le modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement est destiné aux cas d'utilisation ci-dessous. - Facteurs associés
Ces facteurs sont associés au modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement. - Métriques
Einstein évalue et surveille les métriques de performance du modèle pour vérifier et améliorer la qualité du modèle. Ces mesures de performance sont associées au modèle Einstein Probabilistic Opens. - Données d’entraînement
Vous avez une version personnalisée du modèle qui est entraîné seul sur vos données. Les données d'un client Salesforce ne peuvent pas affecter le comportement d’un autre client Salesforce. Même si la formation du modèle a lieu pour chaque client sur ses données, le développement initial du modèle est validé avec un ensemble représentatif de données des clients pilotes. - Considérations éthiques
Examiner les facteurs éthiques associés au modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement
Détails du modèle
Le modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement analyse la probabilité d'ouverture des messages en utilisant ces algorithmes d'entraînement, paramètres, contraintes d'équité, fonctionnalités et autres approches appliquées.
Personne ou organisation
Salesforce Einstein dans Marketing Cloud Engagement
Date du modèle et version
- Décembre 2021
- Des changements mineurs peuvent avoir lieu pendant toute la durée de la version.
- Des changements majeurs peuvent avoir lieu et sont communiqués via des notes de publication.
Type de modèle
Analyse temporelle, Modèle prédictif
Informations générales
Les ouvertures probabilistes Einstein attribuent à chaque événement d'ouverture d'e-mail un score de confiance qui représente l'événement en tant qu'ouverture réelle initiée par l'humain. Le score varie de 0 à 100 %. Les scores plus élevés représentent une confiance plus élevée que l’ouverture est réelle. Les scores plus faibles représentent une probabilité plus élevée que l’événement d’ouverture est généré par une machine.
Le modèle analyse les événements historiques et les modèles d’engagement d'un abonné afin de prédire la possibilité qu'une ouverture soit réelle. Le modèle exécute l'association et l'attribution d'événements pour surveiller les modifications des comportements. Les modèles d’engagement et les modifications de comportement les plus récents sont davantage axés sur les prédictions.
Comparé à une approche basée sur le filtrage typique, le modèle ouvert probabiliste fournit des résultats plus précis en réduisant le risque de résultats faux positifs et faux négatifs tout en minimisant la perte d'informations. Les ouvertures probabilistes sont fondamentales pour tous les autres produits et modèles Einstein. Einstein entraîne le modèle de chaque client en utilisant uniquement les données de ce client.
Contraintes
Aucune contrainte visible.
Licence
Einstein Probabilistic Opens est disponible pour les clients de Marketing Cloud Engagement avec l'une de ces éditions.
- Édition Corporate
- Édition Enterprise
- Édition Enterprise+
Utilisation prévue
Le modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement est destiné aux cas d'utilisation ci-dessous.
Principaux cas d’utilisation prévue
- Le modèle Einstein Probabilistic Opens fournit une couche d'informations qui aide Einstein à calculer la fiabilité de chaque e-mail ouvert. Ce modèle répond à la protection de la vie privée de la messagerie implémentée par certains fournisseurs de clients de messagerie. Ainsi, Einstein peut élaborer des modèles plus précis et fournir de meilleures recommandations.
- Les marketeurs peuvent recueillir des connaissances à partir des Opens probabilistes Einstein qui offrent une vue plus réaliste des niveaux d'engagement des abonnés. En utilisant ces connaissances, les marketeurs peuvent affiner la segmentation ou le ciblage dans les futures campagnes.
Cas d’utilisation non prévue
Tous les cas autres que les cas principaux d’utilisation prévue sont des cas d’utilisation non prévue non recommandés.
Facteurs associés
Ces facteurs sont associés au modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement.
Entrée du modèle
Fréquence d'engagement Einstein analyse jusqu'à 90 jours de modèles d'engagement historiques des abonnés. L’historique d'engagement inclut ces facteurs.
- Envois d'e-mail, rebonds et événements d'engagement, y compris les ouvertures, les clics, les désabonnements, les réclamations pour spam, et les horodatages associés
- Données et métadonnées sur les modèles d’envoi du client, y compris la façon dont les campagnes sont exécutées
L'historique d'engagement analysé par Einstein Probabilistic Opens exclut les facteurs ci-dessous.
- Données achetées ou collectées de parties tierces
- Données démographiques, habituellement enregistrées dans SFMC comme extensions de données ou attributs d’abonné ou de contact
- Contenu spécifique dans le modèle d’e-mail ou le corps du message rendu
Sortie du modèle
Pour chaque événement d’ouverture, un score probabiliste est produit pour mesurer la probabilité que l’ouverture soit réelle.
Groupes
Le modèle n’inclut pas les données démographiques ni les autres données achetées auprès de fournisseurs de données tiers.
Environnement
Le modèle est entraîné et développé dans l’environnement Marketing Cloud Engagement.
Métriques
Einstein évalue et surveille les métriques de performance du modèle pour vérifier et améliorer la qualité du modèle. Ces mesures de performance sont associées au modèle Einstein Probabilistic Opens.
Mesures de performance du modèle
Les métriques de performance du modèle comprennent des données telles que le score d'erreur absolue médiane du modèle.
Données d’entraînement
Vous avez une version personnalisée du modèle qui est entraîné seul sur vos données. Les données d'un client Salesforce ne peuvent pas affecter le comportement d’un autre client Salesforce. Même si la formation du modèle a lieu pour chaque client sur ses données, le développement initial du modèle est validé avec un ensemble représentatif de données des clients pilotes.
Considérations éthiques
Examiner les facteurs éthiques associés au modèle Einstein Probabilistic Opens dans Marketing Cloud Engagement
Lorsque vous interprétez vos données, veillez à ne pas faire d’hypothèses basées sur les scores générés. Scénarios avec des résultats indésirables potentiels peuvent se produire dans certaines circonstances.
