Carte du modèle d’Optimisation de l’heure d’envoi Einstein pour Mobile

Personne ou organisation

Salesforce Einstein pour Marketing Cloud Engagement

Date du modèle et version

• Décembre 2020
• 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

• Recommandation/Prédiction, factorisation de la matrice facteur de latence

Informations générales

• Dans Engagement, Optimisation de l’heure d’envoi Einstein optimise l’heure d’envoi des notifications push afin de maximiser l’engagement global des applications mobiles.
• Le modèle choisit l’heure optimale pour envoyer une notification push au contact pour maximiser la probabilité que le contact interagisse avec l’application. Les contacts interagissent en tapant sur la notification push pour ouvrir l’application ou en démarrant l’application directement. Le modèle détecte aussi les modèles dans l’application individuels pour éviter d’envoyer des notifications push lorsque les contacts sont déjà dans l’application. Un contact peut avoir différentes heures d’envoi optimales pour différentes applications.
• Nous formons le modèle de chaque client en utilisant uniquement les données de ce client.
• Un contact qui n’a pas suffisamment de données fait partie du groupe Heure d'envoi personnalisé en attente. Un contact est classé comme n’ayant pas suffisamment de données lorsqu’il n’y a pas au moins 1 ouverture au cours des 90 derniers jours. Pour ces contacts, le modèle envoie par défaut de l’une des deux façons en fonction de l’option de données insuffisantes que l’administrateur a sélectionnée dans la page de configuration OHE.
• Les deux options sont Envoyer à l’heure par défaut optimale Einstein et Envoyer immédiatement. L'option Envoyer à l’heure par défaut optimale Einstein signifie qu'Einstein cumule les scores pour tous vos contacts qui possèdent des données suffisantes, pour créer une distribution de scores pour chaque heure. Einstein suit ensuite cette distribution des scores pour attribuer des scores aux contacts qui n’ont pas suffisamment de données, de façon aléatoire. Une heure d’envoi est attribuée de façon aléatoire aux contacts sans données suffisantes, mais il est plus probable qu'ils reçoivent une heure avec un score supérieur plutôt qu’inférieur. Cette randomisation est ajoutée pour empêcher chaque contact du groupe Heure d'envoi personnalisé en attente de recevoir un e-mail en même temps, ce qui évite les envois excessifs et favorise l'obtention de meilleures données par Einstein.
• Les contacts du groupe Heure d'envoi personnalisé en attente reçoivent une notification push immédiatement lorsqu’ils atteignent l’activité OHE.

Licences

Optimisation de l’heure d’envoi Einstein pour Mobile est disponible pour les clients Engagement avec les éditions suivantes.

• Édition Corporate
• Édition Enterprise
• Édition Enterprise+
• Édition Pro où le client avec Journey Builder pour la SKU Édition Pro
• SKU Optimisation de l’heure d’envoi Einstein

Principaux cas d’utilisation prévue

Le modèle Optimisation de l’heure d’envoi active l’activité Optimisation de l’heure d’envoi Einstein dans Journey Builder. Journey Builder est un outil que les professionnels du marketing utilisent pour augmenter l’efficacité dans leurs campagnes marketing mobiles.

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. Par exemple, réduire la latence d’envoi générale pour les messages mobiles de réservation n’est pas un cas d’utilisation prévue.

Entrée du modèle

L'Optimisation de l'heure d'envoi Einstein pour appareil mobile analyse jusqu'à 90 jours de modèles d'engagement historiques par application. L’historique d'engagement inclut ces facteurs.

• Réactions et événements push, tels que les notifications push et les sélections de notifications push, et les horodatages associés
• Données et métadonnées sur les modèles d’envoi du client et façon dont les campagnes sont exécutées

L’historique d'engagement analysé par OHE Einstein exclut les facteurs suivants.

• 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 push ou le corps du message push affiché

Groupes

Le modèle n’inclut pas les données démographiques ni les autres données achetées auprès de fournisseurs de données tiers. Le modèle utilise les données d’engagement mobile comme Push, TapOpen (Taper pour ouvrir), AppOpen (Ouvrir une application), ou TimeInApp (Durée dans l’application).

Environnement

Le modèle est entraîné et développé dans Marketing Cloud Engagement.

Mesures de performance du modèle

Les métriques de performance du modèle agrégées sont regroupées pour surveiller, assurer et améliorer la qualité du modèle. Les métriques de performance du modèle comprenaient l’écart et la rareté des métriques d’entrée et la corrélation des scores de sortie et des observations historiques. Toutes les métriques sont agrégées et anonymisées.

Généralement, pour fournir des recommandations, Salesforce nécessite au moins un événement d'engagement, par exemple des ouvertures ou des clics d'un e-mail commercial au cours des 90 derniers jours. Lorsque vous activez Optimisation de l'heure d'envoi Einstein, les données existantes sont prises en compte dans les 90 jours.

Néanmoins, l’utilisation biaisée d’Optimisation de l’heure d’envoi (OHE) pour Mobile peut encore introduire des biais dans votre processus marketing.

Scores et modèles

Les scores et les modèles de Score d'engagement Einstein pour les e-mails sont mis à jour environ toutes les semaines. La fréquence d'actualisation varie de un à plusieurs jours en fonction de l'unité commerciale individuelle d'un client.