模型卡：Einstein 度量保护
在 Marketing Cloud Next 中，Einstein 度量保护会分析电子邮件打开和单击事件，并计算每个事件真实存在的可能性。该模型主要侧重于通过大规模电子邮件提供商筛选电子邮件，这些提供商在客户打开消息之前打开消息。该模型也适用于私人公司电子邮件服务器上电子邮件扫描仪的打开和单击。
所需的 Edition
| 适用于：带 Marketing Cloud Next Growth 或 Advanced Edition 的 Salesforce Enterprise 和 Unlimited Edition |
| Marketing Cloud Next for Marketing Cloud Engagement Pro、Corporate 和 Enterprise Edition |
Einstein 度量保护可用作 Marketing Cloud Next 电子邮件发送的入站电子邮件活动的实时筛选器。它也可以用作从 Marketing Cloud Engagement+ 的电子邮件活动的计算分数，该分数被加载到 Data Cloud 的电子邮件参与 DMO 中。每个版本通过使用不同的模型来解决相同的问题。
模型详细信息
为了分析消息打开和点击以及区分机器人和人类，Einstein 度量保护模型通过使用训练算法、参数、公平约束、功能和其他应用方法分析消息打开和点击，以区分机器人和人类。
个人或组织
Salesforce Marketing Cloud Next Growth 和 Advanced Edition
模型数据和版本
- 2024 年 2 月
- 在整个版本中，可能会发生微小的变化
- 重大变更可能会发生，并通过发行说明进行传达
模型类型
基于贝叶斯的计算和线性回归用于实时预测服务。逻辑回归和隔离林用于批处理预测服务。
常规信息
对于每个电子邮件打开和点击事件，Einstein 度量保护会分配置信度分数，以评估人为发起的真实打开或点击。得分范围从 0% 到 100%。分数越低，表示打开或单击是真的置信度越高。分数越高，打开或单击事件由机器生成的可能性越高。
该模型分析个人的历史参与事件和模式，以预测打开或点击真实存在的可能性。该模型通过使用事件关联和属性来监控行为变化。在构建预测时，最近的行为变化和参与模式会加权更重。
与基于标准筛选的方法相比，Einstein 度量保护降低了假阳性和假阴性结果的风险，并最大限度地减少了信息丢失。
预期用途
Einstein 度量保护模型适用于这些用例。任何其他内容都超出范围，不推荐。
- 该模型提供了一层信息，帮助 Einstein 计算每封电子邮件打开或单击的可信度。Einstein 度量保护是针对一些电子邮件客户端提供商实施的邮件隐私保护。Einstein 可以构建更准确的模型并提供更好的推荐。
- 在使用嵌入 Marketing Cloud Next 发送的实时服务时，得分不佳的事件不会包含在市场营销数据统计中，也不会用于触发后续行动。
- 在 Data Cloud 中为 Marketing Cloud Engagement+ 数据使用批处理服务时，所有事件都会收到预测分数，供客户在营销策略中分析和使用。
相关因素
这些因素与 Einstein 度量保护模型相关联。
模型输入
参与历史记录包括电子邮件发送和参与事件，包括打开次数、单击次数、用户客服人员、IP 子网和关联的时间戳。
Einstein 度量保护分析的参与历史不包括这些因素。
- 从第三方购买或收集的数据
- 人口统计数据
- 电子邮件模板或呈现的电子邮件正文中的特定内容
模型输出
为了衡量打开或点击真实存在的可能性，该模型为每个事件生成一个概率度量分数。消息传递服务使用该分数来筛选出低分数的活动。
环境
该模型在 Salesforce Marketing Cloud Next 环境中训练和部署。
度量
Einstein 评估并监控模型性能度量，以改善模型质量。性能评测包含模型平均绝对误差分数等数据。
训练数据
Einstein 度量保护使用内部数据和外包数据的全局模型进行培训。一个 Salesforce 客户中的数据不会影响另一个 Salesforce 客户的行为。模型的每个版本都使用全局模型数据，其中包含为每个客户定制的优化样本权重。
道德方面的注意事项
审查与 Marketing Cloud Next 中的 Einstein 度量保护模型相关的道德因素。为了避免偏见和其他道德风险，该模型不包括人口统计数据。
在您解释数据时，请注意根据生成的分数做出假设。在某些情况下，可能会出现具有潜在不良结果的情况。
