Modelkort: Einstein Optimering af afsendelsestid

Modeldetaljer

Einstein Send tid-optimeringsmodellen for Marketing Cloud Next maksimerer kundeengagement ved at bruge optimale afsendelsestider for mailindhold ved brug af disse træningsalgoritmer, parametre, rimelighedsbegrænsninger, funktioner og andre anvendte tilgange.

Person eller organisation

Salesforce Marketing Cloud Next Growth og Advanced Edition

Modeldata og version

• Februar 2024
• Mindre ændringer af modellen kan forekomme i hele frigivelsesperioden.
• Større ændringer kan forekomme og kommunikeres via produktbemærkninger.

Modeltype

Anbefaling og forudsigelse, latent faktormatriksfaktorisering

Supporterede kanaler

I øjeblikket understøttes kun mail.

Generelle oplysninger

Einstein Send tid Optimering er Salesforce-løsningen til at maksimere engagementfrekvensen for mails, der sendes baseret på afsendelsestidspunktet.

Modellen vælger den optimale tid til at sende en mail til en person, der maksimerer sandsynligheden for, at personen engagerer sig i meddelelsen. Da kundeafsendelsesmønstre varierer meget, har vi udviklet parametersæt, der er egnet til forskellige mønstre. Under uddannelse bestemmer en parametervælger det valgte sæt for en bestemt forretning.

Einstein Optimering af afsendelsestid bruger globale modeldata til at træne modellen. Bidragsdata anonymiseres og aggregeres på både forretningsenheden og kontaktniveauet, før de bruges i lokale organisationer. På denne måde kan den globale model bruges uden at dele personlige data, f.eks. mailadresser, mellem kundeforretningsenheder. Når du aktiverer Einstein af afsendelsestid, tilmelder du dig automatisk til at bruge globale modeller.

Einstein Optimering af afsendelsestid analyserer de seneste 90 dages mailengagementhistorik.

Bemærk Kunder, der har Data Cloud One aktiveret og bruger Marketing Cloud Next Growth eller Advanced Edition, fungerer fra, lagrer og behandler kundedata på samme sted som kundens Data 360-startsorganisation, uden at henvise til ledsagende organisationsplaceringer.

Tilsigtet brug

Den primære hensigtsmæssige anvendelse af Einstein Send tid-optimeringsmodellen er for marketingmedarbejdere til at øge effektiviteten i deres mailmarketingkampagner og maksimere kundeengagement. Alt andet er uden for anvendelsesområdet og anbefales ikke. F.eks. er reduktion af generel afsendelsesforsinkelse for reservationsreservationsmails ikke en tilsigtet anvendelsessituation.

Relevante faktorer

Disse faktorer er knyttet til Einstein.

Modelinput

Engagementhistorikken inkluderer disse værdier.

• Mails, afvisninger og engagementsbegivenheder, herunder åbninger, klik, opsigelser af abonnementer, spamklager og tilknyttede tidsstempler
• Data og metadata om kundeafsendelsesmønstre, herunder hvordan kampagner afvikles

Den engagementhistorik, som Einstein Optimering af afsendelsestid analyserer, udelader disse faktorer.

• Data, der er købt eller indsamlet fra tredjeparter
• Demografiske data
• Specifikt indhold i en mailskabelon eller gengivet mailbrødtekst
• Transaktionsmails, f.eks. købsbekræftelser, adgangskodenulstillinger og andre

Miljø

Modellen trænes og implementeres i Salesforce Marketing Cloud Next-miljøet.

Metrikker

Einstein evaluerer og overvåger modelydeevnemetrikker for at sikre og forbedre modelkvaliteten. Kunder er ansvarlige for at overvåge modellens nøjagtighed.

Modelydeevnemål

Aggregerede modelydeevnemetrikker indsamles for at overvåge, sikre og forbedre modelens kvalitet. Modelydeevnemetrikker inkluderer spredningen og sparsomheden af inputmetrikker og korrelationen mellem outputscores og historiske observationer. Alle metrikker aggregeres og anonymiseres.

Træningsdata

Einstein Optimering af afsendelsestid trænes ved brug af en global model af interne data og udleverede data. Data fra en Salesforce-kunde påvirker ikke adfærden for en anden Salesforce-kunde. Hver version af modellen bruger de globale modeldata med optimerede eksempelvægte, der er tilpasset for hver kunde.

Etiske overvejelser

For at undgå bias og andre etiske risici inkluderer Einstein STO-modellen ikke demografiske data.

Opdater kadence

Einstein og -modeller for mail opdateres ca. ugentligt. Opdateringskadencen varierer med en til flere dage baseret på en kundes individuelle forretningsenhed.