Καμπάνιες βελτιστοποιημένες με AI
Μια καμπάνια βελτιστοποιημένη με AI (AI-Optimized) δεν στέλνει ένα μήνυμα σε όλους. Αντίθετα, της δίνετε ένα σύνολο επιλογών - διαφορετικά μηνύματα σε διαφορετικά κανάλια - και η AI αποφασίζει, για κάθε μεμονωμένο παραλήπτη, σε ποιο κανάλι και σε ποιο μήνυμα είναι πιο πιθανό να ανταποκριθεί. Αυτή είναι η «καταλληλότητα προσφοράς»: η σωστή προσφορά, στο σωστό άτομο, στο σωστό κανάλι.
Σε αντίθεση με τις δοκιμές A/B (που βρίσκουν τη μία καθολικά καλύτερη παραλλαγή), η βελτιστοποίηση AI βρίσκει την καλύτερη επιλογή ανά χρήστη με βάση τα γνωρίσματα και τη συμπεριφορά του ίδιου του χρήστη.
Πώς λειτουργεί
Για κάθε παραλήπτη, ο πράκτορας λαμβάνει μία απόφαση:
- Αξιοποίηση (το μοντέλο) - Ένα μοντέλο ανά χρήστη βαθμολογεί κάθε διαθέσιμη επιλογή με βάση τα χαρακτηριστικά του παραλήπτη και επιλέγει εκείνη που είναι πιο πιθανό να πετύχει τον στόχο σας. Αυτή είναι η ουσιαστική εξατομίκευση - διαφορετικοί χρήστες λαμβάνουν διαφορετικές επιλογές.
- Εξερεύνηση (έξυπνη) - Ένα μικρό ποσοστό των παραληπτών (περίπου 10%) λαμβάνει μια επιλογή για την οποία το σύστημα είναι ακόμη αβέβαιο για τον συγκεκριμένο χρήστη, αντί για μια ομοιόμορφα τυχαία. Έτσι η μάθηση παραμένει αποδοτική - δοκιμάζει πολλά υποσχόμενες αλλά μη δοκιμασμένες επιλογές, αντί να σπαταλά αποστολές σε επιλογές που έχει ήδη αποκλείσει.
- Ψυχρή εκκίνηση - Πριν το μοντέλο μάθει τις επιλογές μιας καμπάνιας, οι επιλογές κατανέμονται δίκαια ώστε κάθε επιλογή να δειγματοληπτηθεί. Το μοντέλο αναλαμβάνει αυτόματα μόλις αποκτήσει δεδομένα.
Εξετάζονται μόνο τα κανάλια στα οποία ο παραλήπτης είναι πράγματι προσβάσιμος - μια επαφή χωρίς αριθμό τηλεφώνου δεν θα λάβει, για παράδειγμα, επιλογή SMS ή WhatsApp.
Holdout και βελτίωση (lift)
Ένα ρυθμιζόμενο ποσοστό holdout κρατείται ως ομάδα ελέγχου και λαμβάνει μια τυχαία επιλογή αντί για την επιλογή της AI. Η σύγκριση του holdout με την ομάδα που βελτιστοποιήθηκε από την AI είναι ο τρόπος με τον οποίο μετράτε την πραγματική βελτίωση που προσφέρει η βελτιστοποίηση.
Ο πίνακας της καμπάνιας το αναφέρει από πραγματικά δεδομένα καθώς αυτά συσσωρεύονται: συνολική βελτίωση έναντι του holdout, μια ημερήσια καμπύλη μάθησης, βελτίωση ανά τμήμα (π.χ. ανά χώρα, μόλις κάθε τμήμα αποκτήσει αρκετούς χρήστες) και ένα εύρος εμπιστοσύνης ανά προσφορά που στενεύει όσο κάθε προσφορά χρησιμοποιείται περισσότερο. Τα πλαίσια παραμένουν κρυφά μέχρι να υπάρχουν αρκετά δεδομένα - δεν θα δείτε ποτέ έναν αριθμό-δείγμα.
Βρόχος μάθησης
Κάθε απόφαση καταγράφεται και τα αποτελέσματα αποδίδονται πίσω στην απόφαση που τα προκάλεσε, οπότε το μοντέλο βελτιώνεται συνεχώς καθώς φτάνουν τα αποτελέσματα (μια επανεκπαίδευση εκτελείται καθημερινά).
- Το τι μετρά ως επιτυχία ακολουθεί τον στόχο σας: η Αλληλεπίδραση ανταμείβει ανοίγματα/κλικ· η Μετατροπή ανταμείβει το συγκεκριμένο συμβάν μετατροπής σας (συμπεριλαμβανομένου ενός προσαρμοσμένου συμβάντος όπως το
signup)· τα Έσοδα ανταμείβουν την αξία αγοράς. - Το παράθυρο μετατροπής έχει σημασία. Μια μετατροπή πιστώνεται σε μια απόφαση μόνο αν συμβεί εντός του παραθύρου μετατροπής της καμπάνιας (ορίζεται στην παρακολούθηση μετατροπών, προεπιλογή 7 ημέρες) μετά την αποστολή - ώστε η απόδοση να παραμένει έντιμη.
- Η απόδοση είναι last-touch - μια μετατροπή πιστώνεται στην πιο πρόσφατη σχετική απόφαση για τον συγκεκριμένο χρήστη. (Μια καμπάνια είναι εφάπαξ αποστολή, οπότε το last-touch είναι το σωστό μοντέλο. Τα πολυβηματικά journeys με πολλούς κόμβους AI-Decision μοιράζονται αντίθετα την πίστωση μεταξύ τους - δείτε τους κόμβους AI-Decision.)
Επειδή το μοντέλο μαθαίνει από αποτελέσματα, και τα αποτελέσματα χρειάζονται χρόνο για να φτάσουν (ώρες για κλικ, ημέρες για αγορές), ένα ολοκαίνουργιο σύνολο προσφορών δεν εξατομικεύεται στην πρώτη κιόλας αποστολή - ξεκινά ως δίκαιη δοκιμή και εξατομικεύεται καθώς συγκεντρώνονται αποτελέσματα. Η βελτιστοποίηση AI αποδίδει περισσότερο σε επαναλαμβανόμενες καμπάνιες και επαναχρησιμοποιούμενες προσφορές. Δείτε τις Εξατομικευμένες παραλλαγές στις Δοκιμές A/B για την ίδια συμπεριφορά ψυχρής εκκίνησης.
Ρύθμιση μιας καμπάνιας βελτιστοποιημένης με AI
- Μεταβείτε στις Καμπάνιες και δημιουργήστε μια νέα καμπάνια, επιλέγοντας AI-Optimized ως τύπο.
- Στην καρτέλα Παράδοση, ρυθμίστε τη βελτιστοποίηση:
- Κανάλια - Ενεργοποιήστε τα κανάλια από τα οποία μπορεί να επιλέξει η AI (Email, SMS, Push, WhatsApp).
- Στόχος βελτιστοποίησης - Αλληλεπίδραση (ανοίγματα/κλικ), Μετατροπή (ένα προσαρμοσμένο συμβάν) ή Έσοδα (αξία αγοράς).
- Συμβάν μετατροπής - Εμφανίζεται όταν ο στόχος είναι Μετατροπή· το όνομα του συμβάντος που μετρά ως επιτυχία.
- Μέγιστα μηνύματα ανά εβδομάδα - Ένα ανώτατο όριο συχνότητας ανά παραλήπτη.
- Ποσοστό holdout - Το μερίδιο της ομάδας ελέγχου που χρησιμοποιείται για τη μέτρηση της βελτίωσης.
- Στην καρτέλα Πρότυπα, προσθέστε μια παραλλαγή ανά κανάλι - το σύνολο επιλογών από το οποίο επιλέγει η AI:
- Email - Συντάξτε θέμα και σώμα, ή επιλέξτε ένα αποθηκευμένο πρότυπο email.
- SMS / Push - Συντάξτε το μήνυμα απευθείας.
- WhatsApp - Επιλέξτε λογαριασμό WhatsApp και εγκεκριμένο template, και μετά αντιστοιχίστε τις μεταβλητές του template (το WhatsApp απαιτεί εγκεκριμένο template).
- Ξεκινήστε την καμπάνια. Η καμπάνια αποφασίζει ανά παραλήπτη τη στιγμή της αποστολής και αρχίζει να μαθαίνει από τα αποτελέσματα.
Υποστηριζόμενες επιλογές
| Κανάλι | Τι μπορείτε να χρησιμοποιήσετε |
|---|---|
| Συντεταγμένο θέμα + σώμα, ή αποθηκευμένο πρότυπο email | |
| SMS | Συντεταγμένο μήνυμα |
| Push | Συντεταγμένος τίτλος + σώμα |
| Ένα εγκεκριμένο template WhatsApp (με επιλεγμένο λογαριασμό + αντιστοίχιση μεταβλητών) |
Αν μια επιλογή δεν μπορεί να παραδοθεί όπως έχει ρυθμιστεί (για παράδειγμα, μια παραλλαγή WhatsApp χωρίς επιλεγμένο λογαριασμό), η καμπάνια το αναφέρει κατά την εκκίνηση αντί να στείλει ένα μη έγκυρο μήνυμα.
Συμβουλές
- Δώστε της πραγματικές επιλογές. Η AI μπορεί να βελτιστοποιήσει μόνο μεταξύ των επιλογών που παρέχετε - διαφορετικές οπτικές, προσφορές ή κανάλια της δίνουν περισσότερα να μάθει από ό,τι σχεδόν πανομοιότυπες παραλλαγές.
- Επιλέξτε τον σωστό στόχο. Η Αλληλεπίδραση βελτιστοποιεί για ανοίγματα/κλικ· επιλέξτε Μετατροπή με συγκεκριμένο συμβάν όταν αυτό που σας ενδιαφέρει πραγματικά είναι μια επόμενη ενέργεια.
- Κρατήστε ένα holdout. Χωρίς ομάδα ελέγχου δεν μπορείτε να αποδείξετε τη βελτίωση. Ένα holdout 10% είναι μια λογική προεπιλογή.
- Κάντε υπομονή την πρώτη ημέρα. Οι πρώτες αποστολές βασίζονται στην εξερεύνηση όσο το μοντέλο συγκεντρώνει δεδομένα· η εξατομίκευση ανά χρήστη ενισχύεται μετά την πρώτη επανεκπαίδευση.
Σχετικά
- Δοκιμές A/B - όταν θέλετε μία καθολικά νικήτρια παραλλαγή αντί για επιλογή ανά χρήστη.
- Βελτιστοποίηση χρόνου αποστολής - βελτιστοποίηση χρονισμού ανά χρήστη, που συνδυάζεται φυσικά με την επιλογή προσφοράς ανά χρήστη.