SAP Marketing Cloud功能簡述(二) : Target Group

i042416發表於2019-10-09

這個系列的第一篇文章 SAP Marketing Cloud功能簡述(一) : Contacts和Profiles，我向大家介紹了SAP Marketing Cloud裡的Contacts和Profiles，本文繼續介紹SAP Marketing Cloud裡圍繞Target Group這個概念的一些相關場景和功能。

(1) 根據標籤細分使用者：Segmentation Modeling

在Segmentation Modeling中支援以各種標籤細分使用者群，如商品ID、互動方式、地區、性別、生日、姓名等。資料經過統計以圖形化等形式呈現。進行使用者細分的方式簡單方便，通過勾選或者點選等操作可以輕鬆實現。

(2) 預測工作室 Predictive Studio

藉助Predictive Studio，業務分析師可以建立預測模型。預測模型使用演算法和歷史資料計算提供客戶未來行為分析的評分。

場景示例：負責產品A營銷的業務人員Emma想要通過一個手機營銷活動，達成該產品200單的銷量。

建立和使用預測模型的流程概覽：

(1) 在Predictive Studio中，建立預測模型、選擇預測場景，以及定義場景所需的詳細資訊。
(2) 為預測模型建立一個或多個模型擬合。
(3) 使用歷史資料訓練模型。
(4) 檢查模型擬合的質量，選擇最佳模型擬合併啟用預測模型。
(5) 最佳模型擬合可用於計算預測評分。
(6) 在Segmentation中，基於活動的預測模型建立目標組。
(7) 在Campaigns中，針對target group執行營銷活動。
(8) 在Predictive Studio中，度量營銷活動的成功情況以檢視未來優化活動模型的方法。

下面是具體步驟介紹。

建立預測模型

Predictive Studio頁面中展示當前已有的預測模型，我們可以選擇重新建立一個。

在前面提到的場景下，預測場景Scenario應該選擇Consumer Buying Propensity.

進行以下設定：

Training Set: 訓練集的目標組(不能超過100萬成員）
Target Object: 產品A
Target Variable: 購買
Time Frame for Analysis: 指定對訓練集的分析期間
Number of Responses: 訓練集中購買產品A的成員數(訓練集中一定要有部分人購買了產品A)
Number of Members: 訓練集中成員數
Applicable Scope: 指定訓練集有效的區域

設定完畢後選擇save.

建立模型擬合

首先進行內部訓練模型擬合。在Model Fits部分，我們可以建立模型擬合。

在模型擬合頁面，我們選擇與模型相關的Predictors，然後點選Start Model Training開始訓練。

模型訓練結束會顯示如下結果，顯示內容的含義分別為：

Predictive Power: 屬於[0,1]，指示模型擬合質量，越大越好。
Predictive Confidence: 屬於[0,1]，指示預測置信度，越大越好。我們認為大於0.95為可靠。
Initial No. of Predictors：起作用的預測其列表中的條目數。
No. of Selected Predictors：所選預測器數量。
No. of Kept Predictors：保留的起作用的預測器數量。

柱狀圖表示每個起作用的predictor所起作用的百分比。

上載外部訓練模型擬合

除了使用SAP提供的標準預測分析模型，我們還可以上載外部訓練模型擬合。需要在建立新模型擬合時，選擇Logistic Regression.

在模擬擬合詳細資訊頁面底部，點選匯入模型進行匯入。注意：只能匯入xml格式檔案。

如果模型匯入成功，洛倫茲曲線會使用訓練集計算且曲線會在“預測模型”圖表中顯示。

選擇最佳模型擬合

我們可以多建立幾個Model Fit，選取其中擬合效果最好的。衡量擬合效果的標準如下：

Quality Coefficient: 即質量係數（也稱為基尼係數），取值[-1,1]，與隨機線和模型曲線之間的面積成正比，表示模型擬合的質量。

洛倫茲曲線：即下圖，將擬合質量視覺化。
選擇擬合最好的Model Fit進行Activate，被啟用的模型會顯示Active.

將預測模型用於營銷活動的使用者細分上

可以根據圖形化介面雙擊某個國家對使用者進行細分:

選擇Buying Propensity，找到我們提前設定好的模型，在Predicted Expected Responses一欄填入我們期望的訂單數200， Selected Contacts會顯示目標組大小。選擇Keep，確定Selected Contacts為目標組。

至此即可基於我們細分出的結果建立Target Group. 營銷人員Emma可以利用這個Target Group來進行智慧高效的精準營銷活動。

可以看到Target Group的資訊，點選Release之後，才可用於Campaign中。

評分構建器 Scores Builder

設立Score標準，補充使用者畫像，作為使用者細分的依據。

Score Builder首頁顯示現有的Scores，這些Model僅能檢視，不能修改。

點選檢視Score詳情，可以檢視Score使用的Rule Model，在Segmentation Modeling中所屬的資料夾，以及可以使用該Score的應用。

在Score Builder首頁點選Create Score可以建立新的Score.

點選加號，建立Rule Model, 一個Score可以有多個Rule Model, 後者支援多種不同Rule的組合設定。Rule為if then形式，不同規則用"and"或者"or"連線。相比單純在Segmentation Modeling中用標籤來細分受眾，Rule Model提供了多種屬性按不同權重來綜合衡量的可能。

將其他Target Group和Time Frame等資訊填寫完畢後，儲存並啟用。至此，Score的建立就完成了。

名為Best Email Sending Time的Score Rule，自動統計了整個客戶在每個時間段內狀態為Active的使用者數。

我們可以選擇活躍使用者最多的時間段，點選Keep，再次細分受眾。建立Target Group的過程同上。

根據使用者行為細分——基於觸發器的營銷活動 Trigger-Based Campaigns

除了以上提到的方法，我們還可以根據使用者行為對使用者進行細分。一旦使用者做出這些行為，那麼就加入了我們的Target Group。這種型別的Target Group會自動觸發營銷活動的開啟。

這類行為包含：Abandoned shopping cart/App installed/Email opened/Email not Opened/Click through/No click through等等。

這類自動觸發的營銷活動，在建立Campaign時需要在User Interaction中設定Trigger Type，也就是設定觸發營銷活動的使用者行為。這樣當使用者做出這些操作時，系統就會自動做出反應。例如當使用者廢棄購物車時，向使用者傳送郵件，提醒使用者購物車中的商品，能夠在一定程度上提高網上商城的盈利。