Adobe Customer Journey Analytics 功能

由人工智能驱动的洞察

使用生成式 AI 和机器学习服务来加速和增强日常分析任务，如分段、归因、数据处理、查询和数据故事讲述。借助更高效的强化洞察，您可以花费更少的时间梳理数据，将更多时间用于改善业务。

AI 助手

使用自然语言提示查询数据以回答临时问题。

  • 快速洞察。 提出诸如“我的前 10 大页面有哪些？”或“哪些产品的收益最高？”等问题，以获得即时洞察。
  • 个性化可视化。 通过自动生成的个性化可视化和表格形式的数据来发现洞察，以用于进一步分析。
  • 易于微调。 提出数量不限的迭代问题来微调分析。
AI 助手生成的产品收入图
style
M spacing
在线注册归因的图形和一则广告

算法归因

跨设备、渠道和内容比较活动，以了解在任何时间段和指标下导致特定转化事件的驱动因素。

  • 机器学习分析。 利用机器学习为成功转化事件的各种影响因素和渠道分配归因值。
  • 加权归因。 可以为最重要的触点自动分配适当的归因权重，并根据客户的实际交互模式为每个渠道提供最适合的模型。
style
M spacing

异常检测

自动查找数据中的统计学显著差异并获得应用程序内异常警报，节省手动运行和搜索数百份报告所需的时间。

  • 数据关系。 使用统计方法来分析跨渠道客户数据中的关系，将“真实信号”与“噪音”区分开来。
  • 异常警报。 调查异常情况，包括平均订单价值或页面查看量的急剧下降、低收入订单的激增等。
  • 影响因素。 确定导致异常的潜在因素并进行合理优化。
广告的贡献分析和异常警报
style
M spacing
AI 生成的字幕，显示汽车广告的互动指标

智能字幕

生成式 AI 可自动生成洞察，并针对在数据中发现的关键趋势和重要事件提供便于用户理解的说明。

  • 生成的洞察。 通过自动生成的洞察快速开始分析之旅，并且这些洞察会随数据的变化自动更新。
  • 轻松聚焦重点。 帮助分析师之外的人员轻松识别并理解值得关注的洞察。
  • 情境化报告。 在共享洞察时自动提供相关背景信息，使非技术用户能够独立处理，从而节省分析师的时间。
style
M spacing

试验面板

借助基于机器学习的增强分析覆盖所有线上和线下来源，跨渠道评估试验的影响和有效性。

  • 机器学习驱动的优化。 随着活动的增多和数据的不断积累，机器学习会自动优化数据，以提供更精确的结果并提高因果关系方面的可信度。
  • 清晰的因果关系。 通过与 Adobe Journey Optimizer 的原生集成，了解客户互动之间的因果关系以及它们如何推动特定结果。
两个广告变体以及 A/B 测试的结果
style
M spacing
style
M spacing

了解如何使用 AI 驱动的洞察功能

在 Experience League 中找到您需要的内容，其中收集了大量操作说明内容，包括文档、教程和用户指南。

了解详细信息

title
借助生成式 AI 提升洞察质量和分析速度。
CardDescription
借助 Adobe Customer Journey Analytics，使用 AI 加快分析任务的速度，无论是分段、归因还是数据查询等。
cardDate
2024-11-13
altCardImageText
借助 Adobe Customer Journey Analytics，使用 AI 加快分析任务的速度，无论是分段、归因还是数据查询等。
cardImage
primaryTag
caas:content-type/product-page
Tags
caas:content-type/product-page,caas:products/customer-journey-analytics

让我们谈谈 Customer Journey Analytics 如何助您的企业一臂之力

开始使用

营销人员和 AI 驱动的网站访问量洞察图表