Adobe Customer Journey Analytics 的功能

AI 推動的分析

運用生成式 AI 和機器學習服務來加速並增強日常分析任務,如細分、歸因、數據處理、查詢以及數據講述。有了更高效且更深入的分析,您將減少在梳理數據上花費的時間,而將更多時間用於改善業務。

AI 助理

使用自然語言提示來查詢數據,以回答臨時提出的問題。

  • 快速的分析: 提出問題,例如「瀏覽量前 10 的頁面是哪些?」或「哪些產品獲得的收入最高?」,立即獲得分析。
  • 個人化的視覺化: 透過自動產生的個人化視覺化圖表和數據表格,進一步挖掘並分析數據中的分析。
  • 簡便的微調: 可以提出無限次的迭代問題,以便對您的分析進行精細調整。

算法歸因

比較不同裝置、通道和內容上的活動,以瞭解在任何時間段和衡量標準下,導致特定轉化事件的驅動因素。

  • 機器學習分析: 運用機器學習技術,為成功轉化事件的各種促成因素和通道分配歸因值。
  • 加權的歸因: 自動向最重要的接觸分配適當的歸因權重,根據客戶的實際互動模式為每個通道提供最適合模型。

異常偵測

自動在數據中找出具有統計學意義的差異,並獲取應用內異常警報,從而節省手動運行和搜尋數百份報告所需的時間。

  • 數據關係: 運用統計方法分析跨通道客戶數據中的關係,從而將「真實訊號」與「噪聲」分離。
  • 異常警報: 調查異常情況,包括平均訂單價值或頁面瀏覽量的急劇下降、低收益訂單數量的激增等。
  • 促進因素: 識別導致異常情況的潛在因素,並進行適當的最佳化。

由 AI 產生的汽車廣告互動指標字幕

智慧字幕

生成式 AI 會自動產生分析,並以流暢易懂的字幕說明從數據中發現的關鍵趨勢和重要事件。

  • 產生的分析: 以隨數據變動而自動更新的自動產生的分析,開始您的分析之旅。
  • 簡便的重點提示: 協助非分析人士輕鬆識別並理解值得關注的重要分析。
  • 情境化報告: 讓非技術背景的使用者在分享分析時能自動獲取相關背景資訊,從而實現自助服務,進而節省分析師的時間。

實驗面板

運用機器學習強化的分析功能,從任何線上及線下來源,跨通道評估實驗的影響力和有效性。

  • 機器學習支持的完善: 隨著活動日益增多,數據不斷積累,機器學習會自動完善數據,從而提供更精確的結果,並讓因果關係的判斷更加可信。
  • 因果關係清晰: 透過與 Adobe Journey Optimizer 的原生整合,瞭解客戶互動之間的因果關係及其如何推動特定結果。

瞭解如何使用 AI 推動的分析功能。

在我們海量的使用方法內容集——Experience League 中,查看所需內容,包括文件、教學課程以及使用者指南。

進一步瞭解

一同探討 Customer Journey Analytics 能為您的企業做些什麽

開始使用

一位行銷人員持有一張顯示網站瀏覽量的 AI 分析圖表

This Adobe site doesn't match your location

Based on your location, we think you may prefer the United States website, where you'll get regional content, offerings, and pricing.