Adobe Marketing Campaign Analytics 기능

측정 모델 및 인사이트

확장 가능한 인과관계 AI를 활용하여 ROI를 자신 있게 정량화하세요. 고유한 비즈니스, 채널, 외부 요인을 반영하도록 모델을 구성 및 맞춤화하고, 점진적 마케팅 성과를 입증하고 다음 투자 방향을 안내하는 온디맨드 인사이트에 액세스할 수 있습니다.

인과관계 추론 모델링

Adobe Marketing Campaign Analytics는 단순한 보고를 넘어 인과관계 인텔리전스를 실행에 옮겨 성과를 창출하는 요인을 측정 가능한 점진적 영향과 직접 연결합니다. 이를 통해 대규모 환경에서도 신뢰할 수 있고 근거 있는 의사 결정을 내릴 수 있습니다.

인과관계 추론 기반. 기본 제공 인과관계 추론 기법과 독점 AI 및 머신 러닝(ML)을 통해 다양한 데이터 소스, 편향 보정, 사전 지식을 통합하세요. 개인 정보 보호 우선 환경을 포함하여 마케팅 활동과 관련 외부 요인 전반에서 점진적 효과를 분리할 수 있습니다.
증분 회귀 모델. 실제 마케팅 행동을 반영하도록 설계된 증분 회귀 모델을 통해 크로스채널 시너지, 수익 감소 등 복잡한 효과를 고려하여 보다 신뢰할 수 있는 시나리오 계획과 투자 의사 결정을 지원합니다.
통합 측정 프레임워크. 통합 모델링 프레임워크를 통해 여러 측정 방법론을 단일 워크플로우로 통합하세요. 수동 작업을 줄이고, 의사 결정에 바로 활용할 수 있는 일관된 인사이트를 대규모로 신속하게 제공할 수 있습니다.

전체 퍼널 기여도 및 마케팅 성과 인사이트

채널, 캠페인, 전체 퍼널 전반에서 마케팅 성과를 명확하고 신뢰성 있게 파악하세요. Marketing Campaign Analytics는 복잡한 모델 결과를 실질적이고 실행 가능한 인사이트로 전환하여 성과를 설명하고, 더 스마트한 투자 의사 결정을 내리고, 자신 있게 계획을 수립할 수 있도록 지원합니다.

전체 퍼널 기여도. 상위 퍼널 투자부터 이후 성과와 하위 퍼널 성과에 이르기까지, 마케팅 채널과 캠페인이 전체 퍼널에서 어떻게 상호 작용하는지 알아보세요. 캠페인 활동은 채널 성과 및 비즈니스 결과에 영향을 미치므로 그 효과를 더 쉽게 설명하고 자신 있게 믹스 의사 결정을 내릴 수 있습니다.
채널 및 미디어 유형 보고. 더욱 심층적인 인사이트로 캠페인을 분석하고, 온사이트, 오프라인, 유료, 온드, 언드 미디어 전반에서 채널과 미디어 유형에 미치는 점진적인 영향을 파악하세요. 에셋 수준까지 최적화 지점을 이해하여 수익을 극대화할 수 있습니다.
고급 기여도. 마지막 접점의 기여도를 넘어 고객 여정 전반에서 개별 접점이 점진적 영향에 어떻게 기여하는지 파악하세요. Adobe Analytics 또는 Customer Journey Analytics를 통해 이벤트별 데이터를 사용할 수 있는 경우, 기본 기능을 통해 수작업을 줄이고 빠르게 기여도 인사이트를 제공할 수 있습니다.
한계 반응 곡선. 지출이 증가함에 따라 증분 수익이 어떻게 변화하는지 시각화하여 수익 감소 구간과 한계 손익분기점을 파악하세요. 투자 변동에 따른 성과 반응을 기반으로 투자를 조정하고 계획을 수립할 수 있습니다.
채널 시너지 인사이트. 채널이 서로 독립적으로 작동하는 것이 아니라 서로 강화하는 방식을 이해하여 통합 투자가 더 큰 효과를 창출하는 지점을 파악하세요. 성과를 보다 쉽게 설명하고, 전체 마케팅 포트폴리오의 상호 작용을 기반으로 예산을 조정할 수 있습니다.

모델 투명성

모델 성능과 신뢰성에 대한 명확한 가시성을 통해 투자 및 계획 결정에 대한 확신을 얻으세요. Marketing Campaign Analytics는 모델의 동작을 필요할 때 언제든지 확인할 수 있도록 설계되어 결과를 이해하고, 품질을 평가하고, 인사이트를 자신 있게 활용할 수 있도록 지원합니다.

모델 평가. 실제, 예측, 잔차 결과를 비교하는 시각화를 통해 모델의 동작을 보다 쉽게 이해하고, 한눈에 성과를 평가할 수 있습니다.
모델 품질 지표. R², 평균 절대 백분율 오차(MAPE), 평균 제곱근 오차(RMSE) 등 모델의 정확성과 적합성을 보여주는 업계 표준 모델 평가 지표를 사용하여 모델의 적합성과 품질을 평가할 수 있습니다.
학습 적합성 지표. 모델이 과거 데이터로 얼마나 잘 학습되었는지 보여주는 학습 적합성 지표를 검토하여 결과를 활용하기 전에 모델의 안정성과 적합성을 평가할 수 있습니다.
모델 드리프트 감지 자동화. 모델 성과가 드리프트되기 시작하면 사용자에게 선제적 알림을 제공하므로 더 이상 지속적인 수동 모니터링이 필요하지 않습니다. 또한 기본 제공되는 가이드를 통해 기술 지식 유무에 관계없이 모든 팀이 모델 성능을 최적으로 유지할 수 있습니다.

온디맨드 모델 구성

관련성과 유연성을 유지하면서 마케팅 측정을 확장하세요. Marketing Campaign Analytics는 기술 팀의 부담을 줄이면서도 비즈니스에 맞게 적용됩니다. 팀은 고유한 비즈니스 목표와 특성에 따라 모델 구성을 신속하게 맞춤화 및 개선할 수 있어 결과의 관련성, 정확도, 예측에 대한 신뢰도를 높일 수 있습니다.

고유한 비즈니스 특성. 마케팅 접점, 캠페인 기간, 선험적 믿음, 내외부 요소 등 다양한 비즈니스별 특성을 고려하여 모델이 실제 환경을 반영하도록 합니다.
모델 변형. 수익, 판매 단위, 리드 등의 다양한 변수, 차원, 성과를 기반으로 여러 버전의 모델을 만들어 모델을 처음부터 다시 구축하지 않고도 다양한 비즈니스 질문에 답변할 수 있습니다.
모델 관리. 직관적인 셀프서비스 인터페이스를 통해 모델을 보고, 구성하고, 훈련하고, 점수를 매기세요. 수동 워크플로우에 대한 의존성을 줄이고 비즈니스 니즈와 시장 상황이 변화함에 따라 효율적으로 모델을 관리할 수 있습니다.
속도 및 민첩성. 비즈니스 니즈에 맞춰 언제든지 모델을 재실행, 재학습, 재평가하고, 복잡성과 병목 현상을 제거하여 수익 창출과 수익 극대화에 집중할 수 있습니다.