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.
측정 모델 및 인사이트 기능 120% 활용하기
Experience League에서 설명서, 튜토리얼, 사용자 가이드 등 다양한 학습 콘텐츠를 이용해 보세요.
