개인 정보 보호 제어
내장된 제어 기능을 사용하여 개인 정보 보호나 사용자 계약을 위반하는 경우 데이터를 활성화하지 못하게 할 수 있습니다. 데이터를 사용하는 방식과 개인 식별 정보에 연결할 수 있는 데이터 소스 및 대상을 제어할 수 있습니다.
기능
유사 모델링
Adobe Sensei 기반의 고유한 TraitWeight 알고리즘을 사용하여 주요 고객 이상으로 도달 범위를 확장하고, 제3자 데이터에서 가치가 높은 신규 고객을 발견할 수 있습니다.
고부가가치 고객과 유사한 고객 발견
신규 고객을 계속 발굴해야 하지만 어느 부분에 시간과 리소스를 투자해야 하는지 정확하게 알지 못합니다. 경쟁업체보다 앞서 가치 있는 고객을 확보하려면 민첩성이 필요하며, 무엇보다 중요한 것은 최신 고객 데이터를 사용하여 유사한 특성을 가진 다른 고객을 찾는 것입니다.
유사 모델링은 현재 고객층과 유사한 새로운 고부가가치 고객 세그먼트를 찾아 도달 범위를 확장합니다. 특성이나 세그먼트, 시간 간격, 자사 데이터 소스나 제3자 데이터 소스를 선택하면 Adobe의 머신 러닝 알고리즘인 TraitWeight가 Adobe Sensei를 기반으로 하여 동일한 특성을 가진 고객이나 기업을 데이터 소스에서 찾습니다. 그런 다음, 기본 고객과 가장 유사한 특성을 기준으로 성과를 측정하고 표시하므로 정확한 특성을 생성하여 고객 범위를 확장할 수 있습니다.
기능 보기
민첩성
신규 고객의 참여를 빠르게 유도합니다. Adobe의 새로운 모델을 통해 경쟁 솔루션보다 빠르게 대응할 수 있습니다.
연관성 높은 최신 결과
모델링 프로세스는 일정한 간격으로 자동으로 실행되어 데이터에서 새로운 가치를 찾아내므로 항상 최신 정보를 얻을 수 있습니다.
자동화
특성이나 세그먼트를 추측하거나 대규모의 정적인 규칙을 관리하는 데 시간을 낭비하지 않아도 됩니다. 알고리즘을 통해 고객을 자동으로 식별할 수 있습니다.
서버측 발견
모델링은 서버측 발견과 자사 데이터 및 제3자 데이터를 평가하는 검토 프로세스에 적용할 수 있습니다. 이를 통해 사이트에 방문한 고객을 확인할 수 있고, 특성에 대한 적합성 여부를 검토하지 않아도 됩니다.
관련 기능
A/B 테스트 세분화
세그먼트를 상호 배타적인 그룹으로 분할하여 KPI에 대해 다양한 타겟팅 플랫폼 또는 알고리즘 모델의 성과를 테스트함으로써 성공 지표를 정의할 수 있습니다.
고객 분석
Adobe Analytics에서 양방향 실시간 데이터 전송을 통해 탁월한 고객 인텔리전스를 확보할 수 있습니다. 고객 분석은 두 가지 소스를 통합하여 세그먼트별 성과를 제공하는 강력한 통합 보고 기능을 갖추고 있으므로, 더욱 효율적으로 최적화할 수 있습니다.