#F5F5F5

Adobe Customer Journey Analytics 的功能

AI 驅動的分析

運用代理式 AI、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。

Data Insights 代理（即將推出）

使用代理式 AI 自動分析和視覺化跨通道客戶數據，以呈現豐富的分析，並採取預先核準的行動，如診斷根本原因和提供建議的最佳化。

數據分析： 使用自然語言提示在 Analysis Workspace 中建立並演進專案（即將推出）。
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。
個人化的分析： 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： 提出迭代問題以便對您的分析進行微調。

style

M spacing

進一步瞭解 AI 助理

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。

style

M spacing

進一步瞭解算法歸因

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。

style

M spacing

進一步瞭解異常偵測

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。

style

M spacing

進一步瞭解智慧字幕

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。

style

M spacing

進一步瞭解實驗面板

style

M spacing

#D0F1E1

瞭解如何使用 AI 驅動的分析功能

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

title

使用生成式 AI 獲取更好的分析和更快的分析。

CardDescription

使用 Adobe Customer Journey Analytics 的 AI 功能加速分析任務——從細分和歸因到數據查詢等各項任務——讓一切變得更快捷。

cardDate

2024-11-13

cardImage

primaryTag

caas:content-type/product-page