Attribution AI in marketing
歸因人工智能作爲智能服務的一部分，是一種多渠道算法歸因服務，根據特定結果計算客戶互動的影響和增量影響。有了歸因人工智能，營銷人員可以通過了解每個客戶互動對客戶旅程每個階段的影響來衡量和優化營銷和廣告支出。
一、什麽是歸因人工智能
歸因人工智能用于将信用歸因于導緻轉換事件的觸及點（touchpoint）。營銷人員可以使用這一點來幫助量化客戶旅程中每個營銷觸及點的營銷影響。觸及點的例子包括顯示廣告印象、發送電子郵件、打開電子郵件和付費搜索點擊。
歸因人工智能輸出可以在不同維度上進行分離，并可以在客戶旅程的不同階段使用。這是在不需要将業務需求轉化爲機器學習問題、挑選算法、訓練或部署模型的情況下實現的。
歸因人工智能數據可以來自特定軟件的數據源或其他數據源。
歸因人工智能支持兩類分數，算法和基于規則。算法得分包括增量得分和受影響得分。基于規則（模型）的分數包括第一次觸及、最後一次觸及、線性、U形和時間衰減。
二、歸因人工智能原理（以市場歸因爲例）
歸因人工智能是如何運作的呢？我們的目的是要在各個粒度上，對級客戶（購買/決策）旅程中每個營銷接觸點的營銷影響進行量化和可視化。
以下圖爲例，我們觸及客戶有兩個方式，一個是主動觸達，包括付費關鍵字搜索、免費登陸、發送郵件、點擊郵件和付費點擊品牌關鍵字；另一個是被動觸達，包括屏幕展示印象（電影，電視機，戶外廣告）、發送郵件和打開郵件。以下圖爲例，當我們最終觸達到客戶的時候，總的付出的費用是250美金（客戶最後購買的是500美金的成交訂單）。那麽，人工智能如何幫助我們在客戶購買（決策）的旅程中識别無效/低效觸達點（touchpoint）呢？如果我們能夠通過分析這些不同的觸達點的數據，我們是否可以将我們的營銷開支用于不同的觸達點呢？答案是顯然的。特别是有的大公司，營銷部門會安排不同的團隊負責不同的渠道營銷宣傳工作。
歸因機器學習主要有兩大類
一個是基于算法的增量分數，一個是基于規則的被影響的分數。
關于AI積分，定義人工智能和對人工智能是如何計算分數的呢？
Attribution AI 用于将點數歸因于導緻轉化事件的接觸點。營銷人員可利用此功能，促進量化客戶曆程中每個營銷接觸點的營銷影響。接觸點示例包括顯示廣告展示、電子郵件發送、電子郵件打開和付費搜索點擊。
Attribution AI輸出可以跨不同維度進行分隔，并可在客戶曆程的不同階段使用。 這無需将業務需求轉換爲機器學習問題、選擇算法、培訓或部署模型即可完成。
Attribution AI支持兩類分數：算法分數和基于規則的分數。 分數包括增量分數和影響（規則）分數。基于影響（規則）的分數包括 First touch、Last touch、線性、U 型、時間衰減。
Florian Duetto的AI分數
Florian Duetto的人工智能得分是一個很好的衡量項目人工智能地位的标準。它由四個類别組成：感知、學習、互動和複雜決策，每個類别都以0到2的評分标準進行評分。感知計分爲二分之二需要處理音頻或視頻數據的能力，而學習可以從使用靜态規則到不斷複述。互動範圍從與人類的直接互動到高級對話人工智能，而複雜的決策範圍從簡單的決策到構建複雜的戰略。
基于AI算法的分數 VS 基于規則（影響）的分數
Alexa數據是一個很好的例子，說明一個項目在所有四個類别中都獲得了二分之二的分數。另一方面，Alexa在所有四個類别中都得了1分，這使其成爲具有中等人工智能能力的項目的一個很好的例子。Hot Tub，Not Hot Dog，是一個可以識别某個東西是否是熱狗的人工智能項目。它在所有四個類别中都得了零分，這使它成爲非人工智能項目的一個主要例子。預測性維護是一個實現的例子，它在人工智能得分上得了零分或一分，但仍然可以産生顯著的業務收益。
影響力得分是衡量個人或實體在特定領域的影響力和聲望的有力工具。通過量化你的影響力，你可以做出明智的決定，制定有效的策略，并最大限度地擴大你的影響力。
計算影響力得分涉及各種算法和方法，這些算法和方法考慮了社交媒體的存在、參與和權威等因素。這些分數可以衡量你的影響力，指導戰略決策，并幫助你确定關鍵參與者和潛在合作者。
不同的平台和行業有自己的衡量影響力的方法，比如學術期刊的特征因子得分。與原始引用計數相比，這些分數，如文章影響分數，可以更準确地表示引用的優點。
雖然影響力（基于規則）分數很有價值，但重要的是要認識到它們的局限性。比較不同學科的分數或發現評分算法中的偏差可能具有挑戰性。盡管如此，影響力分數仍然是數字領域的一個寶貴工具。
歸因人工智能數據加工流程 - Attribution AI workflow
第一步：采集，投喂數據，分析數據
第二步：根據商業目的配置不同的算法模型
第三步：訓練數據庫數據後，算法計算出分數
第四部：根據輸出判斷/結果執行預測和決策包括行動（在中控台上使用分析結果/爲中控台提供數據和分析）
AI分數通過可視化給予呈現如下。我們可以基于下圖中控台看闆上的數據分析市場營銷各個渠道的效果。
四、數字化營銷工兵 - 什麽是人工智能中的增量學習？
1. 人工智能中的增量學習的定義
AI增量學習是指人工智能系統随着時間的推移獲得新知識、技能和見解的動态過程，不斷增強其能力，而無需從頭開始進行再培訓。這種叠代方法使人工智能模型能夠吸收新數據，适應不斷變化的環境，并在不損害現有知識庫的情況下完善其決策能力。
2. 如何在人工智能環境中定位增量學習？
當應用于人工智能領域時，增量學習涉及對人工智能模型的理解和預測能力的系統和持續改進，而無需重新訪問整個訓練數據集。這種持續的改進使人工智能系統能夠适應不斷變化的模式、趨勢和場景，确保其在不同應用程序中的相關性和有效性。
3. 人工智能增量學習的背景和曆史
增量學習的概念植根于更廣泛的機器學習和人工智能領域。增量學習最初被認爲是克服傳統靜态模型局限性的一種手段，現在已經逐漸突出，尤其是在動态、真實世界環境中運行的人工智能系統的背景下。它的發展是由對人工智能模型的日益增長的需求所決定的，這些模型可以實時适應，無縫地結合新知識，同時最大限度地減少對其現有能力的幹擾。
4. 人工智能中增量學習的意義
增量學習在人工智能中的意義在于它在使人工智能系統在快速發展的條件下保持相關性和有效性方面的關鍵作用。通過不斷更新知識和适應新場景，配備了增量學習能力的人工智能模型可以提供更準确的預測，促進更快的決策，并在很長一段時間内保持其效用。這種持續的發展對人工智能在不同行業的應用至關重要，從醫療保健和金融到自動駕駛汽車和智能制造。
5. 人工智能中的增量學習是如何運作的
人工智能中增量學習的功能圍繞着它吸收新數據、提取相關見解并将這些知識整合到現有框架中而不放棄先前學習的能力。這個過程包括仔細的模型優化，以系統的方式引入新的數據樣本，以及重新校準預測算法以适應獲取的信息。最終，增量學習使人工智能系統能夠有機進化，确保持續的相關性和準确性。
5.1 歸因人工智能主要可以用于以下場景（以本文的營銷歸因工程爲例）：
1. 高管報告：讓高管了解營銷的真正增量影響，包括整體和渠道、地區、SKU等。
2. 預算分配：通過營銷渠道告知預算分配決策。
3. 活動優化：在每個渠道中，了解哪些活動、創意和關鍵詞更适合哪些SKU或Geos。這讓你可4. 4. 以查看每個渠道，以便營銷團隊可以優化他們的策略。
5. 全渠道歸因：了解營銷在整個客戶旅程中的影響。例如，免費帳戶注冊到付費轉換及其他。
6. 合作夥伴評估：根據歸因結果評估機構和合作夥伴的有效性。
7. 其他功能
歸因人工智能還提供與其他Adobe解決方案的集成，如客戶旅程分析。這使您能夠使用這些解決方案來利用可定制的算法模型來評估媒體性能并提供分析見解。
5.2 現實生活中，人工智能中增量學習在其他場景的應用例子：
應用示例（1）：加強醫療診斷系統在人工智能輔助醫療診斷的背景下，增量學習使系統能夠适應患者數據和病理學的變化，不斷提高診斷準确性。這導緻了更精确和可靠的醫學預測，最終改善了患者的預後。
應用示例（2）：電子商務中的個性化推薦
電子商務平台利用增量學習來增強其推薦引擎，允許根據不斷變化的消費者偏好和購買行爲進行動态調整。這确保了向用戶提供量身定制的相關建議，從而提高參與度和滿意度。
應用示例（3）：自主車隊管理
在自動駕駛汽車領域，增量學習有助于根據真實世界的體驗和新的交通模式重新校準駕駛模型，使車輛能夠适應新的場景，并确保安全高效的運營。
6. 人工智能中增量學習的利弊
雖然增量學習在提高人工智能能力方面有幾個好處，但它也存在一些值得考慮的缺點。
6.1 贊成的意見：
适應性：人工智能系統可以動态調整以适應新的數據和趨勢，确保持續的相關性。
效率：持續的學習過程最大限度地減少了對廣泛再培訓的需求，優化了資源利用率。
實時更新：人工智能模型可以快速吸收新信息，這在快速變化的環境中至關重要。
6.2 弊端
過度拟合風險：如果不小心管理，增量學習可能會導緻過度拟合，從而可能影響預測準确性。
數據依賴性：對順序數據輸入的依賴可能會限制增量學習在某些場景中的适用性。
模型穩定性：随着時間的推移，持續的适應可能會影響人工智能模型的穩定性和一緻性。
推薦閱讀
推薦閱讀 1 - AI credit scoring models in 2024: in depth guide
AI Credit Scoring Models in 2024: In-depth GuideBanks exist to make credit scoring decisions & AI can enhance credit scoring for businesses. Explore how AI impacts credit scoring & top vendors
https://research.aimultiple.com/credit-scoring-model/推薦閱讀2 - Understanding AI scoring
Understanding AI Scoring - ObjectiveHow AI data scoring works, how it’s achieved and why it’s effective for various activities including credit scoring, sales lead grading and medical diagnosis amounts others.https://objectiveit.com/blog/understanding-ai-scoring/
