利用这些由各种类型的客户交互组成的事件序列根结底隐马尔可夫模型只不过是种紧凑的描述性方式用于总结当您的客户转换和 或购买您的产品时发生的事件概率 当 使用该模型来预测您的客户互动时真正的奇迹就会发生我们已经证明我们的模型可以发现客户旅程中的细微差别并在给定特定客户交互历史的情况下为每个可能的客户交互生成多项分布从这里我们可以推断出许多不同的有趣数据点包括 我们可以。
根据客户的历史记录观
察客户点击渠道或媒体类型驱动的广告的可能性可以汇总所有活跃用户的下个可能渠道以动态优化活动支出 我们可以找出与其他已转化的类似用户相 黎巴嫩电话号码 比该用户转化的可能性有多大如果我们从历史上看这些数据 认为这应该可以衡量活动的当前有效性水平适用于尚未转换的用户 我们可以估算活跃用户的数量他们在漏斗中的位置以及该位置相对于转化的可能性换句话说根据模型需要多少次点击才能影响每个潜在客户的。
转化状态我们的数据
科学团队评估在幕后此模型的多个变体并找到最能预测您的数据的模型因此您无需手动优化些关键模型参数包括营销渠道中的阶段数这与您的产品在 smm论坛 转化前通常需要的点击次数有关我们还可以优化模型的性质即 交互 组件中的项数例如我们是否应该考虑两种三种或四种不同类型的渠道交互以及 交互 组件是否应该有顺序 但是等等还有更多我们才刚刚开始并且已经在进步创新中向前迈进在即将发布的产品版本中。