本系列文章分享笔者所在的团队，在从事 SAP Marketing Cloud 系统集成项目中积累的一些经验以及对这个 SaaS 软件的理解，希望广大同行不吝赐教。
SAP Marketing Cloud主要解决的问题，个人理解就是实现与客户一对一的精准智能营销。
(1) 精准：准确识别目标用户。
(2) 营销：提供了多种预设定的营销模式，同时支持用户自定义。
(4) Contacts联系人
作为一个营销人员，该怎么使用SAP Marketing Cloud来推动收入和业务增长呢?
本系列的文章，会从下列六个方法来分享 Marketing Cloud 的业务功能。
(1) Contacts & Profiles
(2) Segmentation & Target Group
(3) Content & Campaign
(4) Recommendation
(5) Lead
(6) Plan
Contacts & Profiles
首先明确一些基本概念：
Contacts：联系人。
Contact Profiles：联系人参数文件，包括个人数据、交互和许可。
Corporate Accounts：公司客户，信息包含客户联系人、客户团队成员、交互等详细信息。
Followers of Digital Accounts：社交账号关注者。SAP Marketing Cloud 支持我们查看社交账号关注者，生成对于关注者获取和关注者交互的分析报表。
Sentiment Engagement：情绪互动。
在与客户进行交互的过程中，我们在不断地进行数据的收集，逐渐完善用户画像。SAP Marketing Cloud对收集的数据进行了统计和分析，营销人员可以利用这些信息，来指导营销活动的进行。
(1) Contacts and Profiles Overview宏观数据统计和图形化展示
(2) Profiles Dashboard
抬头：不同级别的交互的各项指标的变化，如公司数、活跃程度、评分、交互升级数目等。
下图中间显示区域根据左侧时间和过滤器设定进行显示：客户兴趣图形化显示（鼠标放上去可以查看交互数和打分）、按渠道对交互数目进行统计、Contact列表。
选中某部分可以直接在Target Audience处创建Segmentation model或者Target group：
按渠道对交互数目进行统计：
Contact列表，选择某Contact可以查看其详细信息。
(3) Profiles 联系人参数文件
按时间进行排序显示，可以根据需求查看Profiles。
展示信息包括个人数据、交互和许可。
Contacts列表展示了每个联系人的关键信息。您可以通过点击列表中的名称来访问单个联系人的详细参数文件(Profiles).
页面根据用户需求来显示contacts信息，用户可以直接以数据表的形式输出页面显示的contacts信息。
在这个页面我们可以通过勾选contact直接创建Target Group:
通过筛选查看相应的contacts:
支持多种筛选条件来帮助负责营销的工作人员查看contacts信息:
点击某contact查看明细信息。
Interaction标签页：显示与该客户的交互信息，用户兴趣等。
Personal Data：用户个人信息,包括联系方式、Marketing Areas和Attributes等。
Origin Data：显示信息源，并且链接Inspect contact可以查看更多信息。
Scores：分析用户信息，从多角度为该客户打分，衡量该Contact.
Permission Marketing：用户许可和订阅情况。
可以看到下图中该用户的联系方式给出了3个许可，订阅内容为0项。
Commerce：可以看到商品推荐、浏览偏好、购买记录。
(5) Profile Streaming
以3D/2D形式展示，某天与多少客户进行了多少次交互。
此处能够显示与每个渠道相关的详细信息，是Profile Dashboard的补充。
(6) Corporate Accounts 公司客户
进行My Accounts和All Accounts的查看, 可以直接通过勾选设立Target Group。
点击某Account查看详情，进入Spotlighting Accounts应用。
这一部分信息与2C场景的Contacts模块大致相似，只不过一个Corporate Account可以维护多个联系人，并设置主要联系人。
了解了 SAP Marketing Cloud里的Contacts和Profiles，下面我们继续介绍SAP Marketing Cloud里围绕Target Group这个概念的一些相关场景和功能。
(1) 根据标签细分用户：Segmentation Modeling
在Segmentation Modeling中支持以各种标签细分用户群，如商品ID、交互方式、地区、性别、生日、姓名等。数据经过统计以图形化等形式呈现。进行用户细分的方式简单方便，通过勾选或者点击等操作可以轻松实现。
(2) 预测工作室 Predictive Studio
借助Predictive Studio，业务分析师可以创建预测模型。预测模型使用算法和历史数据计算提供客户未来行为分析的评分。
场景示例：负责产品A营销的业务人员Emma想要通过一个手机营销活动，达成该产品200单的销量。
创建和使用预测模型的流程概览：
(1) 在Predictive Studio中，创建预测模型、选择预测场景，以及定义场景所需的详细信息。
(2) 为预测模型创建一个或多个模型拟合。
(3) 使用历史数据训练模型。
(4) 检查模型拟合的质量，选择最佳模型拟合并激活预测模型。
(5) 最佳模型拟合可用于计算预测评分。
(6) 在Segmentation中，基于活动的预测模型创建目标组。
(7) 在Campaigns中，针对target group运行营销活动。
(8) 在Predictive Studio中，度量营销活动的成功情况以查看未来优化活动模型的方法。
下面是具体步骤介绍。
创建预测模型
Predictive Studio页面中展示当前已有的预测模型，我们可以选择重新创建一个。
在前面提到的场景下，预测场景Scenario应该选择Consumer Buying Propensity.
进行以下设定：
- Training Set: 训练集的目标组(不能超过100万成员）
- Target Object: 产品A
- Target Variable: 购买
- Time Frame for Analysis: 指定对训练集的分析期间
- Number of Responses: 训练集中购买产品A的成员数(训练集中一定要有部分人购买了产品A)
- Number of Members: 训练集中成员数
- Applicable Scope: 指定训练集有效的区域
设定完毕后选择save.
