Verwenden von Pfadexperimenten experimentation

Ziehen Sie aus dem Abschnitt Orchestrierung die Aktivität Optimieren per Drag-and-Drop auf die Journey-Arbeitsfläche.

Fügen Sie ein optionales Label hinzu, damit sich die Aktivität in den Reporting- und Testmodusprotokollen leicht identifizieren lässt.

Wählen Sie Experiment aus der Dropdown-Liste Methode aus.

{width="65%"}

Klicken Sie auf Experiment erstellen.

Wählen Sie die Erfolgsmetrik, die Sie für Ihr Experiment festlegen möchten. Weitere Informationen zu den verfügbaren Metriken und zur Konfiguration der Liste finden Sie in diesem Abschnitt.

{width="80%"}

Wählen Sie Experimenttyp für Ihr Pfadexperiment aus:

• A/B-Experiment - Definiert die Traffic-Aufteilung zwischen Abwandlungen zu Beginn des Tests. Die Leistung wird anhand der von Ihnen gewählten primären Metrik bewertet. Berichte zeigen die beobachtete Steigerung zwischen den Behandlungen.

• Multi-Armed Bandit - Die Aufteilung des Traffics auf die Behandlungen erfolgt automatisch. Alle 7 Tage wird die Leistung der primären Metrik überprüft und die Gewichtungen werden entsprechend angepasst. Die Berichterstellung zeigt weiterhin die Steigerung an, wie bei A/B-Tests.

{width="80%"}

➡️ Erfahren Sie mehr über den Unterschied zwischen A/B- und Experimenten mit mehrarmigen Banditen

Bei Bedarf können Sie Ihrem Versand eine Holdout-Gruppe hinzufügen. Diese Gruppe wird keinen Pfad aus diesem Experiment beschreiten.

Sobald die Journey live ist, werden die Benutzenden nach dem Zufallsprinzip zugewiesen, um verschiedene Pfade zu durchlaufen. Journey Optimizer verfolgt, welcher Pfad am besten abschneidet, und stellt verwertbare Erkenntnisse zur Verfügung.

Verfolgen Sie den Erfolg Ihrer Journey mit dem Bericht zu Journey-Pfadexperimenten. Weitere Informationen

Anwendungsfälle für Experimente uc-experiment

Die folgenden Beispiele zeigen, wie Sie mit der Aktivität Optimieren zusammen mit der Methode Experiment ermitteln, welcher Pfad insgesamt am besten funktioniert.

Skalieren der erfolgreichsten Variante scale-winner

Mit der Funktion zum Skalieren der erfolgreichsten Variante können Sie die erfolgreichste Variante eines Experiments automatisch oder manuell für Ihre gesamte Zielgruppe einführen. Diese Funktion stellt sicher, dass die Reichweite und Effektivität der erfolgreichsten Variante gesteigert wird, ohne das Experiment ständig überwachen zu müssen.

Zwei Modi stehen zur Auswahl:

• Automatische Skalierung: Beim Erstellen des Experiments werden die Einstellungen für die automatische Skalierung konfiguriert, entweder durch die Auswahl des Zeitpunkts und der Bedingungen für die Skalierung der erfolgreichsten Abwandlung oder einer Fallback-Option, falls keine erfolgreichste Abwandlung ermittelt wird.

• Manuelle Skalierung Die Experimentergebnisse werden manuell überprüft und der Rollout der erfolgreichsten Abwandlung wird mit vollständiger Kontrolle über Zeitpunkt und Entscheidungen initiiert.

Automatische Skalierung autoscaling

Bei der automatischen Skalierung legen vordefinierte Regeln fest, wann die erfolgreichste Abwandlung oder die Fallback-Option basierend auf den Ergebnissen des Experiments eingeführt wird.

Nach der automatischen Skalierung ist die manuelle Skalierung nicht mehr verfügbar.

Aktivieren der automatische Skalierung in Experimenten:

1. Richten Sie Ihren Journey ein und konfigurieren Sie Ihr Experiment nach Bedarf. Weitere Informationen

2. Aktivieren Sie bei der Einrichtung des Experiments die Option der automatischen Skalierung.

   

3. Wählen Sie aus, wann die erfolgreichste Abwandlung skaliert werden soll:

   • Sobald die erfolgreichste Abwandlung gefunden ist.
   • Nachdem das Experiment für einen bestimmten Zeitraum live ist.

   Die automatische Skalierung muss vor dem Enddatum des Experiments geplant werden. Wenn der Zeitraum nach dem Enddatum liegt, wird eine Validierungswarnung angezeigt und die Journey wird nicht veröffentlicht.

   

4. Auswählen des Fallback-Verhaltens, wenn nach der Skalierungszeit keine erfolgreichste Abwandlung gefunden wird:

   • Setzen Sie das Experiment bis zum Ende planmäßig fort.
   • Skalieren Sie die alternative Abwandlung nach einer bestimmten Zeit.

Sobald alle Parameter erfüllt sind, wird die erfolgreichste oder die alternative Abwandlung an die Zielgruppe gesendet.

Manuelle Skalierung manual-scaling

Mit der manuellen Skalierung können Sie die Experimentergebnisse überprüfen und entscheiden, wann die erfolgreichste Abwandlung nach Ihrem eigenen Zeitplan eingeführt werden soll.

Beachten Sie, dass die automatische Skalierung abgebrochen wird, wenn die erfolgreichste Abwandlung vor der geplanten Zeit der automatischen Skalierung manuell skaliert wird.

Manuelles Skalieren der erfolgreichsten Abwandlung des Experiments:

1. Richten Sie Ihren Journey ein und konfigurieren Sie Ihr Experiment nach Bedarf. Weitere Informationen

2. Das Experiment muss laufen, bis eine erfolgreichste Abwandlung identifiziert oder statistische Signifikanz erreicht wird.

3. Öffnen Sie Ihre Journey und wählen Sie die Aktivität Optimieren aus, die das Pfadexperiment enthält.

   Überprüfen Sie die Ergebnisse in der Ansicht Pfadexperiment, um die Abwandlung mit der besten Leistung zu ermitteln.

   

4. Klicken Sie auf Abwandlung skalieren, um die erfolgreichste Abwandlung an die restliche Zielgruppe zu senden.

5. Wählen Sie die zu skalierenden Abwandlung aus dem Dropdown-Menü aus und klicken Sie auf Skalieren.

   {width="80%"}

Beachten Sie, dass die Skalierung der Abwandlung bis zu einer Stunde dauern kann. Nach Abschluss des manuellen Skalierungsprozess erhalten Sie eine Benachrichtigung.