Auto-Target
Auto-Target Aktivitäten in Adobe Target verwenden fortschrittliche Machine Learning-Algorithmen zur Auswahl eines maßgeschneiderten Erlebnisses aus mehreren leistungsstarken, von Marketingexperten definierten Erlebnissen, um Inhalte zu personalisieren und Konversionen zu fördern. Auto-Target stellt jedem Besucher das passendste Erlebnis bereit, basierend auf dem individuellen Kundenprofil und dem Verhalten früherer Besucher mit ähnlichen Profilen.
-
Auto-Target ist als Teil der Target Premium-Lösung verfügbar. Diese Funktion ist in Target Standard nicht ohne eine Target Premium-Lizenz verfügbar. Weitere Informationen zu den erweiterten Funktionen dieser Lizenz finden Sie unter Target Premium.
-
Analytics for Target (A4T) unterstützt Auto-Target. Weitere Informationen finden Sie unter A4T-Unterstützung für automatische Zuordnungs- und automatische Targeting-Aktivitäten.
Erfolgsgeschichte aus der Praxis mit automatischem Targeting success
Ein großer Kleidungseinzelhändler nutzte kürzlich eine Auto-Target -Aktivität mit zehn produktkategoriebasierten Erlebnissen (plus randomisierter Kontrolle), um jedem Besucher die richtigen Inhalte bereitzustellen. Als primäre Optimierungsmetrik wurde "Add to Cart" ausgewählt. Die anvisierten Erlebnisse hatten eine durchschnittliche Steigerung von 29,09 %. Nach dem Erstellen der Auto-Target Modelle wurde die Aktivität auf 90 % personalisierte Erlebnisse festgelegt.
In nur zehn Tagen wurden über 1.700.000 Dollar an Auftrieb erreicht.
Lesen Sie weiter, um zu erfahren, wie Sie Auto-Target verwenden können, um den Anstieg und den Umsatz Ihrer Organisation zu steigern.
Überblick section_972257739A2648AFA7E7556B693079C9
Wählen beim Erstellen einer A/BAktivität mithilfe des angeleiteten dreistufigen Workflows die Option Auto-Target for personalized experiences auf der Seite Targeting (Schritt 2).
Mit der Option Auto-Target im A/B-Aktivitätsfluss können Sie maschinelles Lernen nutzen, um mit einem Klick eine Personalisierung auf der Grundlage einer Reihe von vom Marketing-Experten definierten Erlebnissen vorzunehmen. Auto-Target soll im Vergleich zu herkömmlichen A/B-Tests oder Auto Allocate maximale Optimierung bieten, indem bestimmt wird, welches Erlebnis für jeden Besucher angezeigt werden soll. Im Gegensatz zu einer A/B-Aktivität, bei der das Ziel darin besteht, einen einzelnen Gewinner zu finden, bestimmt Auto-Target automatisch das beste Erlebnis für einen bestimmten Besucher. Das beste Erlebnis basiert auf dem Besucherprofil und anderen kontextuellen Informationen, um ein hochgradig personalisiertes Erlebnis zu bieten.
Ähnlich wie Automated Personalization verwendet Auto-Target einen Random Forest-Algorithmus, eine führende Datenwissenschafts-Ensemble-Methode, um das beste Erlebnis für einen Besucher zu ermitteln. Da Auto-Target sich an Änderungen im Besucherverhalten anpassen können, kann sie dauerhaft ausgeführt werden, um eine Steigerung zu ermöglichen. Diese Methode wird auch als „Always-on“-Modus bezeichnet.
Im Gegensatz zu einer A/B-Aktivität, bei der die Erlebniszuordnung für einen bestimmten Besucher fixiert ist, optimiert Auto-Target das angegebene Geschäftsziel bei jedem Besuch. Wie in Auto Personalization reserviert Auto-Target standardmäßig einen Teil des Traffics der Aktivität als Kontrollgruppe, um die Steigerung zu messen. Für Besucher in der Kontrollgruppe wird ein zufälliges Erlebnis in der Aktivität bereitgestellt.
Zu beachten
Beachten Sie bei der Verwendung von Auto-Target einige wichtige Aspekte:
-
Sie können eine bestimmte Aktivität nicht von Auto-Target in Automated Personalization oder umgekehrt wechseln.
-
Sie können nicht von Manual Traffic-Zuordnung (traditionelles A/B Test) zu Auto-Target wechseln und umgekehrt, nachdem eine Aktivität als Entwurf gespeichert wurde.
-
Es wird ein Modell erstellt, um die Leistung der personalisierten Strategie im Vergleich zum zufällig bereitgestellten Traffic und dem Versand des gesamten Traffics an das insgesamt erfolgreichste Erlebnis zu ermitteln. Dieses Modell berücksichtigt nur Treffer und Konversionen in der Standardumgebung.
Der Traffic eines zweiten Modellsatzes wird für jede Modellierungsgruppe (AP) oder jedes Erlebnis (AT) erstellt. Für jedes dieser Modelle werden Treffer und Konversionen in allen Umgebungen berücksichtigt.
Anfragen werden unabhängig von der Umgebung mit demselben Modell bereitgestellt. Die Pluralität des Traffics sollte jedoch aus der Standardumgebung stammen, um sicherzustellen, dass das identifizierte erfolgreichste Erlebnis mit dem Verhalten in der realen Welt übereinstimmt.
-
Verwenden Sie mindestens zwei Erlebnisse.
Terminologie section_A309B7E0B258467789A5CACDC1D923F3
Die folgenden Begriffe sind bei der Erörterung von Auto-Target hilfreich:
Funktionsweise von Auto-Target section_77240E2DEB7D4CD89F52BE0A85E20136
Weitere Informationen zu den Daten und Algorithmen, die Auto-Target und Automated Personalization zugrunde liegen, finden Sie unter den folgenden Links:
Bestimmen der Traffic-Zuordnung section_AB3656F71D2D4C67A55A24B38092958F
Je nach dem Ziel Ihrer Aktivität können Sie eine unterschiedliche Traffic-Zuordnung zwischen den Kontroll- und personalisierten Erlebnissen auswählen. Es empfiehlt sich, dieses Ziel festzulegen, bevor Sie Ihre Aktivität aktivieren.
In der Dropdown-Liste Custom Allocation können Sie aus den folgenden Optionen auswählen:
- Evaluate Personalization Algorithm (50/50)
- Maximize Personalization Traffic (90/10)
- Custom Allocation
In der folgenden Tabelle werden die drei Optionen erläutert:
- Maximiert die Genauigkeit der Steigerung zwischen Kontrolle und personalisiert
- Relativ weniger Besucher haben ein personalisiertes Erlebnis
- Maximiert die Anzahl der Besucher, die über ein personalisiertes Erlebnis verfügen
- Maximiert die Steigerung
- Weniger Genauigkeit in Bezug darauf, wofür die Steigerung für die Aktivität dient
- Es kann sein, dass Sie nicht die gewünschten Ergebnisse erzielen. Wenn Sie unsicher sind, sollten Sie jeweils die Vorschläge der vorangegangenen Optionen befolgen.
Um den Control anzupassen, klicken Sie im Traffic Allocation auf Experiences und passen Sie die Prozentsätze dann nach Bedarf an. Sie dürfen die Kontrollgruppe nicht auf weniger als 10 % reduzieren.
Sie können ein bestimmtes Erlebnis auswählen, das als Kontrolle verwendet werden soll, oder die Option „Zufälliges Erlebnis“ verwenden.
Wann sollte man Auto-Target vor Automated Personalization wählen? section_BBC4871C87944DD7A8B925811A30C633
Es gibt mehrere Szenarien, in denen Sie Auto-Target anstelle von Automated Personalization verwenden können:
- Wenn Sie das gesamte Erlebnis definieren möchten, anstatt einzelne Angebote, die automatisch zu einem Erlebnis kombiniert werden.
- Wenn Sie alle Funktionen von Visual Experience Composer (VEC) verwenden möchten, die von Auto Personalization nicht unterstützt werden: den Editor für benutzerdefinierten Code, mehrere Erlebnis-Zielgruppen und mehr.
- Wenn Sie strukturelle Änderungen an Ihrer Seite in unterschiedlichen Erlebnissen vornehmen möchten. Wenn Sie beispielsweise Elemente auf Ihrer Startseite neu anordnen möchten, ist Auto-Target besser geeignet als Automated Personalization.
Was hat Auto-Target mit Automated Personalization gemeinsam? section_2A601F482F9A44E38D4B694668711319
Der Algorithmus wird für jeden Besuch für ein günstiges Ergebnis optimiert.
- Der Algorithmus sagt die Neigung eines Besuchers zur Konversion (oder den geschätzten Umsatz aus der Konversion) voraus, um das beste Erlebnis zu erzielen.
- Ein Besucher hat am Ende einer vorhandenen Sitzung Anspruch auf ein neues Erlebnis (es sei denn, der Besucher gehört zur Kontrollgruppe. In diesem Fall bleibt das Erlebnis, das dem Besucher beim ersten Besuch zugewiesen wurde, bei nachfolgenden Besuchen gleich).
- Innerhalb einer Sitzung ändert sich die Prognose nicht, um die visuelle Konsistenz zu wahren.
Der Algorithmus passt sich Änderungen im Besucherverhalten an.
- Der mehrarmige Bandit stellt sicher, dass das Modell immer einen kleinen Bruchteil des Traffics „ausgibt“, um während des gesamten Lebens der Lernaktivität weiter zu lernen und eine Übernutzung der zuvor gelernten Trends zu verhindern.
- Die zugrunde liegenden Modelle werden alle 24 Stunden mit den neuesten Daten zum Besucherverhalten neu erstellt, um sicherzustellen, dass Target immer die sich ändernden Besucherpräferenzen nutzen.
- Wenn der Algorithmus keine Gewinnererlebnisse für Einzelpersonen bestimmen kann, wechselt er automatisch zur Anzeige des Erlebnisses mit der besten Gesamtleistung und sucht weiterhin nach personalisierten Gewinnern. Das Erlebnis mit der besten Leistung wird mithilfe des Thompson-Samplings gefunden.
Der Algorithmus wird kontinuierlich für eine einzelne Zielmetrik optimiert.
- Diese Metrik kann konversionsbasiert oder umsatzbasiert sein (genauer gesagt Revenue per Visit).
Target erfasst automatisch Informationen über Besucher, um die Personalisierungsmodelle zu erstellen.
- Weitere Informationen zu den in Auto-Target und Automated Personalization verwendeten Parametern finden Sie unter Automated Personalization-Datenerfassung.
Target verwendet automatisch alle Adobe Experience Cloud freigegebenen Zielgruppen, um die Personalisierungsmodelle zu erstellen.
- Um Zielgruppen zu dem Modell hinzuzufügen, sind Ihrerseits keine besonderen Aktivitäten erforderlich. Weitere Informationen zum Verwenden von Experience Cloud Audiences mit Target finden Sie unter Experience Cloud Audiences.
Marketing-Experten können Offline-Daten, Tendenzwerte oder andere benutzerdefinierte Daten hochladen, um Personalisierungsmodelle zu erstellen.
- Weitere Informationen zum von Daten für Auto-Target und Automated Personalization.
Wie unterscheidet sich Auto-Target von Automated Personalization? section_BA4D83BE40F14A96BE7CBC7C7CF2A8FB
Auto-Target benötigt häufig weniger Traffic als Automated Personalization, um ein personalisiertes Modell zu erstellen.
Obwohl die Menge des Traffics pro Erlebnis, der für die Erstellung von Auto-Target- oder Auto Personalization-Modellen benötigt wird, identisch ist, gibt es in der Regel mehr Erlebnisse in einer Automated Personalization als in einer Auto-Target.
Wenn Sie beispielsweise eine Auto Personalization-Aktivität hätten, in der Sie zwei Angebote pro Standort mit zwei Standorten erstellt haben, wären insgesamt vier (2 = 4) Erlebnisse in der Aktivität enthalten (ohne Ausschlüsse). Mit Auto-Target können Sie Erlebnis 1 so einstellen, dass Angebot 1 an Standort 1 und Angebot 2 an Standort 2 einbezogen wird, und Erlebnis 2 so, dass Angebot 1 an Standort 1 und Angebot 2 an Standort 2 einbezogen wird. Da Sie mit Auto-Target mehrere Änderungen in einem Erlebnis vornehmen können, können Sie die Anzahl der gesamten Erlebnisse in Ihrer Aktivität reduzieren.
Auto-Target können einfache Faustregeln verwendet werden, um Traffic-Anforderungen zu verstehen:
- Wenn Conversion Ihre Erfolgsmetrik ist: 1.000 Besuche und mindestens 50 Konversionen pro Tag und Erlebnis. Außerdem muss die Aktivität mindestens 7.000 Besuche und 350 Konversionen aufweisen.
- Wenn Revenue per Visit Ihre Erfolgsmetrik ist: 1.000 Besuche und mindestens 50 Konversionen pro Tag und Erlebnis. Außerdem muss die Aktivität mindestens 1.000 Konversionen pro Erlebnis aufweisen. Für „Umsatz pro Besuch (RPV)“ sind aufgrund der höheren Datenvarianz, die im Vergleich zur Konversionsrate für gewöhnlich im Besuchsumsatz vorhanden ist, in der Regel mehr Daten zum Erstellen von Modellen erforderlich.
Auto-Target verfügt über umfassende Einrichtungsfunktionen.
- Da Auto-Target in den Workflow für A/B-Aktivitäten eingebettet ist, profitiert Auto-Target von der ausgereifteren und vollwertigeren Visual Experience Composer (VEC). Sie können auch QA-Links mit Auto-Target verwenden.
Auto-Target bietet ein umfassendes Framework für Online-Tests.
- Der Multi-Arm-Bandit ist Teil eines größeren Online-Test-Frameworks, das es Adobe Datenwissenschaftlern und Forschern ermöglicht, die Vorteile ihrer kontinuierlichen Verbesserungen der realen Bedingungen zu verstehen.
- In Zukunft wird es uns diese Testumgebung ermöglichen, die Adobe Plattform für maschinelles Lernen für datenversierte Kunden zu öffnen, sodass sie ihre eigenen Modelle einbringen können, um die Target Modelle zu ergänzen.
Reporting und Auto-Target section_42EE7F5E65E84F89A872FE9921917F76
Weitere Informationen finden Sie unter Reporting und Automatisches Targeting.