[Beta]{class="badge informative"}

Adobe Target MCP-Server - Anwendungsfälle und exemplarische Vorgehensweisen target-mcp-use-cases

AVAILABILITY
Der Adobe Target MCP-Server steht allen Kunden in Public Beta zur Verfügung. Es wird derzeit in Claude Web, Claude Desktop, Claude Code, Cursor und ChatGPT unterstützt.

Auf dieser Seite erfahren Sie, was Sie mit dem Adobe Target MCP-Server mithilfe von Eingabeaufforderungen in natürlicher Sprache erreichen können, von Schnellsuchen bis hin zu mehrstufigen Analyse- und Berichtsaufgaben.

IMPORTANT
Das Model Context Protocol (MCP) ist ein aufstrebender Open-Source-Standard, der Sicherheits- oder Zuverlässigkeitsrisiken mit sich bringen kann. Adobe MCP-Server-Integrationen und die zugehörige Dokumentation werden ohne Mängelgewähr und ohne Gewährleistung jeglicher Art bereitgestellt.
Die Verbindung von MCP-Clients oder -Servern mit Adobe-Produkten ist eine vom Kunden gewählte Konfiguration, und die Kunden sind dafür verantwortlich, die Sicherheit und Eignung jeder MCP-Integration zu bewerten. Adobe übernimmt keine Verantwortung für Probleme, die sich aus einer Fehlkonfiguration, einer fehlerhaften Verwendung des MCP, Sicherheitslücken in Drittanbieterimplementierungen oder unbeabsichtigten Aktionen ergeben, die über MCP-fähige Workflows ausgeführt werden.
Um Risiken zu reduzieren, empfiehlt Adobe, Integrationen vor der produktiven Verwendung in einer Sandbox-Umgebung zu testen und alle MCP-initiierten Aktionen und Antworten sorgfältig zu überprüfen und zu validieren, bevor sie bestätigt oder sich auf sie verlassen.

Anwendungsszenarien mcp-use-cases

Die folgenden Beispiele zeigen, wie Sie mit dem Adobe Target MCP-Server in natürlicher Sprache interagieren:

Ziel
Beispiel-Eingabeaufforderung
Experimentstatus-Audit
„Welche A/B-Tests sind derzeit auf der Homepage aktiv? Anzeigen des Status, der Traffic-Zuordnung und der Ausführungsdauer jeder Aktivität.“
Leistungsüberprüfung
„Zeigen Sie mir alle aktiven Tests, die statistische Signifikanz erreicht haben - welche Erlebnisse gewinnen?“
Umsatzanalyse
„Rufen Sie den Bericht zu Bestellungen und Umsatz für die Aktivität AT4821 ab und fassen Sie zusammen, welches Erlebnis pro Besucher den meisten Umsatz generiert.“
A4T-Reporting
„Rufen Sie den A4T-Bericht für meinen Checkout-Optimierungstest ab und fassen Sie die Analytics-seitigen Konversionsdaten zusammen.“
Aktivitätserkenntnisse
„Erhalten Sie Einblicke in meinen Test für „Summer Sale Banner“ - wie sieht die Leistung aus und gibt es Anomalien?“
Zielgruppen-Management
„Listen Sie alle Audiences auf, die mobile Benutzende ansprechen, und zeigen Sie mir, welchen Aktivitäten sie zugeordnet sind.“
QS und Vorschau
„Generieren Sie QA-Vorschau-URLs für die Aktivität 12345, damit ich vor der Aktivierung alle Varianten überprüfen kann.“

| Implementierungsprüfung | „Welche Version von at.js ist konfiguriert und welche Antwort-Token sind derzeit aktiv?“ |
| Change audit | „Zeigt mir alle Änderungen an Activity 98765 in den letzten 30 Tagen und wer sie vorgenommen hat.“ |

exemplarische Vorgehensweisen für Anwendungsfälle mcp-use-case-walkthroughs

In den folgenden exemplarischen Vorgehensweisen wird beschrieben, wie Sie allgemeine Aufgaben mithilfe von Eingabeaufforderungen in natürlicher Sprache mit dem Adobe Target MCP-Server durchführen.

Überprüfen der Aktivitätsleistung

Aufforderung:
„Zeigen Sie mir die Leistungsmetriken für meine Aktivität „Checkout-Flussoptimierung“ in den letzten 30 Tagen.“

Der KI-Assistent verwendet get_ab_performance_report oder get_xt_performance_report (je nach Aktivitätstyp), um Konversionsraten, Besucherzahlen und andere Metriken für das angegebene Zeitfenster abzurufen.

QA-Vorschau-Links erzeugen

Aufforderung:
„Generieren Sie Vorschau-URLs für 12345, damit ich jedes Erlebnis testen kann.“

Der KI-Assistent verwendet das preview_activity-Tool, um anklickbare URLs zu generieren, die das Audience-Targeting umgehen, sodass Sie jedes Erlebnis direkt in Ihrem Browser anzeigen können.

recommendation-more-help
target-help-main