Per Targeting automatico attività, è necessario controllare la generazione rapporti in Analytics Workspace e creare manualmente un pannello A4T.
Il Analytics for Target Integrazione di (A4T) per Auto-Target le attività utilizzano Adobe Target Assembla gli algoritmi di apprendimento automatico (ML) per scegliere l’esperienza migliore per ogni visitatore in base a profilo, comportamento e contesto, il tutto mentre utilizzi un’ Adobe Analytics metrica di obiettivo.
Sebbene le funzionalità di analisi avanzate siano disponibili in Adobe Analytics Analysis Workspace, alcune modifiche al valore predefinito Analytics for Target sono necessari per interpretare correttamente Auto-Target attività, a causa delle differenze tra le attività di sperimentazione (manuale Test A/B e Allocazione automatica) e attività di personalizzazione (Targeting automatico).
Questo tutorial illustra le modifiche consigliate per l’analisi Targeting automatico attività in Analysis Workspace, che si basano sui seguenti concetti chiave:
Per creare un elemento A4T per Targeting automatico rapporto, inizia con Analytics for Target pannello in Analysis Workspace, come mostrato di seguito, o iniziare con una tabella a forma libera. Effettua quindi le seguenti selezioni:
Esperienza controllo: puoi scegliere qualsiasi esperienza, ma questa scelta verrà ignorata in un secondo momento. Nota che per Targeting automatico attività, l’esperienza di controllo è in realtà una strategia di controllo, che consiste nel: a) Distribuire in modo casuale tra tutte le esperienze, oppure b) Distribuire un’unica esperienza (questa scelta viene effettuata al momento della creazione dell’attività in Adobe Target). Anche se hai scelto (b), il tuo Targeting automatico attività ha designato come controllo un’esperienza specifica. Segui comunque l’approccio descritto in questo tutorial per l’analisi di A4T per Targeting automatico attività.
Normalizing Metric: Seleziona Visite.
Metriche di successo: anche se puoi selezionare qualsiasi metrica su cui generare il rapporto, in genere dovresti visualizzare i rapporti sulla stessa metrica scelta per l’ottimizzazione durante la creazione dell’attività in Target.
Figura 1: Analytics for Target configurazione del pannello per Targeting automatico attività.
Per impostare Analytics for Target pannello per Targeting automatico attività, scegli un’esperienza di controllo, scegli Visite come metrica di normalizzazione e scegli la stessa metrica di obiettivo scelta per l’ottimizzazione durante Target creazione di attività.
Il pannello A4T predefinito è progettato per il classico (manuale) Test A/B o Allocazione automatica attività in cui l’obiettivo è quello di confrontare le prestazioni delle singole esperienze rispetto all’esperienza di controllo. In entrata Targeting automatico attività, tuttavia, il confronto di primo ordine deve essere tra il controllo strategia e il target strategia. In altri termini, la determinazione dell'incremento delle prestazioni complessive del Targeting automatico assemblare il modello ML sulla strategia di controllo.
Per eseguire questo confronto, utilizzare Controllo e destinazione (Analytics for Target) dimensione. Trascina per sostituire Esperienze Target nel rapporto A4T predefinito.
Questa sostituzione invalida il valore predefinito Incremento e affidabilità sul pannello A4T. Per evitare confusione, puoi rimuovere queste metriche dal pannello predefinito, lasciando il seguente rapporto:
Figura 2: rapporto di base consigliato per Auto-Target attività. Questo rapporto è stato configurato per confrontare il traffico di destinazione (gestito dal modello ML del gruppo) con il traffico di controllo.
Attualmente, Incremento e affidabilità numeri non disponibili per Controllo e destinazione dimensioni per i rapporti A4T per Targeting automatico. Fino all'aggiunta del supporto, Incremento e affidabilità può essere calcolato manualmente scaricando il calcolatore di affidabilità.
Per ottenere ulteriori informazioni sulle prestazioni del modello ML del gruppo, puoi esaminare i raggruppamenti a livello di esperienza del Controllo e destinazione dimensione. In entrata Analysis Workspace, trascina Esperienze Target nel rapporto, quindi suddividi separatamente ciascuna dimensione di controllo e di destinazione.
Figura 3: Suddivisione della dimensione di destinazione per esperienze Target
Qui viene mostrato un esempio del rapporto risultante.
Figura 4: uno standard Targeting automatico generare rapporti con raggruppamenti a livello di esperienza. Tieni presente che la metrica dell’obiettivo potrebbe essere diversa e che la strategia di controllo potrebbe avere una singola esperienza.
In entrata Analysis Workspace, fai clic sull’icona a forma di ingranaggio per nascondere le percentuali nella Tasso di conversione per mantenere l’attenzione sui tassi di conversione dell’esperienza. I tassi di conversione verranno quindi formattati come decimali, ma interpretati di conseguenza come percentuali.
Durante l'analisi di un Targeting automatico attività, scegli sempre Visite come metrica di normalizzazione predefinita. Targeting automatico la personalizzazione seleziona un’esperienza per un visitatore una volta per visita (formalmente, una volta per Target , il che significa che l’esperienza mostrata a un visitatore può cambiare in ogni singola visita. Pertanto, se usa Visitatori univoci come metrica di normalizzazione, il fatto che un singolo utente possa vedere più esperienze (su visite diverse) condurrebbe a confondere i tassi di conversione.
Un semplice esempio dimostra questo punto: considera uno scenario in cui due visitatori entrano in una campagna che ha solo due esperienze. Il primo visitatore visita due volte. Vengono assegnati all’Esperienza A alla prima visita, ma all’Esperienza B alla seconda visita (a causa del loro stato di profilo che cambia durante la seconda visita). Dopo la seconda visita, il visitatore converte effettuando un ordine. La conversione è attribuita all’esperienza mostrata più di recente (Esperienza B). Anche il secondo visitatore visita due volte e viene mostrata l’Esperienza B entrambe le volte, ma non si converte mai.
Confrontiamo i rapporti a livello di visitatore e di visita:
Esperienza | Visitatori univoci | Visite | Conversioni | Tasso di conversione normalizzato per il visitatore | Tasso di conversione normalizzato per visita |
---|---|---|---|---|---|
A | 1 | 1 | - | 0% | 0% |
B | 2 | 3 | 1 | 50% | 33.3% |
Totali | 2 | 4 | 1 | 50% | 25% |
Tabella 1: Esempio di confronto dei rapporti normalizzati per visitatore e per visita per uno scenario in cui le decisioni sono permanenti per una visita (e non per visitatore, come con i normali test A/B). In questo scenario, le metriche normalizzate per il visitatore sono confuse.
Come mostrato nella tabella, esiste una chiara incongruenza dei numeri a livello di visitatore. Nonostante il fatto che ci siano due visitatori univoci totali, questa non è una somma dei singoli visitatori univoci per ogni esperienza. Anche se il tasso di conversione a livello di visitatore non è necessariamente sbagliato, quando si confrontano le singole esperienze, i tassi di conversione a livello di visita hanno probabilmente molto più senso. Formalmente, l’unità di analisi ("visite") è la stessa dell’unità di fedeltà decisionale, il che significa che è possibile aggiungere e confrontare le suddivisioni delle metriche a livello di esperienza.
Il Adobe Analytics metodologia di conteggio predefinita per le visite a Target l'attività potrebbe includere visite in cui l'utente non ha interagito con Target attività. Ciò è dovuto al modo in cui Target le assegnazioni delle attività vengono mantenute in Analytics contesto del visitatore. Di conseguenza, il numero di visite al Target L'attività può a volte essere gonfiata, con conseguente depressione dei tassi di conversione.
Se preferisci segnalare le visite in cui l’utente ha effettivamente interagito con il Targeting automatico attività (tramite l’accesso all’attività, un evento di visualizzazione o visita o una conversione), puoi:
Per creare il segmento:
Figura 5: Utilizzare un segmento come quello mostrato di seguito per filtrare Visite metrica nella A4T per Targeting automatico rapporto
Una volta creato il segmento, utilizzalo per filtrare il Visite metrica, quindi la Visite metrica include solo le visite in cui l’utente ha interagito con Target attività.
Per filtrare Visite utilizzando questo segmento:
Il pannello finale viene visualizzato come segue:
Figura 6: Pannello di reporting con il segmento "Hit con attività di Targeting automatico specifica" applicato al Visite metrica. Questo segmento garantisce che solo le visite in cui un utente ha effettivamente interagito con il Target l'attività in questione è inclusa nella relazione.
L’integrazione di A4T consente Targeting automatico Modello ML da impostare addestrato utilizzando gli stessi dati evento di conversione che Adobe Analytics utilizza per generare rapporti sulle prestazioni. Tuttavia, esistono alcune ipotesi che devono essere utilizzate per interpretare questi dati durante la formazione dei modelli ML, che differiscono dalle ipotesi predefinite fatte durante la fase di reporting in Adobe Analytics.
In particolare, Adobe Target I modelli ML utilizzano un modello di attribuzione con ambito visita. In altre parole, i modelli ML presuppongono che una conversione debba avvenire durante la stessa visita come visualizzazione del contenuto per l’attività, affinché la conversione possa essere "attribuita" alla decisione presa dal modello ML. Questo è necessario per Target garantire una formazione tempestiva dei suoi modelli; Target non può attendere fino a 30 giorni per una conversione (la finestra di attribuzione predefinita per i rapporti in Adobe Analytics) prima di includerla nei dati di formazione dei suoi modelli.
Pertanto, la differenza tra l’attribuzione utilizzata dalla Target I modelli (durante l’apprendimento) rispetto all’attribuzione predefinita utilizzata per l’esecuzione di query sui dati (durante la generazione del rapporto) potrebbero causare discrepanze. Potrebbe anche sembrare che i modelli ML stiano andando male, quando in realtà il problema sta nell’attribuzione.
Se i modelli ML si stanno ottimizzando per una metrica attribuita in modo diverso da quella delle metriche visualizzate in un rapporto, le prestazioni dei modelli potrebbero non corrispondere alle attese. Per evitare questo problema, assicurati che le metriche di obiettivo nel rapporto utilizzino la stessa definizione e attribuzione di metrica utilizzata da Target modelli ML.
La definizione esatta della metrica e le impostazioni di attribuzione dipendono dal criterio di ottimizzazione specificato durante la creazione dell’attività.
Quando la metrica è un valore Target conversione o un Analytics metriche con Massimizzare il valore della metrica per visita, la definizione della metrica di obiettivo consente che più eventi di conversione si verifichino nella stessa visita.
Per visualizzare le metriche di obiettivo con la stessa metodologia di attribuzione utilizzata da Target modelli ML, seguire questi passaggi:
Passa il puntatore sull’icona a forma di ingranaggio della metrica obiettivo:
Dal menu risultante, scorri fino a Impostazioni dati.
Seleziona Usa modello di attribuzione non predefinito (se non già selezionato).
Clic Modifica.
Seleziona Modello: Partecipazione, e Intervallo di lookback: Visita.
Fai clic su Applica.
Questi passaggi garantiscono che il rapporto attribuisca la metrica di obiettivo alla visualizzazione dell’esperienza, se si è verificato l’evento della metrica di obiettivo in qualsiasi momento ("partecipazione") nella stessa visita in cui è stata mostrata un’esperienza.
Definire la visita con un segmento di metrica positivo
Nello scenario in cui hai selezionato Massimizzare il tasso di conversione visita univoco come criterio di ottimizzazione, la definizione corretta del tasso di conversione è la frazione di visite in cui il valore della metrica è positivo. Ciò può essere ottenuto creando un segmento che filtra le visite con un valore positivo della metrica e quindi filtrando la metrica Visite.
Come prima, seleziona la Componenti > Crea segmento opzione in Analysis Workspace barra degli strumenti.
Specifica un Titolo per il segmento.
Nell’esempio mostrato di seguito, il segmento è denominato “Visits with an order”.
Trascina nel segmento la metrica di base utilizzata nell’obiettivo di ottimizzazione.
Nell’esempio riportato di seguito, utilizziamo ordini metrica, in modo che il tasso di conversione misuri la frazione di visite in cui viene registrato un ordine.
In alto a sinistra nel contenitore di definizione del segmento, seleziona Includi Visita.
Utilizza il è maggiore di e impostare il valore su 0.
Se si imposta il valore su 0, questo segmento include le visite in cui la metrica degli ordini è positiva.
Fai clic su Salva.
Figura 7: filtro della definizione del segmento alle visite con ordine positivo. A seconda della metrica di ottimizzazione dell’attività, devi sostituire gli ordini con una metrica appropriata
Applicalo alle visite nella metrica filtrata per attività
Questo segmento può ora essere utilizzato per filtrare le visite con un numero positivo di ordini e in cui si è verificato un hit per Auto-Target attività. La procedura di filtraggio di una metrica è simile a prima e dopo aver applicato il nuovo segmento alla metrica di visita già filtrata, il pannello di rapporto dovrebbe essere simile alla Figura 8
Figura 8: Pannello dei rapporti con la metrica di conversione visita univoca corretta: il numero di visite in cui è stato registrato un hit dall’attività e in cui la metrica di conversione (ordini in questo esempio) era diversa da zero.
Con le modifiche apportate al Visita e metriche dell’obiettivo nelle sezioni precedenti, la modifica finale da apportare all’A4T predefinito per Auto-Target Il pannello di reporting consiste nel creare tassi di conversione che siano il rapporto corretto, ovvero quello della metrica di obiettivo corretta, rispetto a una metrica "Visite" filtrata in modo appropriato.
A tale scopo, crea un Metrica calcolata seguendo la procedura descritta di seguito:
Puoi anche creare questa metrica utilizzando funzionalità metriche calcolate rapide.
La definizione completa della metrica calcolata è mostrata qui.
Figura 7: Definizione delle metriche del tasso di conversione del modello corretto per visita e corretto per l’attribuzione. (Nota: questa metrica dipende dalla metrica e dall’attività dell’obiettivo. In altre parole, questa definizione di metrica non è riutilizzabile tra le attività.)
Il Conversione la metrica di tasso dal pannello A4T non è collegata all’evento di conversione o alla metrica di normalizzazione nella tabella. Quando apporti le modifiche suggerite in questa esercitazione, il Conversione non si adatta automaticamente alle modifiche. Pertanto, se apporti la modifica all’attribuzione dell’evento di conversione o alla metrica di normalizzazione (o a entrambe), devi ricordare come passaggio finale per modificare anche la Conversione come mostrato sopra.
Combinando tutti i passaggi precedenti in un unico pannello, la figura seguente mostra una visualizzazione completa del rapporto consigliato per Targeting automatico Attività A4T. Questo rapporto è lo stesso utilizzato dal Target modelli ML per ottimizzare la metrica obiettivo. Il rapporto incorpora tutte le sfumature e i consigli discussi in questa esercitazione. Questo rapporto è anche il più simile alle metodologie di conteggio utilizzate nelle Target-basato su reporting Targeting automatico attività.
Fare clic per espandere l'immagine.
Figura 10: A4T finale Targeting automatico rapporto in Adobe Analytics Workspace, che combina tutte le regolazioni alle definizioni delle metriche descritte nelle sezioni precedenti di questa esercitazione.