Premium

Configurazione dei rapporti A4T in Analysis Workspace per Auto-Target attività

La Analytics for Target Integrazione (A4T) per Auto-Target le attività utilizzano Adobe Target riunire gli algoritmi di machine learning (ML) per scegliere l'esperienza migliore per ogni visitatore in base al suo profilo, comportamento e contesto, il tutto mentre utilizza un Adobe Analytics metrica di obiettivo.

Sebbene siano disponibili funzionalità avanzate di analisi in Adobe Analytics Analysis Workspace, alcune modifiche all'impostazione predefinita Analytics for Target Il pannello è necessario per interpretare correttamente Auto-Target attività, a causa di differenze tra le attività di sperimentazione (manuale Test A/B e Allocazione automatica) e attività di personalizzazione (Targeting automatico).

Questa esercitazione illustra le modifiche consigliate per l'analisi Targeting automatico attività Analysis Workspace, che si basano sui seguenti concetti chiave:

• La Controllo e targeting può essere utilizzata per distinguere tra Controllo esperienze rispetto a quelle servite dal Targeting automatico algoritmo ML di raggruppamento.
• Le visite devono essere utilizzate come metrica di normalizzazione quando visualizzi le suddivisioni delle prestazioni a livello di esperienza. Inoltre, La metodologia di conteggio predefinita di Adobe Analytics può includere visite in cui l’utente non visualizza effettivamente il contenuto dell’attività, ma questo comportamento predefinito può essere modificato utilizzando un segmento con ambito appropriato (dettagli qui sotto).
• L’attribuzione dell’ambito di lookback per visita, nota anche come "intervallo di lookback per visita" sul modello di attribuzione prescritto, viene utilizzata dal Adobe Target I modelli ML durante le fasi di formazione e lo stesso modello di attribuzione (non predefinito) devono essere utilizzati per suddividere la metrica obiettivo.

Creare A4T per Targeting automatico pannello in Analysis Workspace

Per creare un A4T per Targeting automatico inizia con Analytics for Target pannello in Analysis Workspace, come illustrato di seguito, o inizia con una tabella a forma libera. Effettua quindi le seguenti selezioni:

1. Control Experience: Puoi scegliere qualsiasi esperienza; tuttavia, questa scelta verrà ignorata in un secondo momento. Tieni presente che per Targeting automatico attività, l'esperienza di controllo è in realtà una strategia di controllo, che è a) servire casualmente tra tutte le esperienze, o b) Servire una singola esperienza (questa scelta viene effettuata al momento della creazione dell'attività in Adobe Target). Anche se hai scelto la scelta (b), la tua Targeting automatico attività ha designato come controllo un’esperienza specifica. È comunque necessario seguire l’approccio descritto in questa esercitazione per l’analisi di A4T per Targeting automatico attività.

2. Normalizzazione della metrica: Seleziona Visite.

3. Metriche di successo: Sebbene sia possibile selezionare qualsiasi metrica su cui creare rapporti, in genere è necessario visualizzare i rapporti sulla stessa metrica selezionata per l’ottimizzazione durante la creazione di attività in Target.

   

   Figura 1: Analytics for Target configurazione del pannello per Targeting automatico attività.

Utilizza la Controllo vs. Target dimensione per confrontare Target mettere insieme il modello ML al controllo

Il pannello A4T predefinito è progettato per l’interfaccia classica (manuale) Test A/B o Allocazione automatica attività in cui l’obiettivo è confrontare le prestazioni di singole esperienze rispetto all’esperienza di controllo. In Targeting automatico le attività, tuttavia, il confronto di primo ordine dovrebbe essere tra il controllo strategia e la destinazione strategia. In altre parole, determinare l'incremento delle prestazioni complessive del Targeting automatico mettere insieme il modello ML sulla strategia di controllo.

Per eseguire questo confronto, utilizza la variabile Controllo e targeting (Analytics for Target) dimensione. Trascina e rilascia per sostituire Esperienze Target nel rapporto A4T predefinito.

Nota: questa sostituzione invalida il valore predefinito Incremento e affidabilità nel 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 dell’insieme) con il traffico di controllo.

Aggiungere suddivisioni delle metriche a livello di esperienza

Per ottenere ulteriori informazioni sulle prestazioni del modello ML di insieme, puoi esaminare le suddivisioni a livello di esperienza Controllo e targeting dimensione. In Analysis Workspace, trascina Esperienze Target inserisci le dimensioni nel rapporto, quindi suddividi separatamente ciascun controllo e ciascuna dimensione di destinazione.

Figura 3: Suddivisione della dimensione di targeting per esperienze Target

Un esempio del rapporto risultante è mostrato qui.

Figura 4: Standard Targeting automatico rapporti con suddivisioni a livello di esperienza. Tieni presente che la metrica di obiettivo potrebbe essere diversa e che la strategia di controllo potrebbe avere una sola esperienza.

Perché "Visite" è la metrica di normalizzazione corretta per Targeting automatico attività

Quando si analizza 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 visita) Target (sessione), il che significa che l’esperienza mostrata a un visitatore può cambiare in ogni singola visita. Pertanto, se utilizzi Visitatori unici come metrica di normalizzazione, il fatto che un singolo utente possa visualizzare più esperienze (in visite diverse) confonderebbe i tassi di conversione.

Un esempio semplice illustra questo punto: considera uno scenario in cui due visitatori accedono a una campagna con solo due esperienze. Il primo visitatore visita due volte. Vengono assegnate all’Esperienza A nella prima visita, ma all’Esperienza B nella seconda visita (a causa della modifica dello stato del profilo in quella seconda visita). Dopo la seconda visita, il visitatore si 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 mostrato sia l’Esperienza B che la conversione.

Confrontiamo i rapporti a livello di visitatore e di visita:

Tabella 1: Esempio di confronto tra rapporti normalizzati sui visitatori e normalizzati sulle visite per uno scenario in cui le decisioni sono appiccicose a una visita (e non ai visitatori, come con i normali test A/B). Le metriche normalizzate dai visitatori confondono in questo scenario.

Come mostrato nella tabella, esiste una chiara incongruenza dei numeri a livello di visitatore. Nonostante il fatto che ci siano due visitatori unici totali, questa non è una somma di singoli visitatori unici 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 più senso. Formalmente, l’unità di analisi ("visite") è identica all’unità di decisione visiva, il che significa che è possibile aggiungere e confrontare suddivisioni delle metriche a livello di esperienza.

Filtrare le visite effettive all’attività

La Adobe Analytics metodologia di conteggio predefinita per le visite a un Target l’attività potrebbe includere visite in cui l’utente non ha interagito con Target attività. Questo è dovuto al modo Target le assegnazioni di attività vengono mantenute nella Analytics contesto del visitatore. Di conseguenza, il numero di visite al Target A volte l'attività può essere gonfiata, con conseguente depressione dei tassi di conversione.

Se preferisci creare rapporti sulle visite in cui l’utente ha effettivamente interagito con il Targeting automatico tramite l’accesso all’attività, un evento di visualizzazione o visita o una conversione, puoi:

1. Crea un segmento specifico che include gli hit dalla Target attività in questione, e
2. Filtrare Visite utilizzando questo segmento.

Per creare il segmento:

1. Seleziona la Componenti > Crea segmento in Analysis Workspace barra degli strumenti.
2. Specifica una Titolo per il segmento. Nell’esempio seguente, il segmento viene denominato “Hit with specific Auto-Target activity”.
3. Trascina Attività di Target Dimensione del segmento Definizione sezione .
4. Utilizza la è operatore.
5. Cerca le tue specifiche Target attività.
6. Fai clic sull’icona a forma di ingranaggio, quindi seleziona Modello di attribuzione > Istanza come illustrato nella figura riportata di seguito.
7. Fai clic su Salva.

Figura 5: Utilizza un segmento come quello mostrato qui per filtrare il Visite metrica in A4T per Targeting automatico rapporto

Una volta creato il segmento, utilizzalo per filtrare il Visite quindi la metrica Visite include solo le visite in cui l’utente ha interagito con Target attività.

Per filtrare Visite utilizzando questo segmento:

1. Trascina il segmento appena creato dalla barra degli strumenti dei componenti e passa il puntatore del mouse sulla base della Visite etichetta metrica fino a un blu Filtra per viene visualizzato un prompt.
2. Rilascia il segmento. Il filtro viene applicato a tale metrica.

Il pannello finale viene visualizzato come segue:

Figura 6: Pannello di reporting con il segmento "Hit con specifica attività di Targeting automatico" applicato al Visite metrica. Questo segmento assicura che solo le visite in cui un utente ha effettivamente interagito con Target Le attività in questione sono incluse nel rapporto.

Assicurati che la metrica di obiettivo e l’attribuzione siano allineate con il criterio di ottimizzazione

L’integrazione A4T consente Targeting automatico Modello ML da utilizzare addestrato utilizzando gli stessi dati evento di conversione che Adobe Analytics utilizza generare rapporti sulle prestazioni. Tuttavia, vi sono alcune ipotesi che devono essere utilizzate per interpretare questi dati durante la formazione dei modelli ML, che differiscono dalle ipotesi di default formulate durante la fase di segnalazione 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 nella stessa visita di una visualizzazione del contenuto per l'attività, affinché la conversione sia "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 includerlo nei dati di formazione per i suoi modelli.

Pertanto, la differenza tra l’attribuzione utilizzata dal Target i modelli (durante la formazione) rispetto all’attribuzione predefinita utilizzata nelle query dei dati (durante la generazione del rapporto) potrebbero causare discrepanze. Potrebbe anche sembrare che i modelli ML abbiano prestazioni scadenti, quando in realtà il problema è legato all'attribuzione.

La definizione esatta della metrica e le impostazioni di attribuzione dipendono dal criterio di ottimizzazione hai specificato durante la creazione dell’attività.

Conversioni definite da Target, o Analytics metriche con Massimizza valore della metrica per visita

Quando la metrica è un Target o un Analytics metriche con Massimizza valore della metrica per visita, la definizione della metrica obiettivo consente di verificare più eventi di conversione nella stessa visita.

Per visualizzare le metriche dell’obiettivo con la stessa metodologia di attribuzione utilizzata dalla Target Modelli ML, seguire questi passaggi:

1. Passa il puntatore sull’icona a forma di ingranaggio della metrica di obiettivo:

   

2. Dal menu risultante, scorri fino a Impostazioni dati.

3. Seleziona Usa modello di attribuzione non predefinito (se non è già selezionato).

   

4. Fai clic su Modifica.

5. Seleziona Modello: Partecipazione e Intervallo di lookback: Visita.

   

6. Fai clic su Applica.

Questi passaggi assicurano che il rapporto attribuisca la metrica di obiettivo alla visualizzazione dell’esperienza, se si è verificato l’evento della metrica di obiettivo qualsiasi ora ("partecipazione") nella stessa visita in cui è stata mostrata un’esperienza.

Analytics metriche con Tassi di conversione delle visite univoci

Definire la visita con un segmento di metrica positiva

Nello scenario in cui hai selezionato Massimizza il tasso di conversione della visita univoca come criterio di ottimizzazione, la definizione corretta del tasso di conversione è la frazione di visite in cui il valore della metrica è positivo. Questo può essere ottenuto creando un segmento che filtra verso il basso le visite con un valore positivo della metrica, e quindi filtrando la metrica visite.

1. Come prima, seleziona la Componenti > Crea segmento in Analysis Workspace barra degli strumenti.

2. Specifica una Titolo per il segmento.

   Nell’esempio seguente, il segmento viene denominato “Visits with an order”.

3. Trascina nel segmento la metrica di base utilizzata nell’obiettivo di ottimizzazione.

   Nell’esempio riportato di seguito, utilizziamo il ordini , in modo che il tasso di conversione misuri la frazione di visite in cui viene registrato un ordine.

4. In alto a sinistra del contenitore di definizione del segmento, seleziona Includi Visita.

5. Utilizza la è maggiore di e impostare il valore su 0.

   Impostare il valore su 0 significa che questo segmento include le visite in cui la metrica degli ordini è positiva.

6. Fai clic su Salva.

Figura 7: Filtraggio della definizione del segmento alle visite con un ordine positivo. A seconda della metrica di ottimizzazione dell’attività, è necessario sostituire gli ordini con una metrica appropriata

Applicalo alle visite nella metrica filtrata dell’attività

Questo segmento può ora essere utilizzato per filtrare le visite con un numero positivo di ordini e in cui è stato rilevato un hit per il Auto-Target attività. La procedura di filtraggio di una metrica è simile a prima e dopo l’applicazione del nuovo segmento alla metrica di visita già filtrata, il pannello di rapporto dovrebbe essere simile alla Figura 8

Figura 8: Il pannello di rapporto 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.

Passaggio finale: Crea un tasso di conversione che cattura la magia di cui sopra

Con le modifiche apportate al Visita e metriche obiettivo nelle sezioni precedenti, l’ultima modifica da apportare al tuo A4T predefinito per Auto-Target il pannello di reporting è quello di creare tassi di conversione che siano il rapporto corretto, quello della metrica di obiettivo corretta, in una metrica "Visite" filtrata in modo appropriato.

A tale scopo, crea un Metrica calcolata utilizzando i seguenti passaggi:

1. Seleziona la Componenti > Crea metrica in Analysis Workspace barra degli strumenti.
2. Specifica una Titolo per la metrica. Ad esempio, "Tasso di conversione corretto per le visite per l’attività XXX".
3. Seleziona Formato = percentuale e Luoghi decimali = 2.
4. Trascina la metrica di obiettivo pertinente per l’attività (ad esempio, Conversioni attività) nella definizione e utilizza l’icona a forma di ingranaggio su questa metrica di obiettivo per regolare il modello di attribuzione su (Partecipazione|Visita), come descritto in precedenza.
5. Seleziona Aggiungi > Contenitore in alto a destra Definizione sezione .
6. Selezionare l'operatore di divisione (÷) tra i due contenitori.
7. Trascina il segmento creato in precedenza, denominato "Hit with specifiche (Hit con specifico) Targeting automatico attività" in questa esercitazione per questo specifico Auto-Target attività.
8. Trascina Visite nel contenitore di segmenti.
9. Fai clic su Salva.

La definizione completa della metrica calcolata è mostrata qui.

Figura 7: Definizione della metrica del tasso di conversione del modello corretto per le visite e corretta per l’attribuzione. (Nota che questa metrica dipende dalla metrica e dall’attività dell’obiettivo. In altre parole, questa definizione di metrica non è riutilizzabile tra le attività.)

Riepilogo: Esempio finale Analysis Workspace pannello per Targeting automatico rapporti

Combinando tutti i passaggi sopra descritti 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 dalla Target Modelli ML per ottimizzare la metrica dell’obiettivo. Il rapporto include tutte le sfumature e le raccomandazioni discusse in questa esercitazione. Questo rapporto è anche più vicino alle metodologie di conteggio utilizzate nelle tradizionali Target- basati su rapporti Targeting automatico attività.

Fare clic per espandere l'immagine.

Figura 10: L’A4T finale Targeting automatico in Adobe Analytics Workspace, che combina tutte le regolazioni alle definizioni metriche descritte nelle sezioni precedenti di questa esercitazione.

Risorse Business.Adobe.com