Beta Premium

での A4T レポートの設定 Analysis Workspace 対象 Auto-Target アクティビティ

この Analytics for Target (A4T) 統合： Auto-Target アクティビティは Adobe Target を使用しながら、プロファイル、行動、コンテキストに基づいて各訪問者に最適なエクスペリエンスを選択するアンサンブル機械学習 (ML) アルゴリズム Adobe Analytics 目標指標。

豊富な分析機能は Adobe Analytics Analysis Workspace ( デフォルトの Analytics for Target 正しく解釈するには、パネルが必要です Auto-Target アクティビティ、実験アクティビティ間の違いによる（手動の） A/B テスト および 自動配分) とパーソナライゼーションアクティビティ (自動ターゲット) をクリックします。

このチュートリアルでは、分析に推奨される変更について説明します 自動ターゲット アクティビティ Analysis Workspaceは、次の主要概念に基づいています。

• この コントロールとターゲット ディメンションは、 制御 エクスペリエンスと 自動ターゲット アンサンブル ML アルゴリズム。
• 訪問回数は、パフォーマンスのエクスペリエンスレベルの分類を表示する際に、標準化指標として使用する必要があります。 さらに、 Adobe Analyticsのデフォルトのカウント手法には、ユーザーが実際にアクティビティのコンテンツを見ない訪問が含まれる場合がありますに設定されていますが、適切にスコープされたセグメント（以下で詳しく説明）を使用して、このデフォルトの動作を変更できます。
• 訪問のルックバックスコープによるアトリビューション（所定のアトリビューションモデルの「訪問のルックバックウィンドウ」とも呼ばれます）は、 Adobe Target 目標指標を分類する際は、トレーニングフェーズ中の ML モデルと、同じ（デフォルト以外の）アトリビューションモデルを使用する必要があります。

用の A4T の作成 自動ターゲット パネル内 Analysis Workspace

用の A4T を作成するには、以下を実行します。 自動ターゲット レポートは、 Analytics for Target パネル内 Analysis Workspace、以下に示すように、またはフリーフォームテーブルで始まります。 次に、以下の選択を行います。

1. コントロールエクスペリエンス:任意のエクスペリエンスを選択できます。ただし、この選択は後で上書きします。 なお、 自動ターゲット アクティビティ、コントロールエクスペリエンスは、実際にはコントロール戦略です。a) すべてのエクスペリエンスでランダムに提供する、b) 単一のエクスペリエンスを提供する ( この選択は、 Adobe Target) をクリックします。 (b) 選択を選択した場合でも、 自動ターゲット アクティビティは、特定のエクスペリエンスをコントロールとして指定しました。 A4T を分析するために、このチュートリアルで概要を説明しているアプローチに従う必要があります。 自動ターゲット アクティビティ。

2. 指標の標準化:選択 訪問回数.

3. 成功指標:レポート対象の指標は任意に選択できますが、通常、でアクティビティを作成する際に最適化用に選択したのと同じ指標に関するレポートを表示する必要があります。 Target.

   

   図 1: Analytics for Target パネル設定 自動ターゲット アクティビティ。

以下を使用： コントロールとターゲット 比較するディメンション Target コントロールに合わせたアンサンブル ML モデル

デフォルトの A4T パネルは、クラシック（手動）用に設計されています A/B テスト または 自動配分 個々のエクスペリエンスのパフォーマンスをコントロールエクスペリエンスと比較することが目標となるアクティビティ。 In 自動ターゲット ただし、最初の順序の比較は、コントロール間でおこなう必要があります 戦略 そしてターゲット 戦略. つまり、 自動ターゲット 制御戦略に対するアンサンブル ML モデル。

この比較を実行するには、 コントロールとターゲット (Analytics for Target) ディメンション。 ドラッグ&ドロップして Target エクスペリエンス ディメンションを使用して、A4T デフォルトのレポートに表示できます。

この置き換えにより、デフォルトの 上昇率と信頼性 計算とは A4T パネルのことです。 混乱を避けるために、これらの指標をデフォルトのパネルから削除し、次のレポートを残しておくことができます。

図 2:に対して推奨されるベースラインレポート Auto-Target アクティビティ。 このレポートは、（アンサンブル ML モデルが提供する）ターゲットトラフィックと制御トラフィックを比較するように設定されています。

指標のエクスペリエンスレベルの分類の追加

アンサンブル ML モデルのパフォーマンスをさらに深く理解するには、 コントロールとターゲット ディメンション。 In Analysis Workspace、 Target エクスペリエンス ディメンションをレポートに表示し、各コントロールとターゲットディメンションを個別に分類します。

図 3:ターゲットエクスペリエンスによるターゲットディメンションの分類

結果のレポートの例を次に示します。

図 4:標準 自動ターゲット エクスペリエンスレベルの分類でレポートを作成する。 目標指標が異なる場合があり、制御戦略が単一のエクスペリエンスを持つ場合があることに注意してください。

理由訪問回数」は、 自動ターゲット アクティビティ

分析の際に 自動ターゲット アクティビティ、常に選択 訪問回数 をデフォルトの標準化指標として使用します。 自動ターゲット パーソナライゼーションは、訪問ごとに 1 回、訪問者のエクスペリエンスを選択します ( 正式には、 Target セッション ) と呼ばれる場合、訪問者に表示されるエクスペリエンスは、1 回の訪問ごとに変更できます。 したがって、 実訪問者数 標準化指標の場合、1 人のユーザーに複数のエクスペリエンスが（異なる訪問で）表示される可能性があるので、コンバージョン率を混乱させます。

この点を簡単な例で示します。2 つのエクスペリエンスのみを持つキャンペーンに 2 人の訪問者が入るシナリオを考えてみましょう。 最初の訪問者が 2 回訪問します。 これらは最初の訪問でエクスペリエンス A に割り当てられますが、2 回目の訪問でエクスペリエンス B に割り当てられます（2 回目の訪問でのプロファイルの状態の変化が原因）。 2 回目の訪問の後、訪問者は注文をしてコンバージョンします。 コンバージョンは、最も最近表示されたエクスペリエンス（エクスペリエンス B）に関連付けられます。 2 番目の訪問者も 2 回訪問し、エクスペリエンス B が両方とも表示されますが、コンバージョンには至りません。

次に、訪問者レベルのレポートと訪問レベルのレポートを比較します。

表 1:例えば、ある訪問に対して決定が定着している（通常の A/B テストとは異なり、訪問者ではない）シナリオについて、訪問者が正規化されたレポートと訪問が正規化されたレポートを比較します。 訪問者が正規化した指標は、このシナリオでは紛らわしいものです。

表に示すように、訪問者レベルの数値は明らかに不一致です。 合計 2 人の個別訪問者があるにもかかわらず、これは各エクスペリエンスの個別訪問者の合計ではありません。 訪問者レベルのコンバージョン率は必ずしも間違っているとは限りませんが、個々のエクスペリエンスを比較すると、訪問レベルのコンバージョン率は非常に合理的です。 正式な分析単位（「訪問回数」）は、決定の定着度の単位と同じです。つまり、指標のエクスペリエンスレベルの分類を追加および比較できます。

アクティビティへの実際の訪問数のフィルター

この Adobe Analytics 訪問者のデフォルトのカウント手法 Target アクティビティには、ユーザーが Target アクティビティ。 これは道のりのせいだ Target アクティビティの割り当ては、 Analytics 訪問者コンテキスト。 その結果、 Target アクティビティが水増しされ、コンバージョン率が低下する場合があります。

ユーザーが実際に 自動ターゲット アクティビティ（アクティビティ、表示または訪問イベント、コンバージョンのエントリによって）は、次の操作を実行できます。

1. からのヒットを含む特定のセグメントを作成します。 Target 問題となる活動
2. フィルター 訪問回数 指標を使用しています。

セグメントを作成するには：

1. を選択します。 コンポーネント/セグメントを作成 オプション Analysis Workspace ツールバー。
2. を指定します。 タイトル を設定します。 以下の例では、セグメントの名前はです。 “Hit with specific Auto-Target activity”.
3. 次をドラッグ： Target アクティビティ セグメントのディメンション 定義 」セクションに入力します。
4. 以下を使用： 次と等しい 演算子
5. 特定の Target アクティビティ。
6. 歯車アイコンをクリックし、 アトリビューションモデル/インスタンス 次の図に示すように。
7. 「保存」をクリックします。

図 5:ここに示すセグメントなどのセグメントを使用して、 訪問回数 A4T の指標 自動ターゲット レポート

セグメントを作成したら、それを使用して 訪問回数 指標、 訪問回数 指標には、ユーザーが Target アクティビティ。

フィルターするには 訪問回数 次のセグメントを使用：

1. 新しく作成したセグメントをコンポーネントツールバーからドラッグし、 訪問回数 青になるまでの指標ラベル フィルター条件 プロンプトが表示されます。
2. セグメントを解放します。 その指標にフィルターが適用されます。

最後のパネルは次のように表示されます。

図 6:「特定の自動ターゲットアクティビティによるヒット」セグメントが 訪問回数 指標。 このセグメントは、ユーザーが実際に Target 該当するアクティビティがレポートに含まれます。

目標指標とアトリビューションが最適化基準と一致していることを確認します。

A4T 統合により、 自動ターゲット ML モデルは次のようになります 訓練された と同じコンバージョンイベントデータを使用する Adobe Analytics 使用 パフォーマンスレポートを生成. ただし、ML モデルをトレーニングする際に、このデータを解釈する際に使用する必要がある前提条件はいくつかあります。これは、のレポート段階で行われたデフォルトの前提条件とは異なります Adobe Analytics.

特に、 Adobe Target ML モデルは、訪問スコープのアトリビューションモデルを使用します。 つまり、ML モデルでは、コンバージョンが ML モデルによる決定に「帰属」されるために、アクティビティのコンテンツの表示と同じ訪問でコンバージョンが発生する必要があると想定しています。 これは、 Target モデルの適時の訓練を保証する Target は、コンバージョンまで最大 30 日間待つことはできません ( Adobe Analytics) をクリックしてから、モデルのトレーニングデータに含めます。

したがって、 Target モデル（トレーニング中）とデータのクエリに使用されるデフォルトアトリビューション（レポートの生成中）では、不一致が生じる可能性があります。 実際にはアトリビューションに問題がある場合、ML モデルのパフォーマンスが低いように見えることもあります。

正確な指標の定義とアトリビューションの設定は、 最適化基準 アクティビティの作成中に指定した値。

Target が定義したコンバージョン、または Analytics 指標 訪問あたりの指標値の最大化

指標が Target コンバージョン、または Analytics 指標 訪問あたりの指標値の最大化​の目標指標を定義すると、同じ訪問で複数のコンバージョンイベントを発生させることができます。

同じアトリビューション手法を使用する目標指標を Target ML モデルの手順は次のとおりです。

1. 目標指標の歯車アイコンの上にマウスポインターを置きます。

   

2. 表示されたメニューから、にスクロールします。 データ設定.

3. 選択 デフォルト以外のアトリビューションモデルを使用 （まだ選択されていない場合）。

   

4. 「編集」をクリックします。

5. 選択 モデル: パーティシペーション、および ルックバックウィンドウ: 訪問.

   

6. 「適用」をクリックします。

これらの手順は、目標指標イベントが発生した場合に、レポートが目標指標をエクスペリエンスの表示に確実に関連付けるようにします いつでも （「パーティシペーション」）と同じ訪問での使用が可能です。

Analytics 指標 個別訪問コンバージョン率

ポジティブな指標セグメントで訪問を定義する

選択したシナリオで 個別訪問コンバージョン率の最大化 最適化基準として、コンバージョン率の正しい定義は、指標値が正の場合に訪問の割合となります。 これは、指標の正の値を持つ訪問に対するフィルタリングを作成し、訪問指標をフィルタリングすることで達成できます。

1. 以前と同様に、 コンポーネント/セグメントを作成 オプション Analysis Workspace ツールバー。

2. を指定します。 タイトル を設定します。

   以下の例では、セグメントの名前はです。 “Visits with an order”.

3. 最適化目標で使用したベース指標をセグメントにドラッグします。

   次の例では、 注文件数 指標を使用して、注文が記録された訪問の割合をコンバージョン率で測定することができます。

4. セグメント定義コンテナの左上で、「 」を選択します。 次を含む 訪問.

5. 以下を使用： 次よりも大きい 演算子を使用し、値を 0 に設定します。

   値を 0 に設定すると、注文指標が正の数の訪問がこのセグメントに含まれます。

6. 「保存」をクリックします。

図 7:正の順序の訪問に対するフィルタリングを行うセグメント定義。 アクティビティの最適化指標に応じて、注文を適切な指標に置き換える必要があります

フィルターされたアクティビティの指標の訪問に適用

このセグメントを使用して、正の数の注文がある訪問と、 Auto-Target アクティビティ。 指標をフィルタリングする手順は、以前と同様です。既にフィルタリングされた訪問指標に新しいセグメントを適用した後、レポートパネルは図 8 のようになります

図 8:正しい個別訪問コンバージョン指標が表示されたレポートパネル：アクティビティからのヒットが記録された訪問の数、およびコンバージョン指標（この例では注文件数）がゼロ以外の訪問。

最終手順：上記のマジックを捉えたコンバージョン率を作成する

を 訪問 および前の節の目標指標。 Auto-Target レポートパネルでは、適切にフィルタリングされた「訪問回数」指標に対する、修正された目標指標の正しい比率であるコンバージョン率を作成します。

これをおこなうには、 計算指標 次の手順を使用します。

1. を選択します。 コンポーネント/指標を作成 オプション Analysis Workspace ツールバー。
2. を指定します。 タイトル を選択します。 例えば、「アクティビティ XXX の訪問修正コンバージョン率」などです。
3. 選択 形式 =パーセントおよび 小数点以下の桁数 = 2.
4. アクティビティに関連する目標指標（例： ）をドラッグします。 アクティビティコンバージョン) を定義に追加し、前述のように、この目標指標の歯車アイコンを使用して、アトリビューションモデルを（パーティシペーション|訪問）に調整します。
5. 選択 追加/コンテナ の右上から 定義 」セクションに入力します。
6. 2 つのコンテナ間の除算 (÷) 演算子を選択します。
7. 以前に作成したセグメント (「特定の 自動ターゲット この特定の Auto-Target アクティビティ。
8. 次をドラッグ： 訪問回数 指標をセグメントコンテナに追加します。
9. 「保存」をクリックします。

完全な計算指標の定義がここに表示されます。

図 7:訪問修正および属性修正されたモデルコンバージョン率指標の定義。 ( この指標は、目標指標とアクティビティに依存します。 つまり、この指標定義は、アクティビティをまたいで再利用することはできません )。

概要：最終サンプル Analysis Workspace パネル 自動ターゲット レポート

上記のすべての手順を 1 つのパネルに組み合わせた場合、次の図は、 自動ターゲット A4T アクティビティ。 このレポートは、 Target ML モデルを使用して目標指標を最適化する。 このレポートは、このチュートリアルで説明するすべてのニュアンスと推奨事項を組み込んでいます。 また、このレポートは、従来の Targetレポート主導 自動ターゲット アクティビティ。

クリックして画像を展開します。

図 10:最終的な A4T 自動ターゲット レポート Adobe Analytics Workspaceは、このチュートリアルの前の節で説明した指標の定義に対するすべての調整を組み合わせたものです。

Business.Adobe.com リソース