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

Auto-TargetアクティビティのAnalytics for Target(A4T)統合では、Adobe TargetのEnsamble Machine Learning(ML)アルゴリズムを使用して、Adobe Analyticsの目標指標を使用しながら、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します。

Adobe Analytics Analysis Workspaceではリッチな分析機能を利用できますが、実験アクティビティ(手動のA/Bと自動配分)とパーソナライゼーションアクティビティ(Auto-Target)の違いにより、Auto-Targetアクティビティを正しく解釈するには、デフォルトの​Target​パネルを変更する必要があります。

このチュートリアルでは、次の主要概念に基づく、WorkspaceのAuto-Targetアクティビティの分析に推奨される変更について説明します。

  • コントロールとターゲット​ディメンションを使用して、コントロールエクスペリエンスとAuto-TargetアンサンブルMLアルゴリズムで提供されるエクスペリエンスを区別できます。
  • 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は、訪問回数を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が、適切な範囲を指定したセグメントを使用して、このデフォルトの動作を変更できます(以下の詳細)。
  • 訪問ルックバックスコープ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「訪問ルックバックウィンドウ」とも呼ばれます)は、トレーニングフェーズでAdobe TargetのMLモデルで使用され、目標指標を分類する際には同じ(デフォルト以外の)アトリビューションモデルを使用します。

WorkspaceでAuto-Target用A4Tパネルを作成する

Auto-Target用のA4Tレポートを作成するには、次に示すように、Workspaceの​Analytics for Target​パネルから開始するか、フリーフォームテーブルから開始します。 次に、次の項目を選択します。

  1. コントロールエクスペリエンス:どんな経験でも選べる。ただし、この選択は後で上書きします。Auto-Targetアクティビティの場合、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、(a)すべてのエクスペリエンスの中でランダムに提供する、または(b)単一のエクスペリエンスを提供する(Adobe Targetでのアクティビティ作成時に選択されます)。 (b)選択を選択した場合でも(b)、Auto-Targetアクティビティが特定のエクスペリエンスをコントロールとして指定した場合でも、このチュートリアルで説明しているアプローチに従ってAuto-TargetアクティビティのA4Tを分析する必要があります。
  2. 指標の標準化:「訪問」を選択します。
  3. 成功指標:レポート対象の指標は選択できますが、通常は、Adobe Targetでのアクティビティ作成中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。

図1.
png図1:アクティビティ用のAnalytics for Targetパネルの Auto-Target 設定。

メモ

自動ターゲットアクティビティ用にAnalyticsのTargetパネルを設定するには、任意のコントロールエクスペリエンスを選択し、標準化指標として「訪問回数」を選択し、Targetアクティビティの作成時に最適化用に選択したのと同じ目標指標を選択します。

コントロールとターゲットの比較ディメンションを使用して、Adobe TargetのアンサンブルMLモデルをコントロールと比較します。

デフォルトのA4Tパネルは、従来の(手動の)A/Bテストまたは自動配分アクティビティ用に設計されています。目標は、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です。 ただし、Auto-Targetアクティビティでは、最初の順序の比較は、制御​戦略​とターゲット​戦略(つまり、制御戦略に対するAuto-TargetアンサンブルMLモデルの全体的なパフォーマンスの上昇を決定する)の間で行う必要があります。

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)​ディメンションを使用します。 デフォルトのA4Tレポートの​Targetエクスペリエンス​ディメンションをドラッグ&ドロップして置き換えます。

この置き換えにより、A4Tパネルのデフォルトの上昇率および信頼性の計算が無効になります。 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、次のレポートのままにすることができます。

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

メモ

現在、自動ターゲット用のA4Tレポートのコントロールディメンションとターゲットディメンションでは、上昇率および信頼性の数値を使用できません。 サポートが追加されるまでは、信頼性計算ツールをダウンロードして、上昇率と信頼性を手動で計算できます。

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に関する詳細なインサイトを得るには、コントロールとターゲット​ディメンションのエクスペリエンスレベルの分類を調べます。 Workspaceで、ターゲットエクスペリエンス​ディメンションをレポートにドラッグし、コントロールディメンションとターゲットディメンションをそれぞれ個別に分類します。

図3.
pngFigure 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

結果レポートの例を次に示します。

図4.
png図4:エクスペリエ Auto-Target ンスレベルの分類を含む標準レポート。目標指標は異なる場合があり、コントロール戦略は単一のエクスペリエンスを持つ可能性があります。

ヒント

Workspaceで、歯車アイコンをクリックして、「コンバージョン率」列の割合を非表示にし、エクスペリエンスのコンバージョン率に焦点を当て続けます。 その後、コンバージョン率は小数で書式設定されますが、それに応じてパーセンテージとして解釈されます。

「訪問回数」がAuto-Targetアクティビティの正しい標準化指標である理由

Auto-Targetアクティビティを分析する場合は、常に、デフォルトの標準化指標として「訪問回数」を選択します。 Auto-Target パーソナライゼーションでは、訪問者に対するエクスペリエンスを訪問ごとに1回(正式には、Adobe Targetセッションごとに1回)選択します。つまり、ユーザー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、個別訪問者数を標準化指標として使用すると、1人のユーザーが複数のエクスペリエンス(異なる訪問をまたいだ)を見ることになると、コンバージョン率が混乱します。

この点を簡単な例で示します。2人の訪問者が2つのエクスペリエンスのみを含むキャンペーンに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。 訪問者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が割り当てられます(2回目の訪問でプロファイルの状態が変わるため)。 2回目の訪問の後、訪問者は注文によっ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は両方とも表示されますが、コンバージョンはおこなわれません。

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。

エクスペリエンス 実訪問者数 訪問回数 コンバージョン数 訪問者標準。 会議 レート 訪問の標準。 会議 レート
A 1 3 - 0% 0%
B 2 3 3 50% 33.3%
合計 2 4 3 50% 25%
表1: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た例で、(通常のA/Bテストのように)訪問者に対しては決定が定着している(ではなく)シナリオがある。訪問者が正規化した指標は、このシナリオでは混乱を招きます。

表に示すように、訪問者レベルの数値が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意味があると言えます。 正式には、分析単位(「訪問回数」)は、判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して比較できます。

アクティビティの実際の訪問数のフィルター

Adobe AnalyticsのTargetアクティビティへの訪問に関するデフォルトのカウント手法には、ユーザーがTargetアクティビティとやり取りしなかった訪問が含まれる場合があります。 これは、Analytics訪問者のコンテキストでTargetアクティビティの割り当てが保持されるためです。 その結果、Targetアクティビティの訪問回数が水増しされ、コンバージョン率が低下する場合があります。

(アクティビティのエントリ、表示/訪問イベント、コンバージョンのいずれかを通じて)ユーザーが自動ターゲットアクティビティと実際にやり取りした訪問に関するレポートを作成する場合は、次の操作を実行できます。

  1. 対象のTargetアクティビティからのヒットを含む特定のセグメントを作成し、
  2. このセグメントを使用して訪問回数指標をフィルターします。

セグメントを作成するには:

  1. Workspaceツールバーで、 コンポーネント/セグメントを作成​オプションを選択します。
  2. セグメントの​タイトル​を入力します。 次の例では、セグメントの名前は"Hit with specific Auto-Target activity"です。
  3. ターゲットアクティビティ​ディメンションをセグメント​定義​セクションにドラッグします。
  4. equals​演算子を使用します。
  5. 特定のTargetアクティビティを検索します。
  6. 歯車アイコンを選択し、次の図に示すように、アトリビューションモデル/インスタンス​を選択します。
  7. 保存」をクリックします。

図5.
pngFigure 5:ここに示すようなセグメントを使用して、A4Tの訪問指標をレポート用にフィルタリングし Auto-Target ます

セグメントを作成したら、そのセグメントを使用して訪問回数指標をフィルタリングするので、訪問回数指標にはユーザーがTargetアクティビティでインタラクションを起こした訪問のみが含まれます。

このセグメントを使用して訪問をフィルタリングするには:

  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​指標ラベルのベースの上にマウスポインターを置いて、青い​フィルター​プロンプトが表示されるまで移動します。
  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.
pngFigure 6:訪問指標に適用された「特定の自動ターゲットアクティビティを含むヒット」セグメントを含むレポートパ ネル。これにより、ユーザーが実際に問題のTargetアクティビティとやり取りした訪問のみがレポートに含まれます。

MLモデルのトレーニングと目標指標の生成の間でアトリビューションを整列させる

A4T統合により、Adobe Analyticsが​パフォーマンスレポート​の生成に使用するのと同じコンバージョンイベントデータを使用して、Auto-TargetのMLモデルを​トレーニング​できます。 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はいくつかあります。これは、Adobe Analyticsのレポート段階で行われたデフォルトの前提とは異なります。

特に、Adobe Targetの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、コンバージョンがMLモデルによる決定に「関連付けられる」ためには、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がモデルのタイムリーなトレーニングを保証するために必要です。Targetは、コンバージョンが発生するまで最大30日(Adobe Analyticsのレポートのデフォルトのアトリビューションウィンドウ)待ってから、モデルのトレーニングデータに含めることはできません。

したがって、Targetのモデルで(トレーニング中に)使用されるアトリビューションと、データのクエリ時に(レポート生成中に)使用されるデフォルトアトリビューションの違いによって、不一致が生じる場合があります。 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と思われることもあります。

ヒント

レポートに表示する指標とは異なる指標のアトリビューションを持つMLモデルが最適化されている場合、モデルが期待どおりに動作しない可能性があります。 この問題を回避するには、レポートの目標指標で、TargetのMLモデルで使用されるのと同じアトリビューションを使用するようにします。

Adobe TargetのMLモデルで使用されるのと同じアトリビューション手法を持つ目標指標を表示するには、次の手順に従います。

  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。
    gearicon.png
  2. 表示されたメニューから、Data settings​までスクロールします。
  3. デフォルト以外のアトリビューションモデルを使用」を選択します(まだ選択されていない場合)。
    non-defaultattributionmodel.png
  4. 編集」をクリックします。
  5. モデル​を選択:パーティシペーション​および​ルックバックウィンドウ:​にアクセスします。
    ParticipationbyVisit.png
  6. 適用」をクリックします。

これらの手順により、エクスペリエンスが表示された同じ訪問で目標指標イベントが​(「パーティシペーション」)いつでも​発生した場合に、目標指標がエクスペリエンスの表示に関連付けられます。

最後の手順:上記のマジックをキャプチャするコンバージョン率を作成する

前の節の訪問指標と目標指標を変更した場合、Auto-TargetレポートパネルのデフォルトのA4Tに対して行う必要がある最終的な変更は、適切にフィルターされた「訪問回数」指標に対する、適切な割合(適切な属性を持つ目標指標のコンバージョン率)です。

それには、次の手順で計算指標を作成します。

  1. Workspaceツールバーで、コンポーネント/指標を作成​オプションを選択します。
  2. 指標の「タイトル」を入力します。 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. 書式 =割合」および「小数点以下の桁数 = 2」を選択します。
  4. アクティビティに関連する目標指標(アクティビティのコンバージョンなど)を定義にドラッグし、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. 定義」セクションの右上から「追加/コンテナ」を選択します。
  6. 2つのコンテナの間の除算(÷)演算子を選択します。
  7. この特定のAuto-Targetアクティビティに対して、以前に作成したセグメント(このチュートリアルでは「特定のAuto-Targetアクティビティでヒット」)をドラッグします。
  8. 訪問回数​指標をセグメントコンテナにドラッグします。
  9. 保存」をクリックします。

計算指標の完全な定義がここに表示されます。

図7.
png図7:訪問およびアトリビューションを修正し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間で再利用することはできません。

重要

A4Tパネルのコンバージョン率指標は、コンバージョンイベントやテーブルの標準化指標にリンクされていません。 このチュートリアルで提案された変更を加えても、コンバージョン率は変更に自動的に適応しません。 したがって、コンバージョンイベントアトリビューションと標準化指標の一方(または両方)に変更を加える場合は、前述のように、コンバージョン率も変更する最後の手順として覚えておく必要があります。

概要:Auto-Targetレポートの最終的なサンプルWorkspaceパネル

上記のすべての手順を1つのパネルに組み合わせた下図は、Auto-Target A4Tアクティビティに関する推奨レポートの全体像を示しています。 このレポートは、Targetの機械学習モデルで目標指標を最適化するために使用されるものと同じで、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が含まれます。 また、このレポートは、従来のTargetレポート駆動型のAuto-Targetアクティビティで使用されるカウント手法に最も近いものです。

図8.
png図8:Adobe Analytics Workspaceの最終的なA4Tレ Auto-Target ポートは、このドキュメントの前の節で説明した指標定義の調整をすべて組み合わせたものです。

このページ