の場合 自動ターゲット アクティビティの場合は、 Analytics Workspace A4T パネルを手動で作成します。
The 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(デフォルトに対するいくつかの変更) 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順を追って説明します 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。
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。
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、後でこの選択を上書きします。 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。
指標の標準化:を選択します。 訪問回数.
成功指標:レポート対象の指標はどれでも選択できますが、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 のパネル設定 自動ターゲット アクティビティ。
次の手順で Analytics for Target パネル 自動ターゲット アクティビティ、任意のコントロールエクスペリエンスを選択、選択 訪問回数 標準化指標として追加し、最適化用に選択したのと同じ目標指標を Target アクティビティの作成。
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:に対する推奨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。
現在、 上昇率と信頼性 数値は次の場合は使用できません: コントロールとターゲット 次元 for A4T レポート: 自動ターゲット. サポートが追加されるまで、 上昇率と信頼性 は、 信頼性計算器.
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をクリックし、 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を使用して、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。
In Analysis Workspaceをクリックし、 コンバージョン率 列を使用して、エクスペリエンスのコンバージョン率に焦点を当てるのに役立ちます。 その後、コンバージョン率は小数の形式で表示されますが、それに応じて割合として解釈されます。
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 人のユーザーが(異なる訪問の)複数のエクスペリエンスを見ることになると、コンバージョン率が混乱するおそれがあります。
シンプルな例で、この点を示しています。2 人の訪問者が 2 つのエクスペリエンスしかない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。 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。
エクスペリエンス | ユニーク訪問者 | 訪問 | コンバージョン数 | 訪問者が正規化したコンバージョン率 | 訪問正規化コンバージョン率 |
---|---|---|---|---|---|
A | 1 | 1 | - | 0% | 0% |
B | 2 | 3 | 1 | 50% | 33.3% |
合計 | 2 | 4 | 1 | 50% | 25% |
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。
The 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。
セグメントを作成するには:
図 5:次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 指標の場合、 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:
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でヒット」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。
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 訓練を受けた と同じコンバージョンイベントデータを使用する Adobe Analytics の使用 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。
レポートに表示している指標とは異なる属性の指標に対して ML モデルが最適化を行っている場合、そのモデルが期待どおりに動作しない可能性があります。 これを避けるには、レポートの目標指標で、 Target ML モデル。
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。
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。
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。
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.
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)。
「編集」をクリックします。
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.
「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。
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。
以前と同様に、 コンポーネント/セグメントを作成 オプションを Analysis Workspace ツールバー。
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”.
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。
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.
以下を使用します。 が次の値より大きい 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。
「保存」をクリックします。
図 7:正の順序で訪問に対するセグメント定義のフィルタリング。 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を含むレポートパネル:アクティビティからのヒットが記録された訪問の数と、コンバージョン指標(この例では注文件数)がゼロ以外の場合。
を 訪問 および前の節の目標指標。用のデフォルト A4T に対して行う必要がある最終的な変更 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。
この指標は、 クイック計算指標機能.
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 )。
The コンバージョン A4T パネルの rate 指標が、テーブルのコンバージョンイベントや標準化指標にリンクされていない。 このチュートリアルで推奨される変更を行う場合、 コンバージョン 率は、変更に自動的には適応しません。 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または標準化指標(またはその両方)を変更する場合は、最後に コンバージョン レートを設定します。
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 レポートイン 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。