Premium

에서 A4T 보고서 설정 Analysis Workspace 대상 Auto-Target 활동

다음 Analytics for Target 용 (A4T) 통합 Auto-Target 활동은 다음을 사용합니다. Adobe Target 앙상블 머신 러닝(ML) 알고리즘 을 사용하여 각 방문자의 프로필, 동작 및 컨텍스트를 기반으로 최상의 경험을 선택합니다. Adobe Analytics 목표 지표.

다양한 분석 기능은에서 사용할 수 있습니다 Adobe Analytics Analysis Workspace, 기본값에 대한 몇 가지 수정 사항 Analytics for Target 올바르게 해석하려면 패널이 필요합니다. Auto-Target 실험 활동 간의 차이로 인한 활동(수동) A/B 테스트 및 자동 할당) 및 개인화 활동(자동 타기팅).

이 자습서에서는 분석을 위한 권장 수정 사항을 안내합니다 자동 타기팅 의 활동 Analysis Workspace: 다음 주요 개념을 기반으로 합니다.

• 다음 제어 및 타깃팅 dimension을 사용하여 다음을 구별할 수 있습니다. 제어 경험과 에서 제공하는 경험 비교 자동 타기팅 ensemble ML 알고리즘.
• 경험 수준 성능 분류를 볼 때 방문 횟수를 표준화 지표로 사용해야 합니다. 또한, Adobe Analytics의 기본 계산 방법론에는 사용자가 활동 컨텐츠를 실제로 보지 않는 방문 횟수가 포함될 수 있습니다적절한 범위의 세그먼트를 사용하여 이 기본 동작을 수정할 수 있습니다(아래에 자세히 설명).
• 방문-전환 범위 속성(규정된 속성 모델에서 "방문 전환 확인 기간"이라고도 함)은 Adobe Target 교육 단계 중 ML 모델 및 목표 지표를 분류할 때 동일한(기본값이 아닌) 속성 모델을 사용해야 합니다.

용 A4T 만들기 자동 타기팅 패널 위치 Analysis Workspace

용 A4T를 만들려면 자동 타기팅 보고서, 다음 중 하나로 시작 Analytics for Target 패널 위치 Analysis Workspace아래에 표시된 대로 또는 자유 형식 테이블로 시작합니다. 그런 다음 다음을 선택합니다.

1. 제어 경험: 모든 경험을 선택할 수 있지만 나중에 이 선택을 재정의합니다. 에 대한 참고 사항 자동 타기팅 활동. 제어 경험은 실제로 제어 전략이며, a) 모든 경험 중에서 임의로 제공되거나 b) 단일 경험을 제공합니다(이 선택은 의 활동 생성 시 수행됩니다). Adobe Target). 선택(b)을 선택했더라도 자동 타기팅 활동은 특정 경험을 제어로 지정했습니다. 에 대한 A4T 분석을 위해 이 자습서에 설명된 접근 방식을 따라야 합니다 자동 타기팅 활동.

2. 지표 표준화: 선택 방문 횟수.

3. 성공 지표: 보고할 지표를 선택할 수 있지만 일반적으로 의 활동 생성 중 최적화를 위해 선택한 동일한 지표에 대한 보고서를 확인해야 합니다 Target.

   

   그림 1: Analytics for Target 패널 설정 자동 타기팅 활동.

사용 제어 및 타깃팅 비교할 차원 Target 컨트롤에 앙상블 ML 모델

기본 A4T 패널은 classic(수동)용으로 설계되었습니다 A/B 테스트 또는 자동 할당 개별 경험의 성과를 제어 경험과 비교하는 것이 목표인 활동. 위치 자동 타기팅 그러나 활동 간의 첫 번째 순서는 반드시 비교해야 합니다 전략 및 타깃팅됨 전략. 즉, 의 전체 성능 상승도를 결정합니다. 자동 타기팅 제어 전략에 대한 ensemble ML 모델.

이 비교를 수행하려면 제어 및 타깃팅(Analytics for Target) 차원. 드래그 앤 드롭하여 바꾸기 Target 경험 기본 A4T 보고서의 차원입니다.

이 대체 항목은 기본값을 무효화합니다. 상승도 및 신뢰도 A4T 패널의 계산. 혼동을 방지하기 위해 다음 보고서를 남겨두고 기본 패널에서 이러한 지표를 제거할 수 있습니다.

그림 2: 권장되는 기준 보고서 Auto-Target 활동. 이 보고서는 타깃팅된 트래픽(앙상블 ML 모델에서 제공됨)을 제어 트래픽과 비교하도록 구성되었습니다.

지표의 경험 수준 분류 추가

앙상블 ML 모델이 어떻게 작동하는지 자세히 알아보려면 의 경험 수준 분류를 검사할 수 있습니다. 제어 및 타깃팅 차원. 위치 Analysis Workspace를 클릭하고 Target 경험 차원을 보고서에 가져온 다음 각 제어 및 타깃팅된 차원을 별도로 분류합니다.

그림 3: 타겟 경험별로 타겟팅된 차원 분류

결과 보고서의 예가 여기에 나와 있습니다.

그림 4: 표준 자동 타기팅 경험 수준 분류로 보고합니다. 목표 지표는 다를 수 있으며 제어 전략에는 단일 경험이 있을 수 있습니다.

이유방문 횟수"은 의 올바른 표준화 지표입니다. 자동 타기팅 활동

분석 시 자동 타기팅 활동, 항상 선택 방문 횟수 를 기본 표준화 지표로 사용합니다. 자동 타기팅 개인화는 방문당 한 번(공식적으로 한 번) 방문자에 대한 경험을 선택합니다. Target session) - 방문자에게 표시되는 경험이 모든 방문 시 변경될 수 있음을 의미합니다. 따라서 다음을 사용하는 경우 고유 방문자 수 표준화 지표로서 단일 사용자가 (서로 다른 방문에 대해) 여러 경험을 보게 될 수 있다는 사실은 전환율을 혼란스럽게 할 수 있습니다.

간단한 예는 이 점을 보여 줍니다. 두 명의 방문자가 두 개의 경험만 있는 캠페인을 입력하는 시나리오를 생각해 보십시오. 첫 번째 방문자가 두 번 방문합니다. 이 경험은 첫 번째 방문에서는 경험 A에 할당되지만, 두 번째 방문에서는 프로필 상태가 변경되어 경험 B에 할당됩니다. 두 번째 방문 후에 방문자는 주문을 하여 전환됩니다. 전환은 가장 최근에 표시된 경험(경험 B)에 기인합니다. 두 번째 방문자도 두 번 방문하고, 두 번 모두 경험 B가 표시되지만, 전환되지는 않습니다.

방문자 수준 및 방문 수준 보고서를 비교해 보겠습니다.

표 1: 결정이 방문에 고정(일반 A/B 테스트와 마찬가지로 방문자가 아님)되는 시나리오에 대한 방문자 표준화 보고서와 방문 표준화 보고서를 비교하는 예제. 이 시나리오에서는 방문자 표준화 지표가 혼란을 겪고 있습니다.

표에서 보듯이 방문자 수준 숫자의 명백한 부조화가 있습니다. 총 두 명의 고유 방문자가 있음에도 불구하고 각 경험에 대한 개별 고유 방문자의 합이 아닙니다. 방문자 수준 전환율이 반드시 잘못된 것은 아니지만 개별 경험을 비교할 때 방문 수준 전환율이 훨씬 더 적절합니다. 형식적으로 분석 단위("방문 횟수")는 의사 결정 고착성의 단위와 동일하며, 이는 지표의 경험 수준 분류를 추가하고 비교할 수 있음을 의미합니다.

활동에 대한 실제 방문 필터링

다음 Adobe Analytics 방문에 대한 기본 계산 방법론 Target 활동에는 사용자가 와 상호 작용하지 않은 방문이 포함될 수 있습니다. Target 활동. 이것은 다음 이유로 인한 것입니다. Target 활동 할당은에서 유지됩니다. Analytics 방문자 컨텍스트. 결과적으로 방문에 대한 횟수입니다 Target 활동은 때때로 부풀려져 전환율 저하를 초래할 수 있습니다.

사용자가 실제로 상호 작용한 방문에 대해 보고하려는 경우 자동 타기팅 활동(활동 항목, 디스플레이 또는 방문 이벤트 또는 전환을 통해)에서는 다음 작업을 수행할 수 있습니다.

1. 의 히트를 포함하는 특정 세그먼트를 만듭니다. Target 해당 활동 및
2. 필터 방문 횟수 이 세그먼트를 사용하는 지표.

세그먼트를 만들려면 다음 작업을 수행하십시오.

1. 다음 항목 선택 구성 요소 > 세그먼트 만들기 의 옵션 Analysis Workspace 도구 모음
2. 지정 제목 세그먼트. 아래 표시된 예에서 세그먼트 이름은 입니다 “Hit with specific Auto-Target activity”.
3. 드래그 Target 활동 세그먼트에 대한 차원 정의 섹션.
4. 사용 다음과 같음 연산자.
5. 특정 항목 검색 Target 활동.
6. 톱니바퀴 아이콘을 클릭한 다음, 속성 모델 > 인스턴스 아래 그림과 같이.
7. 저장​을 클릭합니다.

그림 5: 여기에 표시된 세그먼트와 같은 세그먼트를 사용하여 방문 횟수 다음에 대한 A4T의 지표 자동 타기팅 보고서

세그먼트가 만들어지면 이를 사용하여 다음을 필터링합니다. 방문 횟수 지표, 따라서 방문 횟수 지표에는 사용자가 와 상호 작용한 방문만 포함됩니다. Target 활동.

필터링하려면 방문 횟수 이 세그먼트 사용:

1. 구성 요소 도구 모음에서 새로 만든 세그먼트를 드래그하여 아래쪽의 방문 횟수 파란색까지 지표 레이블 필터링 기준 프롬프트가 나타납니다.
2. 세그먼트를 해제합니다. 필터가 해당 지표에 적용됩니다.

최종 패널은 다음과 같이 표시됩니다.

그림 6: "특정 자동 타겟 활동이 있는 히트" 세그먼트가 다음에 적용된 보고 패널 방문 횟수 지표. 이 세그먼트는 사용자가 실제로 상호 작용한 방문만 확인하도록 합니다. Target 해당 활동은 보고서에 포함됩니다.

목표 지표 및 속성이 최적화 기준과 일치하는지 확인합니다

A4T 통합을 통해 자동 타기팅 ML 모델 교육 와 동일한 전환 이벤트 데이터 사용 Adobe Analytics 사용 대상 성능 보고서 생성. 그러나 ML 모델을 교육할 때 이 데이터를 해석할 때 사용해야 하는 특정 가정이 있으며, 이는 의 보고 단계에서 수행되는 기본 가정과 다릅니다 Adobe Analytics.

특히 Adobe Target ML 모델은 방문 범위 속성 모델을 사용합니다. 즉, ML 모델은 전환이 ML 모델의 결정에 "귀속"되도록 하기 위해 활동에 대한 콘텐츠 표시와 동일한 방문에서 전환이 발생해야 한다고 가정합니다. 다음에 필요합니다. Target 적시에 해당 모델을 교육할 수 있도록 Target 전환(의 보고서에 대한 기본 속성 창)을 위해 최대 30일까지 대기할 수 없음 Adobe Analytics) 를 선택한 다음 모델의 교육 데이터에 포함시킵니다.

따라서 가 사용하는 속성 간의 차이는 Target 모델(교육 중)과 데이터 쿼리에 사용된 기본 속성(보고서 생성 중)의 비교 결과 불일치가 발생할 수 있습니다. ML 모델이 실제로 속성에 문제가 있을 때 제대로 작동하지 않는 것처럼 보일 수도 있습니다.

정확한 지표 정의 및 속성 설정은 최적화 기준 활동을 만드는 동안 을(를) 지정했습니다.

타겟 정의 전환 또는 Analytics 지표 방문당 지표 값 최대화

지표가 인 경우 Target 전환 또는 Analytics 지표 방문당 지표 값 최대화, 목표 지표 정의를 사용하면 동일한 방문에서 여러 전환 이벤트가 발생할 수 있습니다.

에서 사용하는 것과 동일한 속성 방법론이 있는 목표 지표를 보려면 Target ML 모델, 다음 단계를 따르십시오.

1. 다음 목표 지표의 톱니바퀴 아이콘 위로 마우스를 가져갑니다.

   

2. 결과 메뉴에서 다음으로 스크롤 데이터 설정.

3. 선택 기본이 아닌 속성 모델 사용 (아직 선택하지 않은 경우).

   

4. 편집​을 클릭합니다.

5. 선택 모델: 기여도, 및 전환 확인 기간: 방문.

   

6. 적용​을 클릭합니다.

이 단계에서는 목표 지표 이벤트가 발생한 경우 목표 지표를 경험 표시에 반영하도록 합니다 언제든지 ("참여") 경험을 표시한 동일한 방문에 속합니다.

Analytics 지표 고유 방문 전환율

양성 지표 세그먼트로 방문 정의

을(를) 선택한 시나리오에서 고유 방문 전환율 최대화 최적화 기준으로서 전환율에 대한 올바른 정의는 지표 값이 양수인 방문 횟수의 비율입니다. 이 작업은 지표가 양수 값을 갖는 방문으로 필터링하는 세그먼트를 만든 다음 방문 지표를 필터링하여 수행할 수 있습니다.

1. 이전과 같이 구성 요소 > 세그먼트 만들기 의 옵션 Analysis Workspace 도구 모음

2. 지정 제목 세그먼트.

   아래 표시된 예에서 세그먼트 이름은 입니다 “Visits with an order”.

3. 최적화 목표에서 사용한 기본 지표를 세그먼트로 드래그합니다.

   아래 표시된 예에서는 주문 수 지표를 사용하여 전환이 주문이 기록된 방문 비율을 측정하도록 합니다.

4. 세그먼트 정의 컨테이너의 왼쪽 상단에서 을 선택합니다. 포함 방문.

5. 사용 다음보다 큼 연산자를 누르고 값을 0으로 설정합니다.

   값을 0으로 설정하면 이 세그먼트에는 주문 지표가 양수인 방문이 포함됩니다.

6. 저장​을 클릭합니다.

그림 7: 양수 순서가 있는 방문에 대한 세그먼트 정의 필터링 활동의 최적화 지표에 따라 주문을 적절한 지표로 교체해야 합니다

활동 필터링 지표에서 방문 횟수에 적용

이제 이 세그먼트를 사용하여 양의 주문 수가 있는 방문 및 다음에 대한 히트가 있는 방문으로 필터링할 수 있습니다. Auto-Target 활동. 지표 필터링 절차는 이전과 유사하며, 이미 필터링된 방문 지표에 새 세그먼트를 적용한 후에는 보고서 패널이 그림 8과 같이 표시되어야 합니다

그림 8: 올바른 고유 방문 전환 지표가 있는 보고서 패널: 활동에서 히트가 기록된 방문 수와 전환 지표(이 예제의 경우 주문)가 0이 아닌 방문 수입니다.

마지막 단계: 위의 마법을 캡처하는 전환율 만들기

에 대한 수정 사항 포함 방문 및 이전 섹션의 목표 지표는 의 기본 A4T에 대해 최종 수정해야 합니다. Auto-Target 보고 패널은 올바르게 필터링된 "방문 수" 지표에 대한 올바른 비율(수정된 목표 지표의 비율)인 전환율을 만드는 것입니다.

다음을 만들어 이 작업을 수행합니다. 계산된 지표 다음 단계를 수행하십시오.

1. 다음 항목 선택 구성 요소 > 지표 만들기 의 옵션 Analysis Workspace 도구 모음
2. 지정 제목 을 참조하십시오. 예를 들어 "활동 XXX에 대한 방문 수정 전환율"이 있습니다.
3. 선택 형식 = 백분율 및 소수점 이하 자리 수 = 2.
4. 활동에 대한 관련 목표 지표를 드래그합니다(예: 활동 전환)를 정의에 추가하고, 이 목표 지표의 톱니바퀴 아이콘을 사용하여 앞에서 설명한 대로 기여도 분석 모델을 (참여|방문)으로 조정합니다.
5. 선택 추가 > 컨테이너 의 오른쪽 상단에서 정의 섹션.
6. 두 컨테이너 간÷ 나눗셈(나눗셈) 연산자를 선택합니다.
7. 이전에 만든 세그먼트("Hit with specific")를 드래그합니다. 자동 타기팅 이 자습서의 "activity" 를 참조하십시오 Auto-Target 활동.
8. 드래그 방문 횟수 세그먼트 컨테이너에 대한 지표입니다.
9. 저장​을 클릭합니다.

전체 계산된 지표 정의가 여기에 표시됩니다.

그림 7: 방문 보정 및 속성 보정 모델 전환율 지표 정의. (이 지표는 목표 지표 및 활동에 따라 다릅니다. 즉, 이 지표 정의는 활동 간에 다시 사용할 수 없습니다.)

요약: 최종 샘플 Analysis Workspace 패널 자동 타기팅 보고서

위의 모든 단계를 단일 패널에 결합하면 아래 그림에 권장 보고서에 대한 전체 보기가 표시됩니다. 자동 타기팅 A4T 활동. 이 보고서는 Target 목표 지표를 최적화하는 ML 모델. 이 보고서에는 이 자습서에서 설명한 모든 뉘앙스와 권장 사항이 통합되어 있습니다. 이 보고서는 기존 계산 방법론과 가장 유사합니다 Target- 보고 중심 자동 타기팅 활동.

이미지를 확장하려면 클릭하십시오.

그림 10: 최종 A4T 자동 타기팅 보고서 위치: Adobe Analytics Workspace: 이 자습서의 이전 섹션에 설명된 지표 정의에 대한 모든 조정을 결합합니다.