Premium

在中設定A4T報表 Analysis Workspace for Auto-Target 活動

重要

針對 自動鎖定目標 活動,您必須在 Analytics Workspace 和手動建立A4T面板。

此 Analytics for Target (A4T)整合 Auto-Target 活動使用 Adobe Target 整體機器學習(ML)演算法,可根據訪客的設定檔、行為和內容為每位訪客選擇最佳體驗,同時使用 Adobe Analytics 目標量度。

雖然 Adobe Analytics Analysis Workspace,對預設值進行一些修改 Analytics for Target 需要面板才能正確解譯 Auto-Target 活動,因為實驗活動之間的差異(手動 A/B測試 和 自動分配)和個人化活動(自動鎖定目標)。

本教學課程將逐步說明分析時的建議修改 自動鎖定目標 活動 Analysis Workspace,這些概念以下列重要概念為基礎:

  • 控制與目標 維度可用來區分 控制 體驗與 自動鎖定目標 整合ML算法。
  • 檢視體驗層級績效劃分時,應將造訪設為標準化量度。 此外, Adobe Analytics的預設計數方法可能包含使用者實際上看不到活動內容的造訪,但可使用適當範圍的區段來修改此預設行為(詳見下方)。
  • 使用的是「造訪回顧範圍」歸因(在指定的歸因模型上稱為「造訪回顧期間」) Adobe Target ML模型(在其訓練階段),劃分目標量度時應使用相同(非預設)歸因模型。

為建立A4T 自動鎖定目標 面板 Analysis Workspace

為建立A4T 自動鎖定目標 報表,以開頭 Analytics for Target 面板 Analysis Workspace,如下所示,或以自由表格開頭。 然後進行下列選取:

  1. 控制體驗:您可以選擇任何體驗;不過,您稍後會覆寫此選項。 請注意, 自動鎖定目標 活動,控制體驗實際上是控制策略,可能是a)在所有體驗中隨機提供,或b)提供單一體驗(此選項是在活動建立時於 Adobe Target)。 即使您選擇(b),您的 自動鎖定目標 活動指定特定體驗作為控制。 您仍應依照本教學課程中概述的方法,分析 自動鎖定目標 活動。

  2. 標準化量度:選擇 瀏覽.

  3. 成功量度:雖然您可以選取要報告的任何量度,但通常應檢視在活動建立期間針對最佳化而選擇的相同量度的報告,位於 Target.

    Analytics for Target 面板設定 自動鎖定目標 活動。

    圖1: Analytics for Target 面板設定 自動鎖定目標 活動。

秘訣

設定 Analytics for Target 面板 自動鎖定目標 活動,選擇任何控制體驗,選擇 瀏覽 做為標準化量度,然後選擇與 Target 活動建立。

使用 控制與目標 要比較的維度 Target 將整體ML模型整合到控制項

預設的A4T面板是針對傳統(手動)設計 A/B測試 或 自動分配 目標是比較個別體驗與控制體驗的效能的活動。 在 自動鎖定目標 不過,第一階比較應該是控制項之間 策略 和目標 策略. 換句話說,決定 自動鎖定目標 整體ML模型。

若要執行此比較,請使用 控制與鎖定(Analytics for Target) 維度。 拖放以取代 目標體驗 維度。

請注意,此取代會讓預設值失效 提升度和可信度 計算。 若要避免混淆,您可以從預設面板中移除這些量度,並保留下列報表:

依活動轉換的體驗 面板 Analysis Workspace

圖2:建議的基準報告 Auto-Target 活動。 此報表已設定來比較目標流量(由整體ML模型提供)與您的控制流量。

注意

目前, 提升度和可信度 數字無法用於 控制與目標 維度(適用於 自動鎖定目標. 在添加支援之前, 提升度和可信度 可以通過下載手動計算 信賴度計算器.

加入量度的體驗層級劃分

若要進一步深入了解整體ML模型的執行方式,您可以檢查 控制與目標 維度。 在 Analysis Workspace,拖曳 目標體驗 維度,然後分別劃分控制項和目標維度。

依活動轉換的體驗 面板 Analysis Workspace

圖3:依目標體驗劃分目標維度

產生的報表範例如下所示。

依活動轉換的體驗 面板 Analysis Workspace

圖4:標準 自動鎖定目標 使用體驗層級劃分的報表。 請注意,您的目標量度可能不同,而您的控制策略可能有單一體驗。

秘訣

在 Analysis Workspace,按一下齒輪圖示以隱藏 轉換率 欄,協助您持續關注體驗轉換率。 轉換率將格式化為小數,但會據此解譯為百分比。

為什麼"瀏覽「是 自動鎖定目標 活動

分析 自動鎖定目標 活動,一律選擇 瀏覽 做為預設標準化量度。 自動鎖定目標 個人化會為訪客在每次造訪時選取一次體驗(正式、每次 Target 工作階段),這表示對訪客顯示的體驗可在每次造訪時變更。 因此,若您使用 不重複訪客 標準化量度時,單一使用者最後可能看到多個體驗(跨不同的造訪),將導致轉換率混淆。

一個簡單的示例演示了此點:假設有兩個訪客進入的促銷活動只有兩個體驗。 第一個訪客瀏覽兩次。 他們會在第一次造訪時指派給體驗A,但在第二次造訪時指派給體驗B(因為其設定檔狀態在第二次造訪時有所變更)。 第二次造訪後,訪客會透過下單進行轉換。 轉換會歸因於最近顯示的體驗(體驗B)。 第二個訪客也瀏覽了兩次,且兩次都顯示體驗B,但從未轉換。

讓我們比較訪客層級和造訪層級報表:

體驗 獨特訪客 瀏覽次數 轉換 訪客標準化轉換率 造訪標準化轉換率
A 1 1 - 0% 0%
B 2 3 1 50% 33.3%
總計 2 4 1 50% 25%

表1:比較訪客標準化報表和造訪標準化報表的範例,其中決策與造訪有黏性(而非訪客,如同一般A/B測試)。 此情境中會混淆訪客標準化量度。

如表格所示,訪客層級的數字有明顯的不一致。 儘管事實上有兩個不重複訪客總計,但這並非每個體驗的個別不重複訪客總和。 雖然訪客層級轉換率不一定是錯誤的,但比較個別體驗時,瀏覽層級的轉換率可以說更合理。 從形式上講,分析單位(「造訪」)與決策黏著度單位相同,這表示您可以新增和比較量度的體驗層級劃分。

篩選活動的實際造訪次數

此 Adobe Analytics 造訪的預設計數方法 Target 活動可能包含使用者未與 Target 活動。 這是因為 Target 活動指派持續存在於 Analytics 訪客內容。 因此, Target 活動有時會膨脹,導致轉換率下降。

如果您偏好報告使用者實際與 自動鎖定目標 活動(透過活動、顯示或造訪事件或轉換),您可以:

  1. 建立特定區段,其中包含 Target 相關活動,然後
  2. 篩選 瀏覽 量度。

若要建立區段:

  1. 選取 元件>建立區段 選項 Analysis Workspace 工具欄。
  2. 指定 標題 的URL區段。 在下列範例中,區段的名稱為 “Hit with specific Auto-Target activity”.
  3. 拖曳 目標活動 維度至區段 定義 區段。
  4. 使用 等於 運算元。
  5. 搜尋您的特定 Target 活動。
  6. 按一下齒輪圖示,然後選取 歸因模型>例項 如下圖所示。
  7. 按一下​儲存

中的區段 Analysis Workspace

圖5:使用區段(如此處所示)來篩選 瀏覽 量度 自動鎖定目標 報告

建立區段後,使用它來篩選 瀏覽 量度,因此 瀏覽 量度僅包含使用者與 Target 活動。

若要篩選 瀏覽 使用此區段:

  1. 從元件工具列拖曳新建立的區段,並將滑鼠移到 瀏覽 量度標籤直到藍色 篩選依據 出現提示。
  2. 發行區段。 篩選器會套用至該量度。

最終面板顯示如下:

依活動轉換的體驗 面板 Analysis Workspace

圖6:報表面板,其中「點擊特定自動鎖定目標活動」區段已套用至 瀏覽 量度。 此區段可確保只有使用者實際與互動的造訪 Target 相關活動會包含在報表中。

確定目標量度和歸因與您的最佳化標準一致

A4T整合可讓 自動鎖定目標 要為的ML模型 訓練 使用與 Adobe Analytics 使用 生成效能報告. 然而,在培訓ML模型時,在解釋此資料時必須採用若干假設,這與報告階段在 Adobe Analytics.

具體而言, Adobe Target ML模型使用造訪範圍歸因模型。 也就是說,ML模型假設必須在活動內容顯示的相同瀏覽中進行轉換,以便將轉換「歸因」至ML模型所做的決策。 這是 Target 保證模式的及時培訓; Target 轉換最多等候30天(中報表的預設歸因視窗) Adobe Analytics),然後將其納入其模型的訓練資料中。

因此, Target 模型(在訓練期間)與查詢資料時(在產生報表期間)所使用的預設歸因,可能會導致差異。 事實上,歸因有問題,ML模型甚至可能表現不佳。

秘訣

如果ML模型針對歸因與您在報表中檢視之量度不同的量度進行最佳化,則模型可能無法如預期般執行。 若要避免此情況,請確認報表上的目標量度使用與 Target ML模型。

確切的量度定義和歸因設定取決於 優化准則 在活動建立期間指定。

定位定義的轉換,或 Analytics 量度 將每次造訪的量度值最大化

當量度為 Target 轉換,或 Analytics 量度 將每次造訪的量度值最大化,目標量度定義可讓多個轉換事件在同一次造訪中發生。

若要檢視使用相同歸因方法的目標量度,請 Target ML模型,請遵循下列步驟:

  1. 將滑鼠指標暫留在目標量度的齒輪圖示上:

    gearicon.png

  2. 從產生的功能表,捲動至 資料設定.

  3. 選擇 使用非預設歸因模型 (如果尚未選取)。

    non-defaultattributionmodel.png

  4. 按一下​編輯

  5. 選擇 模型: 參與率,和 回顧期間: 瀏覽.

    ParticipationbyVisit.png

  6. 按一下​「套用」

這些步驟可確保如果目標量度事件發生,您的報表會將目標量度歸因於體驗的顯示 任何時間 (「參與率」)。

Analytics 量度 不重複造訪轉換率

以正量度區段定義造訪

在您選取的案例中 最大化獨特造訪轉換率 作為最佳化條件,轉換率的正確定義是量度值為正的造訪次數的百分比。 這可透過建立區段來達成,依量度的正值向下篩選至造訪,然後篩選造訪量度。

  1. 和之前一樣,選取 元件>建立區段 選項 Analysis Workspace 工具欄。

  2. 指定 標題 的URL區段。

    在下列範例中,區段的名稱為 “Visits with an order”.

  3. 將您在最佳化目標中使用的基礎量度拖曳至區段。

    在下列範例中,我們會使用 訂購 量度,因此轉換率會測量記錄訂單的造訪比例。

  4. 在區段定義容器的左上角,選取 包括 瀏覽.

  5. 使用 大於 運算子,並將值設定為0。

    將值設為0表示此區段包含訂購量度為正的造訪。

  6. 按一下​儲存

圖7.png

圖7:以正序篩選瀏覽的區段定義。 根據活動的最佳化量度,您必須以適當的量度取代訂單

將此項目套用至活動篩選量度中的造訪

此區段現在可用來篩選具有正數訂購的造訪,以及 Auto-Target 活動。 篩選量度的程式與之前類似,而將新區段套用至已篩選的造訪量度後,報表面板看起來應該類似圖8

圖8.png

圖8:具有正確獨特造訪轉換量度的報表面板:記錄來自活動點擊的造訪次數,以及轉換量度(此範例中的訂單)非零的造訪次數。

最後一步:建立擷取上述神奇效果的轉換率

修改 瀏覽 和前幾節的目標量度,也就是您應針對 Auto-Target 「報表」面板是用來建立正確比率(即已更正之目標量度與已適當篩選之「造訪」量度的比率)。

建立 計算量度 使用下列步驟:

  1. 選取 元件>建立量度 選項 Analysis Workspace 工具欄。
  2. 指定 標題 ,以取得量度。 例如,「活動XXX的瀏覽更正轉換率」。
  3. 選擇 格式 =百分比和 小數位數 = 2。
  4. 拖曳活動的相關目標量度(例如 活動轉換),並使用此目標量度上的齒輪圖示,將歸因模型調整為(參與率|造訪),如先前所述。
  5. 選擇 新增>容器定義 區段。
  6. 選取兩個容器之間的除法(÷)運算子。
  7. 拖曳先前建立的區段 — 名為「特定點擊」 自動鎖定目標 本教學課程中的「活動」 Auto-Target 活動。
  8. 拖曳 瀏覽 量度放入區段容器中。
  9. 按一下​儲存
秘訣

您也可以使用 快速計算量度功能.

完整的計算量度定義會顯示在此處。

圖9.png

圖7:修正造訪和歸因的模型轉換率量度定義。 (請注意,此量度取決於您的目標量度和活動。 換句話說,此量度定義無法在各活動間重複使用。)

重要

此 轉換 A4T面板中的比率量度沒有連結至表格中的轉換事件或標準化量度。 進行本教學課程中建議的修改時, 轉換 速率不會自動適應變更。 因此,如果您對轉換事件歸因或標準化量度(或兩者)進行修改,您必須記住最後一步,才能同時修改 轉換 比率,如上所示。

摘要:最終範例 Analysis Workspace 面板 自動鎖定目標 報告

將上述所有步驟合併成單一面板,下圖將顯示建議報表的完整檢視 自動鎖定目標 A4T活動。 此報表與 Target ML模型,以最佳化您的目標量度。 報告納入了本教學課程討論的所有細微差別和建議。 此報告也最接近傳統計算方法 Target — 報告驅動 自動鎖定目標 活動。

按一下以展開影像。

中的最終A4T報表 Analysis Workspace

圖10:最終的A4T 自動鎖定目標 報告 Adobe Analytics Workspace,結合本教學課程前幾節所述對量度定義的所有調整。

本頁內容