Premium

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

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：

• 此 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.

   

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

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：

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。

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。

圖3:依目標體驗劃分目標維度

產生的報表範例如下所示。

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。

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：

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。

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：

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。

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：

   

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）。

   

4. 按一下​編輯。

5. 選擇 模型: 參與率，和 回顧期間: 瀏覽.

   

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: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: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 從 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。

完整的計算量度定義會顯示在此處。

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。)

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。

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。

Business.Adobe.com 資源