使用手动A/B活动时,您可能会丢失转化,因为在活动完成之前,您无法向整个受众提供入选体验。 即使在您认识到某些体验优于其他体验之后,流量分配仍保持固定,并且活动必须运行其整个课程,然后才能对入选者执行操作。
如果您希望某个选项在活动中更频繁和更早地提供入选体验,同时删除或减少挑选样本量、置信度级别和其他统计概念的设置和计算成本, 自动分配 是你的最佳选择。
自动分配 使用多臂老虎机的原理。 如果这个词不熟悉,单臂老虎机就是老虎机的口语(想想:拉斯维加斯)。 将流量自动分配可视化为具有多个老虎机(在此例中是测试变体),并在开始时均匀提取所有句柄。 随着时间的推移,一台或多台机器或测试变体可能比其他机器支付得更多。 当这种情况发生时,赌徒会自然而然地开始拉取那些更胜一筹的赌徒的把手。 在流量分配条款中, Adobe Target 将为更多访客提供获益更多的体验或体验。
请考虑下图,其中显示了一个为期两周的A/B活动。 替换为 自动分配,随着成功体验的出现, Target 在测试早期,将更多流量转移到该入选者。
其好处显而易见:更多访客看到了表现最佳的变体。 当一个变体拉到前面时,会有更多的访客在测试仍在运行时,被引导至获胜的体验。 如果正在运行的A/B活动发生在核心业务时刻(例如假日、产品发布或全球新闻活动),这会特别有用。
自动分配 找到入选者的速度比手动A/B剥离快,并且允许您利用入选者立即捕获在传统或手动方法中会失去的上行收入。 因为 自动分配 会将更多流量引向转化率最高的体验,这可以在活动运行和学习的同时增加您的收入。
在以下示例中, 自动分配 在测试期间,通过将更多流量(40%)推送到转化率最高的体验D,获得了更多收入。
如果您需要对每个体验的执行方式相对于其他体验进行排序,则最适用的人工A/B测试。 自动分配 寻找和利用表现最佳的体验,但并不保证表现较差的体验之间会有区别。 您应该使用手动流量分配完全控制有多少访客流量会看到每个测试变体,并自定义与您的业务相关的统计阈值。
准备启动您的第一个 自动分配 活动? 在此处了解详情.