Automatisches Targeting Aktivitäten in Adobe Target Verwenden Sie das erweiterte maschinelle Lernen, um aus mehreren leistungsstarken, von Marketingexperten definierten Erlebnissen auszuwählen, um Inhalte zu personalisieren und Konversionen zu fördern. Automatisches Targeting stellt jedem Besucher basierend auf dem individuellen Kundenprofil und dem Verhalten vorheriger Besucher mit ähnlichen Profilen das am besten angepasste Erlebnis bereit.
Automatisches Targeting ist als Teil der Target Premium-Lösung verfügbar. Diese Funktion ist in Target Standard nicht ohne eine Target Premium-Lizenz verfügbar. Weitere Informationen zu den erweiterten Funktionen dieser Lizenz finden Sie unter Target Premium.
Analytics for Target (A4T) unterstützt Automatisches Targeting Aktivitäten. Weitere Informationen finden Sie unter A4T-Unterstützung für automatische Zuordnungs- und automatische Targeting-Aktivitäten.
Ein großer Bekleidungshändler verwendete kürzlich eine Automatisches Targeting Aktivität mit zehn kategoriebasierten Erlebnissen (plus zufallsbasierter Kontrolle), um jedem Besucher den richtigen Inhalt bereitzustellen. "Zum Warenkorb hinzufügenwurde als primäre Optimierungsmetrik ausgewählt. Die zielgerichteten Erlebnisse stiegen im Durchschnitt um 29,09 %. Nach dem Erstellen der Automatisches Targeting -Modellen wurde die Aktivität auf 90 % personalisierte Erlebnisse festgelegt.
In nur zehn Tagen wurde eine Steigerung von über 1.700.000 Dollar erreicht.
Lesen, um zu erfahren, wie Sie Automatisches Targeting , um die Steigerung und den Umsatz Ihrer Organisation zu steigern.
while Erstellen einer A/B-Aktivität Wählen Sie mithilfe des geleiteten Arbeitsablaufs mit drei Schritten die Automatisches Targeting für personalisierte Erlebnisse -Option auf Targeting Seite (Schritt 2).
Mit der Option Automatisches Targeting im A/B-Aktivitätsfluss können Sie maschinelles Lernen nutzen, damit basierend auf einer Reihe von Erlebnissen, die von Marketingexperten definiert wurden, personalisiert wird. Automatisches Targeting ist so konzipiert, dass im Vergleich zu herkömmlichen A/B-Tests eine maximale Optimierung erzielt wird oder Automatische Zuordnung, indem festgelegt wird, welches Erlebnis für jeden Besucher angezeigt werden soll. Im Gegensatz zu einer A/B-Aktivität, bei der das Ziel darin besteht, einen einzelnen Gewinner zu finden, Automatisches Targeting bestimmt automatisch das beste Erlebnis für einen bestimmten Besucher. Das beste Erlebnis basiert auf dem Besucherprofil und anderen kontextbezogenen Informationen, um ein stark personalisiertes Erlebnis zu bieten.
Ähnlich wie Automated Personalization, Automatisches Targeting verwendet eine Random Forest-Algorithmus, eine führende Methode in der Datenwissenschaft, um das beste Erlebnis zu ermitteln, das einem Besucher angezeigt werden soll. weil Automatisches Targeting kann sich an Änderungen des Besucherverhaltens anpassen und dauerhaft ausgeführt werden, um eine Steigerung zu ermöglichen. Diese Methode wird manchmal auch als "Always-on"-Modus bezeichnet.
Im Gegensatz zu einer A/B-Aktivität, bei der die Erlebniszuordnung an einen bestimmten Besucher gebunden ist, optimiert Automatisches Targeting das angegebene Geschäftsziel im Verlauf der einzelnen Besuche. Wie in Automatisierte Personalisierung reserviert Automatisches Targeting standardmäßig einen Teil des Traffics der Aktivität als Kontrollgruppe zum Messen der Steigerung. Für Besucher in der Kontrollgruppe wird ein zufälliges Erlebnis in der Aktivität bereitgestellt.
Bei der Verwendung von Automatisches Targeting:
Es ist nicht möglich, eine bestimmte Aktivität von Automatisches Targeting nach Automated Personalizationund umgekehrt.
Sie können nicht zwischen Manuell Traffic-Zuordnung (traditionell) A/B-Test) zu Automatisches Targetingund umgekehrt, nachdem eine Aktivität als Entwurf gespeichert wurde.
Ein Modell wird erstellt, um die Leistung der personalisierten Strategie im Vergleich zum zufällig bereitgestellten Traffic im Vergleich zum Senden des gesamten Traffics an das insgesamt erfolgreichste Erlebnis zu ermitteln. Dieses Modell berücksichtigt nur Treffer und Konversionen in der Standardumgebung.
Der Traffic aus einem zweiten Satz von Modellen wird für jede Modellgruppe (AP) oder jedes Erlebnis (AT) erstellt. Für jedes dieser Modelle werden Treffer und Konversionen in allen Umgebungen berücksichtigt.
Anforderungen werden unabhängig von der Umgebung mit demselben Modell bedient, aber die Mehrzahl des Traffics sollte aus der Standardumgebung stammen, um sicherzustellen, dass das identifizierte insgesamt erfolgreichste Erlebnis mit dem realen Verhalten übereinstimmt.
Verwenden Sie mindestens zwei Erlebnisse.
Bei Erörterungen zu Automatisches Targeting sind die folgenden Begriffe hilfreich:
Begriff | Definition |
---|---|
Multi-Armed Bandit | Die Methode „Multi-Armed Bandit“ stellt ein Gleichgewicht zwischen forschendem Lernen (Exploration) und der Verwertung der Lernergebnisse (Exploitation) her. |
Random Forest | Random Forest ist ein führender Ansatz beim maschinellen Lernen. In der Datenwissenschaft ist es eine Ensemble-Classification oder Regressionsmethode, die funktioniert, indem sie viele Entscheidungsbäume basierend auf Besuchsattributen und Besuchsattributen erstellt. Within Targetwird Random Forest verwendet, um zu bestimmen, welches Erlebnis für jeden einzelnen Besucher die höchste Konversionswahrscheinlichkeit (oder den höchsten Umsatz pro Besuch) aufweisen soll. |
Thompson Sampling | Ziel des Thompson-Samplings ist es, zu ermitteln, welches Erlebnis insgesamt das beste (nicht personalisierte) Erlebnis ist, und gleichzeitig die "Kosten"für die Suche nach diesem Erlebnis zu minimieren. Das Thompson Sampling wählt immer einen Gewinner aus, auch wenn es keinen statistischen Unterschied zwischen zwei Erlebnissen gibt. |
Unter den folgenden Links erhalten Sie weitere Informationen über Daten und Algorithmen, die den Funktionen Automatisches Targeting und „Automatisierte Personalisierung“ zugrunde liegen:
Begriff | Details |
---|---|
Random Forest-Algorithmus | Targetdes wichtigsten Personalisierungsalgorithmus, der in beiden Automatisches Targeting und Automated Personalization ist Random Forest. Ensemble-Methoden, wie Random Forest, verwenden mehrere Lernalgorithmen, um eine bessere Vorhersageleistung zu erzielen, als sie sich aus den einzelnen Lernalgorithmen ergeben könnte. Der Random Forest-Algorithmus im Automated Personalization und Automatisches Targeting -Aktivitäten sind eine Classification- oder Regressionsmethode, die zum Zeitpunkt der Schulung durch die Erstellung einer Vielzahl von Entscheidungsbäumen arbeitet. |
Hochladen von Daten für TargetPersonalisierungsalgorithmen | Es gibt mehrere Möglichkeiten, um Daten für die Modelle Automatisches Targeting und „Automatisierte Personalisierung“ einzugeben. |
Datenerfassung für TargetPersonalisierungsalgorithmen | TargetDie Personalisierungsalgorithmen von erfassen automatisch verschiedene Daten. |
Je nach dem Ziel Ihrer Aktivität können Sie eine unterschiedliche Traffic-Zuordnung zwischen den Kontroll- und personalisierten Erlebnissen auswählen. Es empfiehlt sich, dieses Ziel festzulegen, bevor Sie Ihre Aktivität aktivieren.
In der Dropdownliste Zuordnung anpassen können Sie aus den folgenden Optionen auswählen:
Aktivitätsziel | Vorgeschlagene Traffic-Zuordnung | Kompromisse |
---|---|---|
Personalisierungsalgorithmus auswerten (50/50): Wenn Sie den Algorithmus testen möchten, sollten Sie eine 50/50-Prozentaufteilung der Besucher zwischen dem Kontroll- und dem Zielalgorithmus verwenden. Durch diese Aufteilung erhalten Sie die genaueste Schätzung der Steigerung. Für die Verwendung mit "zufälligen Erlebnissen"als Kontrolle empfohlen. | Aufteilung: 50 % Kontrolle / 50 % personalisiertes Erlebnis |
|
Personalisierungs-Traffic maximieren (90/10): Wenn Sie eine "Always on"-Aktivität erstellen möchten, sollten Sie 10 % der Besucher in den Kontrollbereich versetzen, um sicherzustellen, dass ausreichend Daten vorhanden sind, damit die Algorithmen mit der Zeit weiter lernen können. Der Nachteil besteht darin, dass Sie im Austausch für die Personalisierung eines größeren Teils Ihres Traffics weniger präzise wissen, was genau die Steigerung ist. Unabhängig von Ihrem Ziel ist dies die empfohlene Traffic-Aufteilung, wenn ein bestimmtes Erlebnis als Kontrolle verwendet wird. | Empfohlene Aufteilung: 10–30 % Kontrolle / 70–90 % personalisiertes Erlebnis |
|
Zuordnung anpassen | Teilen Sie den Prozentsatz nach Bedarf manuell auf. |
|
So passen Sie die Kontrolle prozentualen Anteil, klicken Sie auf die Symbole im Zuordnung Spalte. Sie dürfen die Kontrollgruppe nicht auf weniger als 10 % reduzieren.
Sie können ein bestimmtes Erlebnis auswählen, das als Kontrolle verwendet werden soll, oder die Option „Zufälliges Erlebnis“ verwenden.
Es gibt verschiedene Szenarien, in denen Sie Automatisches Targeting over Automated Personalization:
Auch wenn die zum Erstellen der Modelle Automatisches Targeting und Automatisierte Personalisierung erforderliche Traffic-Menge pro Erlebnis identisch ist, liegen in der Regel in einer Aktivität vom Typ „Automatisierte Personalisierung“ mehr Aktivitäten vor als in einer Aktivität vom Typ Automatisches Targeting.
Wenn Sie beispielsweise eine Automatisierte Personalisierung Aktivität, in der Sie zwei Angebote pro Position mit zwei Positionen erstellt haben, wären insgesamt vier Erlebnisse (2 = 4) in der Aktivität enthalten (ohne Ausschlüsse). Mit Automatisches Targeting können Sie festlegen, dass Erlebnis 1 Angebot 1 an Position 1 und Angebot 2 an Position 2 einbezieht und dass Erlebnis 2 Angebot 1 an Position 1 und Angebot 2 an Position 2 einbezieht. Da Ihnen Automatisches Targeting ermöglicht auszuwählen, dass Sie über mehrere Änderungen in einem Erlebnis verfügen möchten, können Sie die Anzahl der Gesamterlebnisse in Ihrer Aktivität reduzieren.
Für Automatisches Targeting können einfache Faustregeln zum Nachvollziehen der Traffic-Anforderungen verwendet werden:
Weitere Informationen finden Sie unter Berichterstellung und automatisches Targeting.
In diesem Video wird die Einrichtung einer A/B-Aktivität für Automatisches Targeting beschrieben.
Nach Abschluss dieser Schulung sollten Sie zu Folgendem in der Lage sein: