Segmentación automática actividades en Adobe Target utilice aprendizaje automático avanzado para seleccionar entre varias experiencias de alto rendimiento definidas por expertos en marketing para personalizar el contenido y dirigir las conversiones. Segmentación automática ofrece a cada visitante la experiencia más adaptada en función del perfil de cada cliente y del comportamiento de los visitantes anteriores con perfiles similares.
La segmentación automática está disponible como parte de la solución Target Premium. Esta característica no está disponible en Target Standard sin una licencia de Target Premium. Para obtener más información sobre las funciones avanzadas que proporciona esta licencia, consulte Target Premium.
Analytics for Target (A4T) admite Segmentación automática actividades. Para obtener más información, consulte Compatibilidad con A4T para actividades de asignación automática y segmentación automática.
Un importante minorista de ropa recientemente utilizó un Segmentación automática actividad con diez experiencias basadas en categorías de productos (además de control aleatorio) para ofrecer el contenido adecuado a cada visitante. "Añadir al carro" se eligió como métrica de optimización principal. Las experiencias segmentadas tuvieron un alza media del 29,09 %. Después de crear la variable Segmentación automática modelos, la actividad se estableció en experiencias personalizadas al 90 %.
En solo diez días, se lograron más de 1.700.000 dólares en alza.
Siga leyendo para aprender a utilizar Segmentación automática para aumentar el alza y los ingresos de su organización.
While creación de una actividad A/B mediante el flujo de trabajo guiado de tres pasos, elija el Segmentación automática para experiencias personalizadas opción en la Segmentación página (paso 2).
La opción de segmentación automática dentro del flujo de actividad A/B le permite aprovechar el aprendizaje automático para personalizar en un solo clic basándose en un conjunto de experiencias definidas por el especialista en marketing. Segmentación automática está diseñado para ofrecer la máxima optimización, en comparación con las pruebas A/B tradicionales o Asignación automática, determinando qué experiencia mostrar para cada visitante. A diferencia de una actividad A/B en la que el objetivo es encontrar un único ganador, Segmentación automática determina automáticamente la mejor experiencia para un visitante determinado. La mejor experiencia se basa en el perfil del visitante y otra información contextual para ofrecer una experiencia altamente personalizada.
De forma similar a Automated Personalization, Segmentación automática utiliza un Algoritmo de bosque aleatorio, un método puntero de ensamblado de la ciencia de datos, para determinar la mejor experiencia para mostrar a un visitante. Porque Segmentación automática se pueden adaptar a los cambios en el comportamiento de los visitantes, pero pueden ejecutarse de forma perpetua para proporcionar un aumento. Este método a veces se denomina modo "siempre-activo".
Al contrario que en una actividad A/B, en la que la asignación de experiencias para un visitante dado es fija, la segmentación automática optimiza el objetivo comercial especificado en cada visita. Al igual que en la Personalización automática, la segmentación automática, de forma predeterminada, reserva parte del tráfico de la actividad como grupo de control para medir el aumento. A los visitantes del grupo de control se les sirve una experiencia aleatoria en la actividad.
Hay algunas consideraciones importantes que se deben tener en cuenta al utilizar Segmentación automática:
No puede cambiar una actividad específica de Segmentación automática hasta Automated Personalization, y en sentido contrario.
No puede cambiar de Manual asignación de tráfico (tradicional) Prueba A/B) a Segmentación automáticay al contrario después de guardar una actividad como borrador.
Un modelo se crea para identificar el rendimiento de la estrategia personalizada en comparación con el tráfico servido aleatoriamente en lugar de enviar todo el tráfico a la experiencia ganadora general. Este modelo considera las visitas y conversiones solo en el entorno predeterminado.
El tráfico de un segundo conjunto de modelos se crea para cada grupo de modelado (AP) o experiencia (AT). Para cada uno de estos modelos, se tienen en cuenta las visitas y conversiones en todos los entornos.
Las solicitudes se atienden con el mismo modelo, independientemente del entorno, pero la pluralidad del tráfico debe provenir del entorno predeterminado para garantizar que la experiencia ganadora general identificada sea coherente con el comportamiento en el mundo real.
Utilice un mínimo de dos experiencias.
Los siguientes términos pueden resultar útiles al tratar el tema de la segmentación automática:
Término | Definición |
---|---|
Multi-armed bandit | Un método multi-armed bandit en la optimización equilibra el aprendizaje de exploración y la explotación de dicho aprendizaje. |
Bosque aleatorio | El bosque aleatorio es una solución pionera de aprendizaje automático. En términos de ciencia de datos, se trata de una clasificación de conjunto, o método de regresión, que funciona mediante la construcción de muchos árboles de decisión basados en los atributos del visitante y la visita. En Target, el bosque aleatorio se utiliza para determinar qué experiencia se espera que tenga la mayor probabilidad de conversión (o los mayores ingresos por visita) para cada visitante específico. |
Muestreo Thompson | El objetivo del muestreo Thompson es determinar qué experiencia es la mejor globalmente (sin personalizar), al mismo tiempo que se minimiza el "coste" de encontrar esa experiencia. El muestreo Thompson siempre selecciona un ganador, aunque no haya diferencias estadísticas entre las dos experiencias. |
Obtenga más información acerca de los datos y algoritmos detrás de la segmentación automática y la Personalización automatizada en los siguientes vínculos:
Término | Detalles |
---|---|
Algoritmo de bosque aleatorio | TargetAlgoritmo de personalización principal de se utiliza en ambos Segmentación automática y Automated Personalization es bosque aleatorio. Los métodos de ensamblado, como el bosque aleatorio, utilizan varios algoritmos de aprendizaje para obtener un mejor rendimiento predictivo que el que se podría obtener de cualquiera de los algoritmos de aprendizaje constituyentes. Algoritmo de bosque aleatorio en Automated Personalization y Segmentación automática actividades es un método de clasificación, o regresión, que opera mediante la construcción de una multitud de árboles de decisión en el momento del entrenamiento. |
Carga de datos para TargetAlgoritmos de personalización de | Hay varias formas de introducir datos para los modelos de Segmentación automática y Personalización automatizada. |
Recopilación de datos para TargetAlgoritmos de personalización de | TargetLos algoritmos de personalización de recopilan automáticamente varios datos. |
Dependiendo del objetivo de su actividad, puede elegir una asignación de tráfico diferente entre control y experiencias personalizadas. Lo mejor es determinar este objetivo antes de realizar su actividad en vivo.
La lista desplegable Asignación personalizada le permite elegir entre las siguientes opciones:
Objetivo de la actividad | Asignación de tráfico sugerida | Compensaciones |
---|---|---|
Evaluar el algoritmo de personalización (50/50): Si su objetivo es probar el algoritmo, utilice una división del 50/50 por ciento de los visitantes entre el control y el algoritmo seleccionado. Esta división proporciona la estimación más precisa del alza. Se sugiere usar con "experiencias aleatorias" como control. | 50 % de control/50 % de experiencia personalizada dividida |
|
Maximización del tráfico de personalización (90/10): Si su objetivo es crear una actividad "siempre activada", ponga el 10 % de los visitantes en el control para asegurarse de que haya suficientes datos para que los algoritmos continúen aprendiendo a lo largo del tiempo. La compensación aquí es que, a cambio de personalizar una mayor proporción de su tráfico, tiene menos precisión en la estimación del alza. Independientemente del objetivo, esta es la división de tráfico recomendada al usar una experiencia específica como control. | Lo mejor es usar una división de Experiencia personalizada del 10 % - 30 %/70 % - 90 % |
|
Asignación personalizada | Divida manualmente el porcentaje según lo desee. |
|
Para ajustar el Control porcentaje, haga clic en los iconos de la Asignación columna. No se puede reducir el grupo de control por debajo del 10 %.
Puede seleccionar una experiencia específica para utilizarla como control o utilizar la opción de experiencia aleatoria.
Hay varios escenarios en los que puede preferir utilizar Segmentación automática sobre Automated Personalization:
Aunque la cantidad de tráfico por experiencia requerida para los modelos de segmentación automática o personalización automática para compilar es la misma, usualmente hay más experiencias en una actividad de personalización automatizada que una actividad de segmentación automática.
Por ejemplo, si tuviera un Personalización automática actividad en la que ha creado dos ofertas por ubicación con dos ubicaciones, habría cuatro (2 = 4) experiencias totales incluidas en la actividad (sin exclusiones). Utilizando la segmentación automática, puede configurar la experiencia 1 para incluir la oferta 1 en la ubicación 1 y la oferta 2 en la ubicación 2, y la experiencia 2 para incluir la oferta 1 en la ubicación 1 y la oferta 2 en la ubicación 2. Debido a que la segmentación automática le permite elegir tener múltiples cambios dentro de una experiencia, puede reducir la cantidad total de experiencias en su actividad.
Para la segmentación automática, se pueden usar reglas simples para comprender los requisitos de tráfico:
Para obtener más información, consulte Informes y segmentación automática.
Este vídeo explica cómo configurar una actividad A/B de Segmentación automática.
Tras completar esta formación, debe ser capaz de: