Présentation dePREMIUMAuto-Cible

Les activités de ciblage automatique Adobe Target utilisent l’apprentissage automatique avancé pour sélectionner parmi plusieurs expériences hautement performantes définies par les spécialistes du marketing afin de personnaliser le contenu et de générer des conversions. La Cible automatique offre à chaque visiteur l’expérience la plus adaptée en fonction du profil de chaque client et du comportement des visiteurs précédents ayant des profils similaires.

REMARQUE

Le ciblage automatique fait partie de la solution Target Premium. Cette fonctionnalité n’est pas disponible dans Target Standard sans une licence Target Premium. Pour plus d’informations sur les fonctionnalités avancées de cette licence, voir Target Premium.

Analytics pour la Cible (A4T) prend en charge les activités de ciblage automatique. Pour plus d’informations, voir Prise en charge d’A4T pour l’affectation automatique et les activités d’Cible automatique.

Histoire de réussite dans le monde réel à l’aide de la Cible automatique

Un grand détaillant de vêtements a récemment utilisé une activité de Cible automatique avec dix expériences basées sur la catégorie des produits (plus contrôle aléatoire) pour fournir le contenu approprié à chaque visiteur. "Ajouter au panier" a été choisi comme mesure d'optimisation Principale. Les expériences ciblées ont connu un effet élévateur moyen de 29,09 %. Après avoir créé les modèles Cible automatique, l’activité a été définie sur 90 % d’expériences personnalisées.

En seulement dix jours, plus de 1 700 000 $ de croissance ont été obtenus.

Continuez à lire pour savoir comment utiliser la Cible automatique pour augmenter l'effet élévateur et les recettes de votre entreprise.

Aperçu

Lors de la création d’une activité A/B à l’aide du workflow assisté en trois étapes, vous pouvez choisir d’affecter le trafic à l’aide de l’option Ciblage automatique pour les expériences personnalisées :

Option de Ciblage automatique pour les expériences personnalisées

L’option de ciblage automatique au sein du flux d’activités A/B vous permet d’exploiter l’apprentissage automatique pour effectuer une personnalisation sur la base d’un ensemble d’expériences défini par le marketeur en un seul clic. Le ciblage automatique est conçu pour offrir une optimisation maximale par rapport aux tests A/B traditionnels ou à l’affectation automatique, en déterminant quelle expérience afficher pour chaque visiteur. Contrairement à une activité A/B dont le but est de déterminer un gagnant unique, le ciblage automatique détermine automatiquement la meilleure expérience pour un visiteur donné (en fonction de son profil et d’autres informations contextuelles) pour offrir une expérience hautement personnalisée.

À l’instar de la personnalisation automatisée, le ciblage automatique utilise un algorithme Forêt aléatoire, c’est-à-dire une méthode d’ensemble issue de la science des données, pour déterminer la meilleure expérience à présenter à un visiteur. Comme le ciblage automatique peut s’adapter aux changements de comportement du visiteur, il peut être exécuté perpétuellement pour générer un effet élévateur. Cette fonctionnalité est parfois appelée mode « toujours actif ».

Contrairement à une activité A/B où l’affectation d’expérience pour un visiteur donné est persistante, le ciblage automatique optimise l’objectif commercial spécifié à chaque visite. À l’instar de la personnalisation automatisée, le ciblage automatique réserve par défaut une partie du trafic de l’activité comme groupe de contrôle pour mesurer l’effet élévateur. Les visiteurs du groupe de contrôle reçoivent une expérience aléatoire dans l’activité.

Considérations

Il convient de tenir compte de quelques points importants lors de l’utilisation de la Cible automatique :

  • Vous ne pouvez pas basculer une activité spécifique de Cible automatique vers Automated Personalization, et vice versa.

  • Vous ne pouvez pas passer de l’affectation manuelle du trafic (test A/B traditionnel) à Cible automatique, et vice versa après la mise en service d’une activité.

  • Un modèle est créé pour identifier les performances du trafic de stratégie personnalisée par rapport au trafic diffusé de manière aléatoire par rapport à l’envoi de tout le trafic vers l’expérience gagnante globale. Ce modèle ne prend en compte que les accès et les conversions dans l’environnement par défaut.

    Le trafic à partir d’un second ensemble de modèles est généré pour chaque groupe de modélisation (AP) ou expérience (AT). Pour chacun de ces modèles, les accès et les conversions sont pris en compte dans tous les environnements.

    Les requêtes sont servies avec le même modèle, quel que soit l’environnement, mais la pluralité du trafic doit provenir de l’environnement par défaut pour s’assurer que l’expérience gagnante globale identifiée est cohérente avec le comportement du monde réel.

  • Utilisez au moins deux expériences.

Terminologie

Les termes suivants sont utiles pour aborder le ciblage automatique :

Terme Définition
Bandit à plusieurs bras Une approche du type bandit à plusieurs bras de l’optimisation équilibre l’apprentissage exploratoire et l’exploitation de cet apprentissage.
Forêt aléatoire La forêt aléatoire est l’une des approches les plus utilisées dans le domaine de l’apprentissage automatique. En sciences des données, il s'agit d'une classification d'ensemble, ou méthode de régression, qui fonctionne en construisant de nombreux arbres de décision basés sur les attributs des visiteurs et des visites. Dans Target, le concept de la forêt aléatoire est utilisé pour déterminer quelle expérience devrait avoir la plus forte probabilité de conversion (ou les recettes par visite les plus élevées) pour chaque visiteur spécifique. Pour plus d’informations sur l’application de la forêt aléatoire dans Target, voir Algorithme Forêt aléatoire.
Échantillonnage de Thompson L’échantillonnage de Thompson a pour but de déterminer la meilleure expérience globale (non personnalisée), tout en minimisant le « coût » de son identification. L’échantillonnage de Thompson désigne toujours un gagnant, même s’il n’existe aucune différence statistique entre deux expériences. Pour plus d’informations, voir Échantillonnage de Thompson.

Fonctionnement du ciblage automatique

Pour plus d’informations sur les données et les algorithmes sous-jacents du ciblage automatique et de la personnalisation automatisée, voir les liens ci-dessous :

Terme Détails
Algorithme Forêt aléatoire Le principal algorithme de personnalisation de Target utilisé à la fois pour le ciblage automatique et la personnalisation automatisée est l’algorithme Forêt aléatoire. Les méthodes d’ensemble telles que la forêt aléatoire utilisent plusieurs algorithmes d’apprentissage pour obtenir de meilleures performances prédictives que celles qui peuvent être obtenues à partir des algorithmes d’apprentissage qui les constituent. L’algorithme Forêt aléatoire du système Automated Personalization est une classification, ou méthode de régression, qui fonctionne en construisant une multitude d’arbres de décision au moment de la formation.
Chargement de données pour les algorithmes de personnalisation de Target Il existe plusieurs façons de saisir des données dans les modèles de ciblage automatique et de personnalisation automatisée.
Collecte de données pour les algorithmes de personnalisation de Target Les algorithmes de personnalisation des cibles collectent automatiquement diverses données.

Détermination de l’affectation du trafic

Selon l’objectif de votre activité, vous pouvez sélectionner une affectation de trafic différente entre les expériences de contrôle et de ciblage. Une règle de bonne pratique consiste à déterminer cet objectif avant de lancer votre activité en direct.

La liste déroulante Affectation personnalisée vous permet de choisir parmi les options suivantes :

  • Évaluer l’algorithme de personnalisation
  • Maximiser le trafic de personnalisation
  • Affectation personnalisée

Liste déroulante Objectif d’affectation

Objectif de l’activité Suggestion d’affectation du trafic Compromis
Évaluer l’algorithme de personnalisation (50/50) : Si votre objectif est de tester l’algorithme, utilisez une répartition à 50/50 des visiteurs entre le contrôle et l’algorithme ciblé. Cette répartition produira l’estimation de l’effet élévateur la plus précise. Utilisation suggérée avec des « expériences aléatoires » comme contrôle. Répartition entre contrôle à 50 % et expérience personnalisée à 50 %
  • Maximise la précision de l’effet élévateur entre le contrôle et la personnalisation
  • Un nombre relativement réduit de visiteurs ayant une expérience personnalisée
Maximiser le trafic de personnalisation (90/10) : Si votre but est de créer une activité « toujours active », affectez 10 % des visiteurs dans le contrôle afin de vous assurer que la quantité de données est suffisante pour que les algorithmes continuent d’apprendre au fil du temps. Notez que le compromis ici est qu'en échange de la personnalisation d'une plus grande partie de votre trafic, vous avez moins de précision dans ce qu'est l'effet élévateur exact. Quel que soit votre objectif, il s’agit du trafic recommandé lors de l’utilisation d’une expérience spécifique comme contrôle. Une règle de bonne pratique consiste à répartir le trafic entre le contrôle de 10 à 30 % et l’expérience personnalisée de 70 à 90 %.
  • Maximise le nombre de visiteurs qui auront une expérience personnalisée
  • Maximise l’effet élévateur
  • Moins de précision quant à la nature de l’effet élévateur vis-à-vis de l’activité
Affectation personnalisée Répartir manuellement le pourcentage suivant les besoins.
  • Il se peut que vous n’obteniez pas les résultats souhaités. En cas d’incertitude, suivez les suggestions indiquées pour l’une des options précédentes.

Pour ajuster le pourcentage de contrôle, cliquez sur les icônes dans la colonne Attribution. Vous ne pouvez pas diminuer le groupe de contrôle à moins de 10 %.

Modification de l’affectation du trafic de ciblage automatique

Vous pouvez sélectionner une expérience spécifique à utiliser comme contrôle ou utiliser l’option Expérience aléatoire.

Quand devez-vous choisir le ciblage automatique plutôt que la personnalisation automatisée ?

Il existe plusieurs scénarios dans lesquels vous préférerez peut-être utiliser Cible automatique par rapport à Automated Personalization :

  • Lorsque vous souhaitez définir l’expérience entière plutôt que des offres individuelles qui seront automatiquement combinées pour former une expérience.
  • Si vous souhaitez utiliser l’ensemble complet des fonctionnalités du compositeur d’expérience visuelle non prises en charge par la personnalisation automatique : l’éditeur de code personnalisé, plusieurs audiences d’expérience, etc.
  • Lorsque vous souhaitez apporter des modifications structurelles à votre page dans différentes expériences. Par exemple, si vous souhaitez réorganiser les éléments de votre page d'accueil, la Cible automatique serait plus appropriée à utiliser que Automated Personalization.

Quels sont les points communs entre le ciblage automatique et la personnalisation automatisée ?

L’algorithme optimise le ciblage pour favoriser une issue positive à chaque visite.

  • L’algorithme prévoit la propension d’un visiteur à la conversion (ou les recettes estimées de la conversion) afin de servir la meilleure expérience.
  • Un visiteur peut bénéficier d’une nouvelle expérience à la fin d’une session existante (sauf si le visiteur est dans la Population témoin, auquel cas l’expérience attribuée au visiteur lors de la première visite reste la même pour les visites ultérieures).
  • Au sein d’une session, la prévision ne change pas afin de maintenir la cohérence visuelle.

L’algorithme s’adapte aux changements de comportement du visiteur.

  • Le bandit à plusieurs bras s'assure que le modèle est toujours "dépenser" une petite fraction de trafic pour continuer à apprendre tout au long de la vie de l'apprentissage des activités et pour prévenir la surexploitation des tendances précédemment apprises.
  • Les modèles sous-jacents sont reconstruits toutes les 24 heures à l'aide des dernières données de comportement des visiteurs afin de s'assurer que la Cible exploite toujours les préférences changeantes des visiteurs.
  • Si l’algorithme ne peut pas déterminer les expériences gagnantes pour les individus, il affiche automatiquement l’expérience globale la plus performante tout en continuant à rechercher des gagnants personnalisés. L’expérience la plus performante est trouvée en utilisant l’échantillonnage de Thompson.

L’algorithme assure une optimisation continue pour une mesure d’objectif unique.

  • Cette mesure peut être basée sur les conversions ou sur les recettes (plus spécifiquement les recettes par visite).

Target collecte automatiquement des informations sur les visiteurs pour créer les modèles de personnalisation.

Target utilise automatiquement toutes les audiences partagées d’Experience Cloud pour créer les modèles de personnalisation.

  • Vous n’avez rien besoin de faire de particulier pour ajouter des audiences au modèle. Pour plus d’informations sur l’utilisation des audiences Experience Cloud avec Target, voir Audiences Experience Cloud

Les marketeurs peuvent télécharger des données hors ligne, les scores de propension ou d’autres données personnalisées pour créer des modèles de personnalisation.

En quoi le ciblage automatique diffère-t-il de la personnalisation automatisée ?

Le ciblage automatique nécessite souvent moins de trafic qu’Automated Personalization pour générer un modèle personnalisé.

Bien que la quantité de trafic par expérience requise pour la création des modèles de ciblage automatique ou d’Automated Personalization soit la même, il y a habituellement plus d’expériences dans une activité Automated Personalization que dans une activité de ciblage automatique. Si vous avez, par exemple, une activité Personnalisation automatisée dans laquelle vous avez créé deux offres par lieu et comportant deux lieux, il y a au total quatre (2 = 4) expériences incluses dans l’activité (hors exclusions). En utilisant le ciblage automatique, vous pouvez définir l’expérience 1 de manière à inclure l’offre 1 à l’emplacement 1 et l’offre 2 à l’emplacement 2, et l’expérience 2 pour inclure l’offre 1 à l’emplacement 1 et l’offre 2 à l’emplacement 2. Étant donné que le ciblage automatique permet de sélectionner plusieurs modifications au sein d’une seule expérience, vous pouvez réduire le nombre total d’expériences dans votre activité.

Pour le ciblage automatique, des règles de base simples permettent de comprendre les exigences en termes de trafic :

  • Lorsque la conversion est votre mesure de succès : 1 000 visites et au moins 50 conversions par jour, par expérience, de plus l’activité doit comporter au moins 7 000 visites et 350 conversions.
  • Lorsque le revenu par visite est votre mesure de succès : 1 000 visites et au moins 50 conversions par jour, par expérience, de plus l’activité doit comporter au moins 1 000 conversions par expérience. Le revenu par visite nécessite généralement plus de données pour élaborer des modèles en raison de la variance de données plus prononcée généralement constatée dans le revenu par visite comparativement au taux de conversion.

Le ciblage automatique offre des fonctionnalités de configuration complètes.

  • Comme le ciblage automatique est incorporé dans le workflow d’activité A/B, il bénéficie des avantages offerts par le compositeur d’expérience visuelle (VEC), plus mûr et complet. Vous pouvez également utiliser des liens QA avec le ciblage automatique.

Le ciblage automatique offre un cadre de test en ligne complet.

  • Le bandit à plusieurs bras fait partie d’un cadre de test en ligne plus étendu permettant à nos chercheurs et analystes en données de cerner les avantages de leurs améliorations constantes en conditions réelles.
  • À l’avenir, ce banc d’essai nous permettra d’ouvrir notre plateforme d’apprentissage automatique à nos clients disposant d’un savoir-faire en analyse de données afin qu’ils puissent introduire leurs propres modèles et ainsi étoffer la base de modèles de Target.

Rapports et ciblage automatique

Pour plus d’informations, voir Rapport de synthèse de ciblage automatique dans la section Rapports.

Vidéo de formation : Présentation des Activités d'Cible automatique badge Aperçu

Cette vidéo explique comment configurer une activité A/B de ciblage automatique.

Après avoir terminé cette formation, vous devez être en mesure de :

  • Définir des tests de ciblage automatique
  • Comparer le ciblage automatique à la personnalisation automatisée
  • Créer des activités de ciblage automatique

Sur cette page