Le attività di targeting automatico in Adobe Target utilizzano l'apprendimento automatico avanzato per selezionare tra più esperienze definite dagli esperti di marketing ad alte prestazioni per personalizzare i contenuti e stimolare le conversioni. La funzione Targeting automatico consegna a ogni visitatore l’esperienza più personalizzata in base al suo profilo cliente e al comportamento dei visitatori precedenti con profili simili.
La funzione di Targeting automatico è disponibile come parte della soluzione Target Premium. Questa funzione non è disponibile in Target Standard senza una licenza Target Premium. Per ulteriori informazioni sulle funzioni avanzate fornite da questa licenza, consulta Target Premium.
Analytics for Target (A4T) supporta le attività Auto- Target. Per ulteriori informazioni, vedete Creare un'attività che utilizza Analytics come origine di reporting.
Un importante rivenditore di abbigliamento ha recentemente utilizzato un'attività Auto-Target con dieci esperienze basate su categorie di prodotti (più controllo casuale) per fornire il contenuto giusto a ogni visitatore. "Aggiungi al carrello" è stata scelta come metrica di ottimizzazione principale. Le esperienze mirate hanno registrato un incremento medio del 29,09%. Dopo aver creato i modelli Auto-Target, l'attività è stata impostata su 90% esperienze personalizzate.
In soli dieci giorni, è stato raggiunto più di 1.700.000 dollari in incremento.
Continua a leggere per apprendere come utilizzare Auto-Target per aumentare l'incremento e le entrate per la tua organizzazione.
Durante la creazione di un’attività A/B tramite il flusso di lavoro guidato in tre passaggi, è possibile scegliere di allocare il traffico utilizzando l’opzione Targeting automatico per esperienze personalizzate:
L’opzione di Targeting automatico all’interno del flusso di attività A/B ti consente di sfruttare l’apprendimento automatico per personalizzare in base a una serie di esperienze definite dall’esperto di marketing in un clic. La funzionalità di Targeting automatico è progettata per fornire la massima ottimizzazione, rispetto ai tradizionali test A/B o Allocazione automatica, determinando quale esperienza visualizzare per ogni visitatore. A differenza di un’attività A/B in cui la finalità è quella di trovare un singolo vincitore, il Targeting automatico determina automaticamente la migliore esperienza per uno specifico visitatore (in base al suo profilo e altre informazioni contestuali) per fornire un’esperienza altamente personalizzata.
Similmente alla Personalizzazione automatizzata, il Targeting automatico utilizza un algoritmo di Foresta casuale, uno dei principali metodi di raccolta di dati scientifici, per determinare l’esperienza migliore da mostrare ad un visitatore. Il Targeting automatico è adattabile ai cambiamenti nel comportamento del visitatore, perciò può essere eseguito perennemente per fornire un incremento. Questo a volte è indicato come modalità “sempre attiva”.
A differenza di un’attività A/B in cui l’allocazione dell’esperienza per un determinato visitatore è definitiva, il Targeting automatico ottimizza l’obiettivo di business specificato su ogni visita. Come nella Personalizzazione automatizzata, il Targeting automatico, per impostazione predefinita, riserva parte del traffico dell’attività come gruppo di controllo per misurare l’incremento. Ai visitatori del gruppo di controllo viene messa a disposizione un'esperienza casuale nell'attività.
Quando si utilizza Auto-Target è necessario tenere presenti alcune considerazioni importanti:
Non puoi passare un’attività specifica dal Targeting automatico alla Personalizzazione automatizzata e viceversa.
Non puoi passare dall’Allocazione manuale del traffico (test A/B tradizionale) al Targeting automatico e viceversa durante un’attività in corso.
Un modello è costruito per identificare le prestazioni della strategia personalizzata rispetto al traffico servito in modo casuale rispetto all'invio di tutto il traffico all'esperienza vincente complessiva. Questo modello considera gli hit e le conversioni solo nell’ambiente predefinito.
Il traffico da un secondo set di modelli è costruito per ciascun gruppo di modellazione (AP) o esperienza (AT). Per ciascuno di questi modelli, vengono presi in considerazione hit e conversioni in tutti gli ambienti.
Le richieste saranno quindi servite con lo stesso modello, indipendentemente dall'ambiente, ma la pluralità di traffico dovrebbe provenire dall'ambiente predefinito per garantire che l'esperienza vincente complessiva identificata sia coerente con il comportamento del mondo reale.
Sono necessarie un minimo di due esperienze.
I seguenti termini sono utili quando si parla di Targeting automatico:
Termine | Definizione |
---|---|
Slot machine | Un approccio slot machine per l'ottimizzazione equilibra l'apprendimento esplorativo e lo sfruttamento di tale apprendimento. |
Foresta casuale | Foresta casuale è uno dei principali metodi di apprendimento automatico. In termini di scienza dei dati, è una classificazione d raccolta, o metodo di regressione, che funziona costruendo un gran numero di alberi decisionali sulla base di visitatori e attributi di visita. In Target, l’algoritmo Foresta casuale determina quale esperienza possa avere la più alta probabilità di conversione (o il più alto ricavo per visita) per ogni visitatore specifico. Per ulteriori informazioni sulla foresta casuale in Target, consulta Algoritmo Foresta casuale. |
Campionamento di Thompson | L’obiettivo del campionamento di Thompson è quello di determinare quale esperienza è la migliore complessivamente (non personalizzata), minimizzando il “costo” della ricerca dell’esperienza. Il campionamento di Thompson sceglie sempre un vincitore, anche in assenza di differenza statistica tra due esperienze. Per ulteriori informazioni, consulta Campionamento di Thompson. |
Di seguito sono disponibili collegamenti a ulteriori informazioni sui dati e gli algoritmi di base di Targeting automatico e Personalizzazione automatizzata:
Termine | Dettagli |
---|---|
Algoritmo Foresta casuale | L’algoritmo di personalizzazione principale di Target utilizzato sia nel Targeting automatico sia nella Personalizzazione automatizzata è quello di Foresta casuale. I metodi di raggruppamento come Foresta casuale si basano su più algoritmi di apprendimento per ottenere prestazioni predittive migliori rispetto agli algoritmi di apprendimento costituenti. L'algoritmo Foresta casuale nel sistema di personalizzazione automatizzata è un metodo di classificazione o regressione che si basa sulla costruzione di un elevato numero di alberi decisionali durante la fase di apprendimento. |
Caricamento di dati per gli algoritmi di personalizzazione di Target | Esistono diversi modi per immettere i dati per i modelli di Targeting automatico e personalizzazione automatizzata. |
Raccolta di dati per gli algoritmi di personalizzazione di Target | Gli algoritmi di personalizzazione di Target raccolgono automaticamente una varietà di dati. |
A seconda dell'obiettivo dell'attività, puoi scegliere una diversa allocaizone del traffico tra il controllo e le esperienze personalizzate. Una buona pratica è di determinare questo obiettivo prima di attivare l'attività.
L’elenco a discesa Personalizza allocazione consente di scegliere tra le seguenti opzioni:
Obiettivo dell’attività | Allocazione del traffico consigliata | Compromessi |
---|---|---|
Valuta algoritmo di personalizzazione (50/50): se l’obiettivo è quello di testare l’algoritmo, assegna il 50% dei visitatori all’algoritmo di controllo e l’altro 50% a quello di destinazione. Questa suddivisione fornisce la stima più accurata dell’incremento. È consigliata quando il controllo è impostato su “Esperienze casuali”. | 50% al controllo / 50% all’esperienza personalizzata. |
|
Massimizza traffico personalizzazione (90/10): se il tuo obiettivo è invece quello di creare un’attività “sempre attiva”, inserisci il 10% dei visitatori nel controllo affinché ci siano abbastanza dati per consentire agli algoritmi di continuare a imparare nel tempo. In questo caso, considera che la personalizzazione di una proporzione maggiore del traffico va a scapito della precisione nell’incremento rilevato. Indipendentemente dall’obiettivo, questa è la suddivisione del traffico consigliata quando si utilizza come controllo un’esperienza specifica. | Una buona pratica è quella di allocare 10%-30% al controllo / 70%-90% all’esperienza personalizzata |
|
Personalizza allocazione | Suddividi manualmente la percentuale come desiderato. |
|
Per regolare la percentuale di controllo, fai clic sulle icone nella colonna Allocazione. Non è possibile ridurre il gruppo di controllo sotto il 10%.
Puoi selezionare un’esperienza specifica da usare come controllo oppure utilizzare l’opzione Esperienza casuale.
Esistono diversi scenari in cui si preferisce il Targeting automatico rispetto alla Personalizzazione automatizzata:
L'algoritmo è ottimizzato per ottenere un risultato favorevole per ogni visita.
L'algoritmo si adatta alle modifiche nel comportamento dei visitatori.
L’algoritmo esegue l’ottimizzazione continua per una singola metrica dell’obiettivo.
Target raccoglie automaticamente informazioni sui visitatori per generare modelli di personalizzazione.
Target utilizza automaticamente tutti i tipi di pubblico di Experience Cloud condivisi, per generare i modelli di personalizzazione.
Gli addetti al marketing possono caricare dati offline, punteggi di propensione o altri dati personalizzati per creare modelli di personalizzazione.
Il Targeting automatico richiede spesso meno traffico rispetto alla Personalizzazione automatizzata per generare un modello personalizzato.
Anche se la quantità di traffico per esperienza richiesta per la generazione dei modelli di Targeting automatico o Personalizzazione automatizzata è la stessa, ci sono di solito più esperienze in un'attività di Personalizzazione automatizzata di un'attività di Targeting automatico. Ad esempio, se disponessi di un’attività di Personalizzazione automatizzata in cui sono state create due offerte per posizione con due posizioni, ci sarebbero quattro (2 = 4) esperienze totali incluse nell’attività (senza esclusioni). Tramite il Targeting automatico puoi impostare l’esperienza 1 per includere l’offerta 1 in posizione 1 e l’offerta 2 in posizione 2 e l’esperienza 2 per includere l’offerta 1 in posizione 1 e l’offerta 2 in posizione 2. Poiché il Targeting automatico consente di avere più modifiche all’interno di un’esperienza, puoi ridurre il numero di esperienze totali nell’attività.
Per il Targeting automatico è possibile utilizzare semplici regole generali per comprendere i requisiti del traffico:
Il Targeting automatico ha una funzionalità di installazione completa.
Il Targeting automatico fornisce un ampio framework di test online.
Per ulteriori informazioni, consulta Rapporto di riepilogo del Targeting automatico nella sezione Rapporti.
Questo video spiega come configurare un’attività di Targeting automatico A/B.
Dopo aver completato questo training, sarai in grado di: