Targeting automatico attività in Adobe Target utilizza l’apprendimento automatico avanzato per scegliere tra più esperienze ad alte prestazioni definite dall’addetto al marketing al fine di personalizzare i contenuti e favorire le conversioni. Targeting automatico fornisce a ogni visitatore l’esperienza più personalizzata in base al suo profilo cliente individuale 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 Targeting automatico attività. Per ulteriori informazioni, consulta Supporto di A4T per attività di allocazione automatica e targeting automatico.
Un grande rivenditore di abbigliamento ha recentemente utilizzato un Targeting automatico attività con dieci esperienze basate su categorie di prodotti (più controllo randomizzato) per fornire il contenuto giusto a ogni visitatore. "Aggiungi al carrello" è stato scelto come metrica di ottimizzazione primaria. Le esperienze mirate hanno avuto un incremento medio del 29,09%. Dopo aver generato Targeting automatico modelli, l’attività era impostata su 90% di esperienze personalizzate.
In soli dieci giorni, è stato raggiunto un incremento di oltre 1.700.000 dollari.
Continua a leggere per imparare a utilizzare Targeting automatico per aumentare l’incremento e i ricavi 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. Targeting automatico è progettato 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.
Simile a Automated Personalization, Targeting automatico utilizza un Algoritmo Foresta casuale, uno dei principali metodi di raccolta di dati scientifici, per determinare l’esperienza migliore da mostrare a 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.
Esistono alcune considerazioni importanti da tenere a mente quando si utilizza Targeting automatico:
Impossibile cambiare un’attività specifica da Targeting automatico a Automated Personalizatione viceversa.
Impossibile passare da Manuale allocazione del traffico (tradizionale Test A/B) a Targeting automaticoe viceversa dopo che un’attività viene salvata come bozza.
Un modello è stato creato per identificare le prestazioni della strategia personalizzata rispetto al traffico distribuito 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 proveniente da un secondo set di modelli viene generato per ciascun gruppo di modellazione (AP) o esperienza (AT). Per ciascuno di questi modelli, vengono considerati gli hit e le conversioni in tutti gli ambienti.
Le richieste vengono distribuite con lo stesso modello, indipendentemente dall’ambiente, ma la pluralità di traffico deve provenire dall’ambiente predefinito per garantire che l’esperienza vincente complessiva identificata sia coerente con il comportamento reale.
Utilizza almeno 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. Nel linguaggio della scienza dei dati, si tratta di una classificazione di gruppo, o metodo di regressione, che funziona costruendo molti alberi decisionali basati su visitatori e attributi di visita. Entro Target, Foresta casuale viene utilizzato per determinare quale esperienza dovrebbe avere la più alta probabilità di conversione (o il più alto ricavo per visita) per ogni visitatore specifico. |
Campionamento di Thompson | L’obiettivo del campionamento di Thompson è determinare quale esperienza è la migliore complessivamente (non personalizzata), riducendo al minimo il "costo" della ricerca di tale esperienza. Il campionamento di Thompson sceglie sempre un vincitore, anche in assenza di differenza statistica tra due esperienze. |
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. Algoritmo Foresta casuale in Automated Personalization e Targeting automatico le attività sono una classificazione, o metodo di regressione, che opera costruendo una moltitudine di alberi decisionali al momento della formazione. |
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 vari 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. Consigliato per l’utilizzo con "esperienze casuali" come controllo. | 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. Tieni presente che il compromesso qui è che in cambio della personalizzazione di una proporzione maggiore del traffico, hai meno precisione in cosa sia l’incremento esatto. 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 Controllo percentuale, fai clic sulle icone nella Allocazione colonna. 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 utilizzare Targeting automatico oltre Automated Personalization:
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 è stato Personalizzazione automatica attività in cui hai creato 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:
Per ulteriori informazioni, consulta Reporting e Targeting automatico.
Questo video spiega come configurare un’attività di Targeting automatico A/B.
Dopo aver completato questo training, sarai in grado di: