自動ターゲット アクティビティ Adobe Target 高度な機械学習を利用して、マーケティング担当者が定義したパフォーマンスの高い複数のエクスペリエンスから選択し、コンテンツをパーソナライズしてコンバージョンを促進します。 自動ターゲット は、個々の顧客プロファイルと、類似したプロファイルを持つ以前の訪問者の行動に基づいて、各訪問者に最適なエクスペリエンスを提供します。
自動ターゲット は、この Target Premium ソリューションの一部として使用できます。この機能は、Target Premium ライセンスのない Target Standard では使用できません。このライセンスで提供される高度な機能について詳しくは、Target Premium を参照してください。
Analytics for Target (A4T) サポート 自動ターゲット アクティビティ。 詳しくは、自動配分と自動ターゲットアクティビティに対する A4T のサポートを参照してください。
ある大手衣料品店が最近、 自動ターゲット 各訪問者に適切なコンテンツを提供するための、10 個の製品カテゴリベースのエクスペリエンス(およびランダム化比較制御)を含むアクティビティ。 "買い物かごに追加」が主要な最適化指標として選択されました。 ターゲットエクスペリエンスの平均上昇率は 29.09%でした。 の作成後 自動ターゲット モデルの場合、アクティビティは 90%のパーソナライズされたエクスペリエンスに設定されています。
わずか 10 日で、1,700,000 ドル以上のリフトを達成しました。
使用方法を学ぶために読み続ける 自動ターゲット をクリックして、組織の上昇率と売上高を増やします。
3ステップのガイドによるワークフローを使用してA/B アクティビティを作成する際に、「パーソナライズされたエクスペリエンスの自動ターゲット」オプションを使用してトラフィックを割り当てることができます:
A/B アクティビティフロー内で 自動ターゲット オプションを利用すると、マーケティング担当者が定義したエクスペリエンスのセットを基に、機械学習を生かしたパーソナライゼーションをクリック 1 回でおこなうことができます。自動ターゲット は、従来の A/B テストや 自動配分:各訪問者に対して表示するエクスペリエンスを決定します。 1つの勝者を見つけるためのA/Bアクティビティとは異なり、自動ターゲット は、特定の訪問者に対して(プロフィールやその他のコンテキスト情報に基づいて)最適なエクスペリエンスを自動的に決定し、高度にパーソナライズされたエクスペリエンスを提供します。
同様に Automated Personalization, 自動ターゲット は ランダムフォレストアルゴリズムを使用して、訪問者に表示する最適なエクスペリエンスを決定します。 自動ターゲットなら訪問者の行動の変化に対応できるので、恒久的に実行して上昇率を高めることができます。これは、「常時稼動」モードとも呼ばれます。
特定の訪問者のエクスペリエンス配分が定着であるA/Bアクティビティとは異なり、 自動ターゲット は、各訪問で指定したビジネス目標を最適化します。Auto Personalization と同様に 自動ターゲット でも、上昇率を計測するために、デフォルトではアクティビティのトラフィックの一部がコントロールグループに配分されます。コントロールグループの訪問者には、アクティビティのランダムエクスペリエンスが配信されます。
を使用する際に留意すべき重要な考慮事項がいくつかあります 自動ターゲット:
特定のアクティビティを 自動ターゲット から Automated Personalization、またはその逆
次から切り替えることはできません: 手動 トラフィック配分 ( 従来 A/B テスト) から 自動ターゲットまたは、アクティビティをドラフトとして保存した後のアクティビティを含めることもできます。
パーソナライズされた戦略とランダムに提供されるトラフィックを比較した場合と、すべてのトラフィックを勝者エクスペリエンス全体に送信する場合のパフォーマンスを識別するモデルが 1 つ構築されています。 このモデルでは、ヒットとコンバージョンはデフォルト環境でのみ考慮されます。
2 番目のモデルセットからのトラフィックは、各モデリンググループ (AP) またはエクスペリエンス (AT) に対して構築されます。 これらの各モデルについて、すべての環境にわたるヒットおよびコンバージョンが考慮されます。
環境に関係なく、リクエストは同じモデルで提供されますが、識別された全体的な勝者エクスペリエンスが実際の行動と一致するように、複数のトラフィックはデフォルト環境から提供される必要があります。
少なくとも 2 つのエクスペリエンスを使用する。
自動ターゲットを説明する際には、次の用語が役立ちます。
用語 | 定義 |
---|---|
マルチアームバンディット | 調査学習とその学習の活用のバランスの最適化のためのマルチアームバンディットアプローチです。 |
ランダムフォレスト | ランダムフォレストは、優れた機械学習手法です。データサイエンス分野においては、訪問者と訪問の属性に基づいて多数のデシジョンツリーを構築することで機能するアンサンブル分類(回帰手法)です。 内 Targetのランダムフォレストは、特定の訪問者がコンバージョンに至る可能性が最も高い(または訪問あたりの売上高が最も高い)と予想されるエクスペリエンスを決定するために使用されます。 |
トンプソンサンプリング | トンプソンサンプリングの目的は、全体的に最適な(パーソナライズされていない)エクスペリエンスを最小限に抑えながら、そのエクスペリエンスを見つける「コスト」を最小限に抑えることです。 トンプソンサンプリングでは、2 つのエクスペリエンスに統計的な差異がない場合でも、必ず勝者が選定されます。 |
以下のリンクにある、自動ターゲットとAutomated Personalizationのデータおよびアルゴリズムについての詳細をご覧ください。
用語 | 詳細 |
---|---|
ランダムフォレストアルゴリズム | 自動ターゲットとAutomated Personalizationの両方 で使用されるTargetの主なパーソナライゼーションアルゴリズムは、ランダムフォレストです。ランダムフォレストのようなアンサンブル手法は、複数の学習アルゴリズムを使用して、どの構成学習アルゴリズムを使用した場合よりも優れた予測パフォーマンスを実現します。のランダムフォレストアルゴリズム Automated Personalization および 自動ターゲット アクティビティは、トレーニング時に多数のデシジョンツリーを構築することで機能する分類または回帰手法です。 |
Target のパーソナライゼーションアルゴリズムのデータのアップロード | 自動ターゲット とAutomated Personalizationモデルのデータを入力するには、いくつかの方法があります。 |
Target のパーソナライゼーションアルゴリズムのデータ収集 | Target のパーソナライゼーションアルゴリズムは様々なデータを自動的に収集します。 |
アクティビティの目標に合わせて、様々な方法でコントロールとパーソナライズされたエクスペリエンスにトラフィックを配分できます。アクティビティをライブにする前に、アクティビティの目標を決めておくことをお勧めします。
カスタム配分ドロップダウンリストで、以下のオプションを選択できます。
アクティビティの目標 | 推奨のトラフィック配分 | メリットとデメリット |
---|---|---|
パーソナライゼーションアルゴリズムを評価 (50/50):目標がアルゴリズムのテストの場合は、50:50 の比率でコントロールとターゲットアルゴリズムに訪問者を配分します。この配分により、上昇率を最も正確に推定できます。「ランダムエクスペリエンス」をコントロールとして使用することをお勧めします。 | 配分はコントロールエクスペリエンスに 50%、パーソナライズされたエクスペリエンスに 50% |
|
パーソナライゼーショントラフィックを最大化(90/10):「常時稼動」アクティビティを作成することを目的としている場合は、時間の経過と共に学習を続行するのに十分なデータがアルゴリズムに存在するように、訪問者の 10%を制御します。 ここでのトレードオフは、トラフィックの大部分をパーソナライズする代わりに、正確な上昇率の精度が低くなるということです。 これは、目標にかかわらず、特定のエクスペリエンスをコントロールとして使用する場合のお勧めのトラフィック分割です。 | 最適な配分はコントロールエクスペリエンスに 10%から 30%、パーソナライズされたエクスペリエンスに 70%から 90% |
|
カスタム配分 | 配分の割合を手動で調節します。 |
|
を調整するには 制御 割合 (%) を指定する場合は、 配分 列。 コントロールグループの割合を 10%未満にすることはできません。
特定のエクスペリエンスを選択してコントロールとして使用したり、ランダムエクスペリエンスオプションを使用したりできます。
を使用する場合は、いくつかのシナリオが考えられます 自動ターゲット over Automated Personalization:
モデルの構築に必要なエクスペリエンスごとのトラフィック量は、自動ターゲットとAutomated Personalizationで違いはありませんが、エクスペリエンスの数は、通常は自動ターゲットアクティビティよりもAutomated Personalizationアクティビティの方が多くなります。
例えば、 自動パーソナライゼーション 2 つの場所のある場所ごとに 2 つのオファーを作成したアクティビティでは、アクティビティに含まれるエクスペリエンスの合計は 4(2 = 4) になります(除外なし)。 自動ターゲット を使用して、エクスペリエンス1を場所1にオファー1および場所2にオファー2を含め、エクスペリエンス2を場所1にオファー1および場所2にオファー2を含めた設定をします。自動ターゲットで は、1つのエクスペリエンス内で複数の変更をおこなうことができるので、アクティビティ内のエクスペリエンスの合計数を減らすことができます。
自動ターゲット の場合、シンプルなサムのルールを使用してトラフィック要件を把握できます。
詳しくは、 レポートと自動ターゲット.
このビデオでは 、自動ターゲット A/Bアクティビティを設定する方法について説明します。
このトレーニングでは、以下の内容について学習します。