Premium

自動ターゲットの概要

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。

メモ
  • 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。

自動ターゲットを使用した実際の成功事例

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。

概要

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:

「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

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。

注意点

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。

用語

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。

自動ターゲット の仕組み

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。

トラフィック配分の決定

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。

  • パーソナライゼーションアルゴリズムを評価
  • パーソナライゼーショントラフィックを最大化
  • カスタム配分

配分目標ドロップダウンリスト

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%
  • コントロールと比較した場合のパーソナライゼーションの上昇率の精度を最大化できます。
  • パーソナライズされたエクスペリエンスを持つ訪問者が比較的少ない
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%
  • パーソナライズされたエクスペリエンスを提供する訪問者数を最大化できます。
  • 上昇率を最大化できます。
  • アクティビティの上昇率の精度が落ちます。
カスタム配分 配分の割合を手動で調節します。
  • 想定どおりの結果が得られない場合もあります。目安がわからない場合は、上述のいずれかのオプションを使用することをお勧めします。

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。

自動ターゲットのトラフィックの配分を変更

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。

自動ターゲットをAutomated Personalizationで選択するには、どうしたらよいですか?

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:

  • 自動的に組み合わせられてエクスペリエンスを形成する個々のオファーではなく、エクスペリエンス全体を定義したい場合。
  • 完全な Visual Experience Composer (VEC) 機能は、 自動パーソナライゼーション:カスタムコードエディター、複数のエクスペリエンスオーディエンスなど。
  • 複数のエクスペリエンスで、ページに構造的な変更を加えたい場合。例えば、ホームページの要素を並べ替える場合は、 自動ターゲット は次の条件を満たす Automated Personalization.

機能 自動ターゲット ~と共通している Automated Personalization?

訪問ごとに好ましい結果を得るためにアルゴリズムが最適化されます。

  • アルゴリズムは、最高のエクスペリエンスを提供するために、訪問者のコンバージョン(またはコンバージョンによる推定売上高)の傾向を予測します。
  • 訪問者は、既存のセッションの終了時に新しいエクスペリエンスの対象となります(訪問者がコントロール母集団に属している場合を除く。最初の訪問時に訪問者に割り当てられるエクスペリエンスは、その後の訪問で同じです)。
  • セッション内では、視覚的な一貫性を維持するために、予測は変更されません。

訪問者の行動の変化にアルゴリズムが対応します。

  • マルチアームバンディットを使用すると、モデルは常に少数のトラフィックを「費やして」、アクティビティ学習の全期間を通じて学習を続け、以前に学習したトレンドの過度の活用を防ぐことができます。
  • を確実におこなうために、24 時間ごとに訪問者の最新の行動データを使用して基になるモデルが再構築されます。 Target は常に訪問者の好みの変化を活用しています。
  • アルゴリズムによって個々の勝者エクスペリエンスを特定できなかった場合は、総合的なパフォーマンスが最も高いエクスペリエンスを表示する方式に自動的に切り替わります。その間もパーソナライズされた勝者の特定は続行されます。最もパフォーマンスが高いエクスペリエンスは、トンプソンサンプリングによって割り出されます。

単一の目標指標に合わせてアルゴリズムが絶えず最適化されます。

  • この指標には、コンバージョンベースと売上高ベース ( 具体的には 訪問あたりの売上高) をクリックします。

Target は、パーソナライゼーションモデルを構築するために、訪問者に関する情報を自動的に収集します。

Target は、パーソナライゼーションモデルを構築するために、Adobe Experience Cloud のすべての共有オーディエンスを自動的に使用します。

  • オーディエンスをモデルに追加するために特別な作業をおこなう必要はありません。の使用に関する情報 Experience Cloud Audiences と Targetを参照してください。 Experience Cloudオーディエンス

パーソナライゼーションモデルを構築するために、オフラインデータや傾向スコアなどのカスタムデータをアップロードできます。

方法 自動ターゲット ~とは異なる Automated Personalization?

通常、パーソナライズされたモデルの作成に必要なトラフィックの量は、自動ターゲットの方がAutomated Personalizationよりも少なくなります。

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。

  • コンバージョンが成功指標の場合:​エクスペリエンスごとに、1 日に訪問 1,000 回、コンバージョン 50 回以上。また、アクティビティで訪問 7,000 回以上、コンバージョン 350 回以上。
  • 1 訪問あたりの売上高が成功指標の場合:​エクスペリエンスごとに、1 日に訪問 1,000 回、コンバージョン 50 回以上。また、アクティビティでエクスペリエンスごとにコンバージョン 1,000 回以上。RPV の場合は、モデルの構築により多くのデータが必要になることが一般的です。コンバージョン率と比べ、訪問あたりの売上高の方がデータの相違が大きいことが多いためです。

自動ターゲットには本格的な設定機能があります。

  • 理由: 自動ターゲット は、 A/B アクティビティワークフローに埋め込まれています。 自動ターゲット より成熟し、本格的な恩恵 Visual Experience Composer (VEC) を参照してください。 また、 QA リンク と 自動ターゲット.

自動ターゲットは広範なオンラインテストフレームワークを提供します。

  • マルチアームバンディットは、 Adobe データサイエンティストや研究者を対象に、現実世界の状況における継続的な改善のメリットを把握しています。
  • 今後、このテストベッドを開けることができます Adobe データに詳しい顧客に対して機械学習プラットフォームを提供し、独自のモデルを取り込んでを強化できるようにする Target モデル。

レポートと自動ターゲット

詳しくは、 レポートと自動ターゲット.

トレーニングビデオ:自動ターゲットアクティビティについて 概要バッジ

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。

  • 自動ターゲット テストの定義
  • 自動ターゲットとAutomated Personalizationの比較とコントラスト
  • 自動ターゲット アクティビティの作成

このページ