Premium

Visão geral do direcionamento automático

Direcionamento automático atividades em Adobe Target use aprendizagem de máquina avançada para selecionar entre várias experiências definidas pelo profissional de marketing com desempenho elevado para personalizar o conteúdo e gerar conversões. Direcionamento automático O retorna a experiência mais personalizada para cada visitante com base no perfil individual do cliente e no comportamento de visitantes anteriores com perfis similares.

OBSERVAÇÃO

História de sucesso do mundo real usando o Direcionamento automático

Um grande varejista de vestuário utilizou recentemente uma Direcionamento automático atividade com dez experiências baseadas em categorias de produto (além do controle aleatório) para fornecer o conteúdo correto a cada visitante. "Adicionar ao carrinho" foi escolhida como a métrica de otimização principal. As experiências direcionadas tiveram um aumento médio de 29,09%. Depois de criar o Direcionamento automático modelos, a atividade foi definida como 90% de experiências personalizadas.

Em apenas dez dias, mais de US$ 1.700.000 de incentivo foram alcançados.

Continue lendo para aprender a usar Direcionamento automático para aumentar o incentivo e a receita de sua organização.

Visão geral

Ao criar uma atividade A/B usando o fluxo de trabalho guiado de três etapas, é possível optar por alocar o tráfego usando a opção Direcionamento automático para experiências personalizadas:

Opção de Direcionamento automático para experiências personalizadas

A opção de Direcionamento automático no fluxo de atividade A/B permite aproveitar a aprendizagem de máquina para personalizar com base em um conjunto de experiências definidas pelo profissional de marketing em um clique. Direcionamento automático foi projetado para fornecer otimização máxima, em comparação com testes A/B tradicionais ou Alocação automática, determinando qual experiência exibir para cada visitante. Ao contrário de uma atividade A/B na qual o objetivo é encontrar um único vencedor, o direcionamento automático determina automaticamente a melhor experiência para um determinado visitante (com base em seu perfil e outras informações contextuais) para oferecer uma experiência altamente personalizada.

Da mesma forma que Automated Personalization, Direcionamento automático usa um Algoritmo Random Forest, um dos principais métodos de conjunto de ciência de dados, para determinar a melhor experiência para mostrar a um visitante. Como o Direcionamento automático pode se adaptar às mudanças no comportamento do visitante, ele pode ser executado perpetuamente para fornecer um aumento. Às vezes, isso é chamado de modo "sempre ativo".

Ao contrário de uma atividade A/B na qual a alocação de experiência para um determinado visitante é fixa, o Direcionamento automático otimiza a meta de negócios especificada em cada visita. Como na Personalização automática, o Direcionamento automático, por padrão, reserva parte do tráfego da atividade como um grupo de controle para medir o aumento. Os visitantes do grupo de controle recebem uma experiência aleatória na atividade.

Considerações

Há algumas considerações importantes que você deve ter em mente ao usar Direcionamento automático:

  • Não é possível alternar uma atividade específica de Direcionamento automático para Automated Personalizatione vice-versa.

  • Não é possível alternar de Manual atribuição de tráfego (tradicional) Teste A/B) a Direcionamento automáticoe vice-versa depois que uma atividade é salva como rascunho.

  • Um modelo é criado para identificar o desempenho da estratégia personalizada vs. tráfego distribuído aleatoriamente vs. enviar todo o tráfego para a experiência vencedora geral. Esse modelo considera somente ocorrências e conversões no ambiente padrão.

    O tráfego de um segundo conjunto de modelos é criado para cada grupo de modelagem (AP) ou experiência (AT). Para cada um desses modelos, as ocorrências e conversões em todos os ambientes são consideradas.

    Os pedidos são apresentados com o mesmo modelo, independentemente do ambiente, mas a pluralidade do tráfego deve provir do ambiente predefinido para garantir que a experiência vencedora global identificada seja consistente com o comportamento do mundo real.

  • Use no mínimo duas experiências.

Terminologia

Os seguintes termos são úteis quando falamos de Direcionamento automático:

Termo Definição
Multi-armed bandit Uma abordagem multi-armed bandit à otimização equilibra o aprendizado exploratório e o aproveitamento desse aprendizado.
Floresta Aleatória Random Forest é uma abordagem de aprendizado de máquina líder. No contexto da ciência de dados, é um método de classificação ou regressão de conjunto que funciona por meio da construção de muitas árvores de decisão com base nos atributos do visitante e da visita. Within Target, o Random Forest é usado para determinar qual experiência deve ter a maior probabilidade de conversão (ou a maior receita por visita) para cada visitante específico.
Amostragem de Thompson O objetivo da Amostragem de Thompson é determinar qual experiência é a melhor em geral (não personalizada), enquanto minimiza o "custo" de encontrar essa experiência. A amostragem de Thompson sempre escolhe um vencedor, mesmo que não haja diferença estatística entre duas experiências.

Como funciona o direcionamento automático

Saiba mais sobre os dados e algoritmos subjacentes ao Direcionamento automático e à Personalização automatizada nos links abaixo:

Termo Detalhes
Algoritmo Random Forest O principal algoritmo de personalização do Target usado no Direcionamento automático e na Personalização automatizada é o Random Forest. Métodos de conjunto como a Random Forest usam vários algoritmos de aprendizagem para obter desempenhos preditivos melhores dos que poderiam ser obtidos de qualquer um dos algoritmos de aprendizagem constituintes. O algoritmo Random Forest no Automated Personalization e Direcionamento automático Atividades é um método de classificação ou regressão que funciona por meio da construção de várias árvores de decisão no momento do treinamento.
Fazer upload de dados para os algoritmos de personalização do Target Existem várias maneiras de inserir dados para modelos de Direcionamento automático e Personalização automatizada.
Coleta de dados para os algoritmos de personalização do Target Os algoritmos de personalização do Target coletam automaticamente vários dados.

Determinação da alocação de tráfego

Dependendo do objetivo da sua atividade, você pode escolher uma alocação de tráfego diferente entre controle e experiências personalizadas. A prática recomendada é determinar esse objetivo antes de tornar sua atividade ativa.

A lista suspensa Alocação personalizada permite escolher as seguintes opções:

  • Avaliar o algoritmo de personalização
  • Maximizar o tráfego de personalização
  • Alocação personalizada

Lista suspensa Meta de alocação

Objetivo da atividade Sugestão de alocação de tráfego Compensações
Avaliar o algoritmo de personalização (50/50): se o objetivo for testar o algoritmo, use uma divisão de visitantes de 50/50% entre o controle e o algoritmo de destino. Esta divisão fornece a estimativa mais precisa do aumento. Sugestão para uso com "experiências aleatórias" como controle. Divisão de 50% controle / 50% experiência personalizada
  • Maximiza a precisão do aumento entre controle e personalizado
  • Relativamente menos visitantes têm uma experiência personalizada
Maximizar o tráfego de personalização (90/10): Se o objetivo for criar uma atividade "sempre ativa", coloque 10% dos visitantes no controle para garantir que haja dados suficientes para que os algoritmos continuem aprendendo ao longo do tempo. Observe que a desvantagem aqui é que, em troca da personalização de uma proporção maior de seu tráfego, você tem menos precisão em saber qual é o aumento exato. Independentemente da meta, esta é a divisão de tráfego recomendada ao usar uma experiência específica como controle. A prática recomendada é usar uma divisão de 10% a 30% Controle / 70% - 90% Experiência personalizada
  • Maximiza o número de visitantes que têm uma experiência personalizada
  • Maximiza o aumento
  • Menos precisão quanto ao que é o aumento para a atividade
Alocação personalizada Divida manualmente a porcentagem conforme desejado.
  • Você pode não conseguir os resultados desejados. Se você não tiver certeza, siga as sugestões para qualquer uma das opções anteriores

Para ajustar a Controle porcentagem, clique nos ícones na Alocação coluna. Você não pode diminuir o grupo de controle para menos de 10%.

Alterar a alocação de tráfego do Direcionamento automático

Você pode selecionar uma experiência específica para usar como controle ou usar a opção de experiência Aleatória.

Quando você deve escolher o Direcionamento automático​ em vez da Personalização automatizada?

Há vários cenários em que você pode preferir usar Direcionamento automático over Automated Personalization:

  • Se você quiser definir toda a experiência, em vez de ofertas individuais que serão combinadas automaticamente para formar uma experiência.
  • Se quiser usar o conjunto completo de Visual Experience Composer Recursos do (VEC) não suportados pela Personalização automática: o editor de código personalizado, vários públicos-alvo de experiência e muito mais.
  • Se você quiser fazer mudanças estruturais na sua página em diferentes experiências. Por exemplo, se você deseja reorganizar elementos em sua página inicial, Direcionamento automático é mais adequado usar do que Automated Personalization.

O que Direcionamento automático têm em comum Automated Personalization?

O algoritmo otimiza para um resultado favorável para cada visita.

  • O algoritmo prevê a propensão de um visitante para conversão (ou receita estimada da conversão) para oferecer a melhor experiência.
  • Um visitante é qualificado para uma nova experiência ao final de uma sessão existente (a menos que o visitante esteja no grupo de controle, nesse caso, a experiência que o visitante recebe na primeira visita permanece a mesma para visitas subsequentes).
  • Em uma sessão, a previsão não muda para manter a consistência visual.

O algoritmo se adapta às mudanças no comportamento do visitante.

  • O multi-arm bandit garante que o modelo esteja sempre "gastando" uma pequena fração do tráfego para continuar aprendendo durante toda a vida do aprendizado da atividade e para evitar a exploração excessiva de tendências aprendidas anteriormente.
  • Os modelos subjacentes são recriados a cada 24 horas usando os dados de comportamento do visitante mais recentes para garantir que Target O está sempre explorando as preferências dinâmicas do visitante.
  • Se o algoritmo não puder determinar as experiências vencedoras para os indivíduos, ele alternará automaticamente para mostrar a experiência geral de melhor desempenho enquanto continua a procurar por vencedores personalizados. A experiência de melhor desempenho é encontrada usando a Amostragem de Thompson.

O algoritmo otimiza continuamente para uma métrica de meta única.

  • Essa métrica pode ser baseada em conversão ou em receita (mais especificamente Receita por visita).

TargetO coleta automaticamente informações sobre os visitantes para criar os modelos de personalização.

TargetO usa automaticamente todos os Adobe Experience Cloud públicos-alvo compartilhados para criar os modelos de personalização.

  • Você não precisa fazer nada específico para adicionar públicos-alvo ao modelo. Para obter informações sobre como usar o Experience Cloud Audiences com Target, consulte Públicos-alvo da Experience Cloud

Os profissionais de marketing podem fazer upload de dados offline, pontuações de propensão ou outros dados personalizados para criar modelos de personalização.

Como o Direcionamento automático​ difere da Personalização automatizada?

O Direcionamento automático exige frequentemente menos tráfego do que a Personalização automatizada para um modelo personalizado a ser criado.

Embora a quantidade de tráfego por experiência necessária para os modelos de Direcionamento automático ou de Personalização automática seja a mesma, geralmente há mais experiências em uma atividade de Personalização automatizada do que uma atividade de Direcionamento automático.

Por exemplo, se você tiver uma Personalização automática atividade na qual você criou duas ofertas por local com dois locais, haveria quatro (2 = 4) experiências totais incluídas na atividade (sem exclusões). Usando o Direcionamento automático, você pode definir a experiência 1 para incluir a oferta 1 no local 1 e a oferta 2 no local 2 e a experiência 2 para incluir a oferta 1 no local 1 e a oferta 2 no local 2. Como o Direcionamento automático permite que você tenha várias alterações em uma experiência, é possível reduzir o número total de experiências em sua atividade.

Para o Direcionamento automático, as regras básicas podem ser usadas para entender os requisitos de tráfego:

  • Quando a conversão é a sua métrica de sucesso: 1.000 visitas e pelo menos 50 conversões por dia e por experiência, além disso, a atividade deve ter pelo menos 7.000 visitas e 350 conversões.
  • Quando a Receita por visita é sua métrica de sucesso: 1.000 visitas e pelo menos 50 conversões por dia e por experiência, além disso, a atividade deve ter pelo menos 1.000 conversões por experiência. O RPV geralmente requer mais dados para criar modelos devido à maior variação de dados que normalmente existe na receita de visitas em comparação com a taxa de conversão.

O Direcionamento automático possui uma funcionalidade de configuração completa.

  • Porque Direcionamento automático está incorporado no fluxo de trabalho da atividade A/B, Direcionamento automático benefícios dos mais maduros e de pleno direito Visual Experience Composer (VEC). Você também pode usar Links de Controle de qualidade com Direcionamento automático.

O Direcionamento automático fornece uma extensa estrutura de testes online.

  • O multi-arm bandit é parte de uma estrutura de testes online maior que permite Adobe cientistas de dados e investigadores para compreenderem os benefícios da melhoria contínua das suas condições reais.
  • No futuro, este campo de teste nos permitirá abrir Adobe plataforma de aprendizado de máquina para clientes com conhecimento de dados, para que possam trazer seus próprios modelos para aumentar a Target modelos.

Relatórios e Direcionamento automático

Para obter mais informações, consulte Relatórios e direcionamento automático.

Vídeo de treinamento: Noções básicas sobre atividades de direcionamento automático Selo de visão geral

Este vídeo explica como configurar uma atividade A/B de Direcionamento automático.

Depois de concluir este treinamento, você será capaz de:

  • Definir teste de Direcionamento automático
  • Comparar e contrastar Direcionamento automático para personalização automatizada
  • Criar atividades de Direcionamento automático

Nesta página