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.
O Direcionamento automático está disponível como parte da solução do Target Premium. Este recurso não está disponível no Target Standard sem uma licença do Target Premium. Para obter mais informações sobre os recursos avançados fornecidos por esta licença, consulte Target Premium.
Analytics para Target (A4T) Direcionamento automático atividades. Para obter mais informações, consulte Suporte ao A4T para atividades de Alocação automática e 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.
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:
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.
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.
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. |
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. |
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:
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 |
|
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 |
|
Alocação personalizada | Divida manualmente a porcentagem conforme desejado. |
|
Para ajustar a Controle porcentagem, clique nos ícones na Alocação coluna. Você não pode diminuir o grupo de controle para menos de 10%.
Você pode selecionar uma experiência específica para usar como controle ou usar a opção de experiência Aleatória.
Há vários cenários em que você pode preferir usar Direcionamento automático over Automated Personalization:
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:
Para obter mais informações, consulte Relatórios e direcionamento automático.
Este vídeo explica como configurar uma atividade A/B de Direcionamento automático.
Depois de concluir este treinamento, você será capaz de: