Direcionamento automático atividades no Adobe Target use o aprendizado de máquina avançado para selecionar entre várias experiências de alto desempenho definidas pelo profissional de marketing 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 semelhantes.
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 for Target O (A4T) suporta Direcionamento automático atividades. Para obter mais informações, consulte Suporte ao A4T para atividades de Alocação automática e Direcionamento automático.
Um grande varejista de roupas usou recentemente uma Direcionamento automático Atividade com dez experiências baseadas em categorias de produto (além de 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 em aumento foram obtidos.
Continue lendo para saber como usar o Direcionamento automático para aumentar o aumento e a receita da sua organização.
Enquanto criação de uma atividade A/B usando o fluxo de trabalho guiado de três etapas, escolha o Direcionamento automático para experiências personalizadas opção no Direcionamento página (etapa 2).
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 é projetado para fornecer otimização máxima, em comparação com o teste A/B tradicional ou Alocação automática, determinando qual experiência será exibida para cada visitante. Ao contrário de uma atividade A/B na qual o objetivo é encontrar um único vencedor, Direcionamento automático determina automaticamente a melhor experiência para um determinado visitante. A melhor experiência é baseada no perfil do visitante e outras informações contextuais para fornecer uma experiência altamente personalizada.
Semelhante a 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. Porque Direcionamento automático puder se adaptar às mudanças no comportamento do visitante, ele poderá ser executado perpetuamente para fornecer um aumento. Às vezes, esse método 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.
Existem algumas considerações importantes que você deve ter em mente ao usar o Direcionamento automático:
Não é possível alternar uma atividade específica de Direcionamento automático para Automated Personalizatione o caminho oposto.
Não é possível alternar de Manual alocação de tráfego (tradicional Teste A/B) para Direcionamento automático, e o oposto depois que uma atividade é salva como rascunho.
Um modelo é criado para identificar o desempenho da estratégia personalizada em relação ao tráfego disponibilizado aleatoriamente em relação ao envio de 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, são consideradas ocorrências e conversões em todos os ambientes.
Os pedidos são atendidos com o mesmo modelo, independentemente do ambiente, mas a pluralidade de tráfego deve vir do ambiente padrão para garantir que a experiência vencedora geral identificada seja consistente com o comportamento 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. Em linguagem da ciência de dados, é um método de classificação de conjunto, ou regressão, que funciona construindo muitas árvores de decisão com base nos atributos do visitante e da visita. Dentro de Target, 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 do Thompson Sampling é determinar qual experiência é a melhor em geral (não personalizada), minimizando 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 | TargetO principal algoritmo de personalização do usado em ambos Direcionamento automático e Automated Personalization é Random Forest. Métodos de conjunto, como Random Forest, usam vários algoritmos de aprendizagem para obter um melhor desempenho preditivo do que poderia ser obtido a partir 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 opera através da construção de uma variedade de árvores de decisão no momento do treinamento. |
Fazendo upload De Dados Para TargetAlgoritmos de personalização do | Existem várias maneiras de inserir dados para modelos de Direcionamento automático e Personalização automatizada. |
Coleta de dados do TargetAlgoritmos de personalização do | TargetOs algoritmos de personalização do 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. Recomenda-se usar com "experiências aleatórias" como controle. | Divisão de 50% controle / 50% experiência personalizada |
|
Maximizar tráfego de personalização (90/10): se o objetivo for criar uma atividade "sempre ativa", coloque 10% dos visitantes no controle, a fim de garantir que haja dados suficientes para que os algoritmos continuem aprendendo ao longo do tempo. 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 variável Controle porcentagem, clique nos ícones na caixa 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 nos quais você pode preferir usar Direcionamento automático sobre 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 um Personalização automática Na atividade em que 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: