As atividades de direcionamento automático no Adobe Target usam o aprendizado de máquina avançado para selecionar entre várias experiências definidas pelo profissional de marketing de alto desempenho para personalizar o conteúdo e gerar conversões. O Direcionamento automático veicula 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.
O Analytics for Público alvo (A4T) oferece suporte para atividades de direcionamento automático para usuários. Para obter mais informações, consulte Criar uma atividade que use o Analytics como a fonte do relatórios.
Um grande varejista de roupas recentemente usou uma atividade Público alvo automático com dez experiências baseadas em categorias de produtos (além de controle aleatório) para fornecer o conteúdo correto para cada visitante. "Adicionar ao carrinho" foi escolhido como a métrica de otimização primária. As experiências direcionadas tiveram um aumento médio de 29,09%. Depois de criar os modelos Público alvo automático, a atividade foi definida como 90% de experiências personalizadas.
Em apenas dez dias, mais de US$ 1.700.000 em incentivo foram alcançados.
Continue lendo para saber como usar Público alvo 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. O direcionamento automático foi projetado para fornecer otimização máxima, em comparação com o teste A/B tradicional 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.
Do mesmo modo que a Personalização automatizada, o 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 a serem levadas em conta ao usar Público alvo automático:
Você não pode alternar uma atividade específica de Direcionamento automático para Personalização automatizada, e vice-versa.
Você não pode alternar de Alocação de tráfego manual (teste tradicional A/B) para Direcionamento automático e vice-versa depois que uma atividade estiver ativa.
Um modelo é criado para identificar o desempenho da estratégia personalizada em comparação ao tráfego atendido aleatoriamente em vez de 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.
Por conseguinte, os pedidos serão acompanhados do mesmo modelo, independentemente do ambiente, mas a pluralidade do tráfego deverá provir do ambiente por defeito, a fim de assegurar que a experiência globalmente identificada vencedora seja coerente com o comportamento no mundo real.
Você deve usar 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 conjuntos que funciona por meio da construção de um grande número de árvores de decisão com base nos atributos do visitante e da visita. No Target, o Random Forest é usado para determinar qual experiência deve ter a maior probabilidade de conversão (ou maior receita por visita) para cada visitante específico. Para obter mais informações sobre o Random Forest no Target, consulte Algoritmo Random Forest. |
Amostragem de Thompson | O objetivo da Amostragem de Thompson é determinar qual experiência é a melhor em geral (não personalizada), enquanto minimiza o "custo" da procura dessa experiência. A amostragem de Thompson sempre escolhe um vencedor, mesmo que não haja diferença estatística entre duas experiências. Para obter mais informações, consulte Amostragem de Thompson. |
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 sistema de personalização automatizada é um método de classificação ou regressão que opera por meio da construção de várias árvores de decisão na hora 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 uma variedade de 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 o 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. Observe que a desvantagem aqui é que, em troca da personalização de uma proporção maior de seu tráfego, você terá 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 porcentagem de Controle, clique nos ícones na coluna Alocação. 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.
Existem vários cenários em que você pode preferir usar o Direcionamento automático em vez da Personalização automatizada:
O algoritmo otimiza para um resultado favorável para cada visita.
O algoritmo se adapta às mudanças no comportamento do visitante.
O algoritmo otimiza continuamente para uma métrica de meta única.
O Target coleta automaticamente informações sobre os visitantes para criar os modelos de personalização.
O Target usa automaticamente todos os públicos-alvo compartilhados da Experience Cloud para criar os modelos de personalização.
Os profissionais de marketing podem fazer upload de dados offline, pontuações de propensão ou outros dados personalizados para criar modelos de personalização.
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 tivesse uma atividade de Personalização automática em que 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:
O Direcionamento automático possui uma funcionalidade de configuração completa.
O Direcionamento automático fornece uma extensa estrutura de testes online.
Para obter mais informações, consulte Relatório de resumo do direcionamento automático na seção Relatórios.
Este vídeo explica como configurar uma atividade A/B de Direcionamento automático.
Depois de concluir este treinamento, você será capaz de: