Premium

Visão geral do direcionamento automático

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.

OBSERVAÇÃO

  • 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.

História de sucesso real usando o 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.

Visão geral

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).

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 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.

Considerações

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.

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. 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.

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 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.

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. Recomenda-se usar 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 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
  • 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 variável Controle porcentagem, clique nos ícones na caixa 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 nos quais você pode preferir usar Direcionamento automático sobre Automated Personalization:

  • Se você quiser definir toda a experiência, em vez de ofertas individuais que são combinadas automaticamente para formar uma experiência.
  • Se quiser usar o conjunto completo de Visual Experience Composer Recursos do (VEC) não suportados pelo 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 faz Direcionamento automático têm em comum com 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 fornecer a melhor experiência.
  • Um visitante é elegível para uma nova experiência no final de uma sessão existente (a menos que o visitante esteja no grupo de controle, nesse caso, a experiência atribuída ao visitante 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 está sempre "gastando" uma pequena fração de tráfego para continuar a aprender ao longo da vida da atividade de aprendizagem e para evitar a exploração excessiva de tendências anteriormente aprendidas.
  • 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 a alteração das preferências 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 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:

  • 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 mais maduros e completos. Visual Experience Composer (VEC). Também é possível usar Links de controle de qualidade com Direcionamento automático.

O Direcionamento automático fornece uma extensa estrutura de testes online.

  • O multi-arm bandit faz parte de uma estrutura maior de testes on-line que permite Adobe cientistas de dados e pesquisadores para entender os benefícios de suas melhorias contínuas em condições reais.
  • No futuro, este teste permitirá que abramos Adobe para clientes com conhecimento de dados, de modo que possam trazer seus próprios modelos para Target modelos.

Relatórios e Direcionamento automático

Para obter mais informações, consulte Relatórios e Direcionamento automático.

Vídeo de treinamento: Entendendo as atividades de direcionamento automático

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