Auto-Target Veelgestelde vragen en problemen oplossen

• Bepalen of de bedrijfswaarde van een Revenue per Visit (RPV) succes metrisch is de extra verkeersvereisten waard. RPV heeft doorgaans minstens 1.000 conversies per ervaring nodig om een activiteit te kunnen gebruiken in plaats van conversie.

• Beslis over de toewijzing tussen controle en gepersonaliseerde ervaringen alvorens met de activiteit te beginnen die op uw doelstellingen wordt gebaseerd.

• Bepaal of u voldoende verkeer hebt naar de pagina waar uw Auto-Target de activiteit loopt voor verpersoonlijkingsmodellen om in een redelijke hoeveelheid tijd op te bouwen.

• Als u het verpersoonlijkingsalgoritme test, zou u geen ervaringen moeten veranderen of profielattributen toevoegen of verwijderen terwijl de activiteit levend is.

• Overweeg een A/B activiteit tussen de aanbiedingen en de plaatsen te voltooien die u in uw wilt gebruiken Auto-Target activiteiten om ervoor te zorgen dat de locaties en aanbiedingen van invloed zijn op de optimalisatiedoelstelling. Indien een A/B-activiteit geen significant verschil aantoont, Auto-Target er kan ook geen lift worden gegenereerd.

  Als een A/B test geen statistisch significante verschillen tussen ervaringen toont, is het waarschijnlijk dat de aanbiedingen u overweegt niet genoeg van elkaar verschillend zijn, beïnvloeden de plaatsen u selecteerde niet succesmetrisch, of het optimalisatiedoel is te ver in de omzettingrechter om door uw gekozen aanbiedingen te worden beïnvloed.

• Probeer de ervaringen tijdens de activiteit niet ingrijpend te wijzigen.

Als uw doel is zoveel mogelijk verkeer te personaliseren, kunt u met 90% gerichte toewijzing en 10% controle voor het leven van de activiteit blijven. Als uw doel een experiment is dat vergelijkt hoe gepersonaliseerde algoritmen tegenover de controle doen, dan is een 50/50 splitsing best voor het leven van de activiteit.

De beste praktijken moeten het verkeer-verdeling voor het leven van de activiteit handhaven zodat de bezoekers niet tussen gerichte en controleervaringen schakelen.

• De aanbiedingen moeten verschillend genoeg zijn om bezoekers te beïnvloeden.
• De aanbiedingen moeten zich ergens bevinden die een verschil maken met het optimalisatiedoel.
• Er moet voldoende verkeer en statistische "kracht" in de test aanwezig zijn om de lift te detecteren.
• Het verpersoonlijkingsalgoritme moet goed werken.

De beste manier van werken is eerst ervoor te zorgen dat de inhoud en de locaties waaruit de activiteitenervaringen bestaan daadwerkelijk een verschil maken met de totale responspercentages met behulp van een eenvoudige, niet-gepersonaliseerde A/B-test. Zorg ervoor dat u de monstergrootten vooraf berekent om ervoor te zorgen dat er voldoende kracht is om een redelijke lift te zien en de A/B-test voor een vaste duur uit te voeren zonder deze te stoppen of wijzigingen aan te brengen.

Als uit de resultaten van een A/B-test statistisch significante resultaten van een of meer ervaringen blijken, is het waarschijnlijk dat een gepersonaliseerde activiteit zal werken. Natuurlijk kan personalisatie werken zelfs als er geen verschillen zijn in de totale responspercentages van de ervaringen. Doorgaans is het probleem het gevolg van aanbiedingen en locaties die niet voldoende effect hebben op het optimalisatiedoel en die statistisch significant moeten worden opgespoord.

Auto-Target kan worden gebruikt als "altijd op"verpersoonlijking die constant optimaliseert. Met name voor de meest groene inhoud is het niet nodig om uw Auto-Target activiteit.

Als u substantiële wijzigingen wilt aanbrengen in de inhoud van uw Auto-Target de beste manier is om een nieuwe activiteit te starten zodat andere gebruikers die rapporten evalueren, eerdere resultaten niet verwarren of met andere inhoud in verband brengen.

Auto-Target probeert niet om een gepersonaliseerd model voor een bepaalde ervaring te bouwen tot er minstens 50 omzettingen voor die ervaring zijn. Bovendien, als het gebouwde model van ontoereikende kwaliteit is (zoals bepaald door off-line evaluatie van "test"gegevens van de greep, die een metrisch die als AUC wordt bekend), wordt het model niet gebruikt om verkeer op een gepersonaliseerde manier te dienen.

Enkele andere punten die u in gedachten wilt houden Auto-TargetModelgebouw:

• Wanneer een activiteit actief is, Auto-Target overweegt tot de laatste 45 dagen van willekeurig verstrekte gegevens wanneer het proberen om modellen te bouwen. Bijvoorbeeld, controleverkeer, plus wat extra willekeurig gediende gegevens die door het algoritme worden gehouden.
• Wanneer Revenue per Visit Is uw succes metrisch, deze activiteiten vereisen typisch meer gegevens om modellen te bouwen wegens de hogere gegevensvariantie die typisch in bezoek-opbrengst in vergelijking met omzettingspercentage bestaat.
• Omdat de modellen op een per-ervaringsbasis worden voortgebouwd, betekent het vervangen van één ervaring met een andere ervaring dat voldoende verkeer (minstens 50 omzettingen) voor de nieuwe ervaring moet worden verzameld alvorens de gepersonaliseerde modellen kunnen worden herbouwd.

Deze eigenschap laat u het volledige controleverkeer aan een specifieke ervaring leiden, die op het verkeer-toewijzingspercentage wordt gebaseerd dat in de activiteit wordt gevormd. U kunt de prestatiesrapporten van het gepersonaliseerde verkeer tegen controleverkeer aan die één ervaring dan evalueren.

Zie voor meer informatie Een specifieke ervaring gebruiken als besturingselement.

Target bouwt één model per ervaring, zodat het verwijderen van één ervaringsmiddel Target bouwt één minder model en beïnvloedt geen modellen voor de andere ervaringen.

Stel dat u een Auto-Target activiteit met acht ervaringen en u houdt niet van de prestaties van één ervaring. U kunt die ervaring verwijderen en het beïnvloedt niet de modellen voor de zeven resterende ervaringen.

Oplossing: Controleer uw activiteitenopstelling en zie of zijn er om het even welke veranderingen u bereid bent aan te brengen om de snelheid te verbeteren waarop de modellen bouwen.

• Als uw succesmetrisch wordt geplaatst aan RPV, kunt u overschakelen op conversie? De activiteiten van de omzetting neigen om minder verkeer te vereisen om modellen te bouwen. U verliest geen activiteitsgegevens als u de succesmaatstaf wijzigt van RPV in conversie.
• Is uw succes metrisch ver onderaan de verkooptrechter van uw activiteitenervaringen? Een lagere tarief van de activiteitenomzetting verhoogt de verkeersvereisten nodig voor modellen om te bouwen, omdat een minimumaantal omzettingen wordt vereist.
• Zijn er sommige ervaringen u van uw activiteit kunt laten vallen? Het verminderen van het aantal ervaringen in een activiteit vermindert de tijd om modellen te bouwen.
• Is er een pagina voor hoger verkeer waarop deze activiteit succesvoller zou zijn? De meer verkeer en omzettingen in uw activiteitenplaatsen, bouwen de snellere modellen.

• De aanbiedingen moeten verschillend genoeg zijn om bezoekers te beïnvloeden.
• De aanbiedingen moeten zich ergens bevinden die een verschil maken met het optimalisatiedoel.
• Er moet voldoende verkeer en statistische "kracht" in de test aanwezig zijn om de lift te detecteren.
• Het verpersoonlijkingsalgoritme moet goed werken.

Oplossing: Eerst, zorg ervoor dat uw activiteit verkeer personaliseert. Als modellen niet voor alle ervaringen worden gebouwd, uw Auto-Target de activiteit bedient nog steeds willekeurig een aanzienlijk deel van de bezoeken om te proberen alle modellen zo snel mogelijk te bouwen . Als modellen niet zijn gebouwd, Auto-Target is geen personaliserend verkeer.

Daarna, zorg ervoor dat de aanbiedingen en de activiteitenplaatsen werkelijk een verschil aan de algemene reactiesnelheden gebruikend een eenvoudige, niet-gepersonaliseerde test A/B maken. Zorg ervoor dat u de monstergrootten vooraf berekent om ervoor te zorgen dat er voldoende kracht is om een redelijke lift te zien en de A/B-test voor een vaste duur uit te voeren zonder deze te stoppen of wijzigingen aan te brengen. Als uit een A/B-testresultaten blijkt dat een of meer ervaringen statistisch significant zijn, is het waarschijnlijk dat een gepersonaliseerde activiteit werkt. Personalisatie kan ook werken als er geen verschillen zijn in de totale responspercentages van de ervaringen. Doorgaans is het probleem het gevolg van aanbiedingen en locaties die niet voldoende effect hebben op het optimalisatiedoel en die statistisch significant moeten worden opgespoord.

In een Auto-Target activiteit, zodra een omzettingsmetrisch (of optimalisatiedoel of post doel) wordt omgezet, wordt de gebruiker vrijgegeven uit de ervaring, en de activiteit wordt opnieuw begonnen.

Bijvoorbeeld, is er een activiteit met metrisch (C1) en extra metrisch (A1). A1 is afhankelijk van C1. Wanneer een bezoeker de activiteit voor het eerst ingaat, en de criteria voor het omzetten A1 en C1 niet worden omgezet, wordt metrische A1 niet omgezet toe te schrijven aan het succes metrische gebiedsdeel. Als de bezoeker C1 omzet en dan A1 omzet, wordt A1 nog niet omgezet omdat wanneer C1 wordt omgezet, de bezoeker wordt vrijgegeven.