Perguntas frequentes sobre direcionamento automático e solução de problemas

• Decida se o valor comercial de um Receita por visita (RPV) métrica de sucesso vale os requisitos adicionais de tráfego. O RPV normalmente precisa de pelo menos 1.000 conversões por experiência para que uma atividade funcione em comparação com a conversão.

• Decida sobre a alocação entre controle e experiências personalizadas antes de iniciar a atividade com base em suas metas.

• Determine se você tem tráfego suficiente para a página em que sua atividade de Direcionamento automático será executada para modelos de personalização a serem criados em um período de tempo razoável.

  • Se você estiver testando o algoritmo de personalização, não altere experiências nem adicione ou remova atributos de perfil enquanto a atividade estiver ativa.

• Considere a conclusão de uma atividade A/B entre as ofertas e os locais que você planeja usar em seu Direcionamento automático para garantir que os locais e as ofertas tenham impacto na meta de otimização. Se uma atividade A/B não demonstrar uma diferença significativa, o Direcionamento automático provavelmente também não gerará aumento.

  • Se um teste A/B não mostra diferenças estatisticamente significativas entre as experiências, é provável que as ofertas que você está considerando não são suficientemente diferentes umas das outras, os locais selecionados não afetam a métrica de sucesso ou a meta de otimização está muito distante no funil de conversão a ser afetado pelas ofertas escolhidas.

• Tente não fazer mudanças substanciais nas experiências durante o curso da atividade.

Se sua meta for personalizar o máximo tráfego possível, você poderá manter a alocação de 90% de direcionamento e o controle de 10% durante toda a vida da atividade. Se o objetivo for executar um experimento comparando o desempenho dos algoritmos personalizados com o controle, uma divisão 50/50 é melhor para o tempo de vida da atividade.

A prática recomendada é manter a divisão de alocação de tráfego para o tempo de vida da atividade para que os visitantes não alternem entre experiências de direcionamento e de controle.

• As ofertas precisam ser diferentes o suficiente para influenciar os visitantes.
• As ofertas precisam estar localizadas em um lugar que faça diferença na meta de otimização.
• Deve haver tráfego e "potência" estatística suficiente no teste para detectar o aumento.
• O algoritmo de personalização deve funcionar corretamente.

O melhor curso de ação é garantir que o conteúdo e os locais que compõem as experiências da atividade realmente façam diferença nas taxas de resposta geral usando um teste A/B simples e não personalizado. Certifique-se de calcular os tamanhos das amostras antecipadamente para garantir que haja energia suficiente para ver um aumento razoável e executar o teste A/B por um período fixo sem interrompê-lo ou fazer quaisquer alterações.

Se os resultados de um teste A/B mostram um aumento estatisticamente significativo em uma ou mais das experiências, é provável que uma atividade personalizada funcione. Claro, a personalização pode funcionar mesmo se não houver diferenças nas taxas de resposta geral das experiências. Normalmente, o problema decorre de ofertas/locais que não têm um impacto suficientemente grande na meta da otimização para serem detectados com significância estatística.

Direcionamento automático pode ser usada como personalização "sempre ativa" que otimizará constantemente. Especialmente para conteúdo permanente, não há necessidade de interromper sua atividade de Direcionamento automático.

Se você quiser fazer alterações substanciais no conteúdo em seu Direcionamento automático , a prática recomendada é iniciar uma nova atividade para que outros usuários que revisem relatórios não confundam ou relacionem resultados anteriores com conteúdo diferente.

Direcionamento automático O não tenta criar um modelo personalizado para uma determinada experiência até que haja pelo menos 50 conversões para essa experiência. Além disso, se o modelo criado for de qualidade insuficiente (conforme determinado pela avaliação offline dos dados de "teste" de espera, usando uma métrica conhecida como AUC), o modelo não é usado para veicular o tráfego de maneira personalizada.

Alguns outros pontos para ter em mente sobre a criação de modelo do Direcionamento automático:

• Após uma atividade estar ativa, Direcionamento automático O considera até os últimos 45 dias de dados fornecidos aleatoriamente ao tentar criar modelos (por exemplo, controlar o tráfego, além de alguns dados fornecidos aleatoriamente pelo algoritmo).
• Quando Receita por visita é sua métrica de sucesso, essas atividades normalmente exigem 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.
• Como os modelos são criados com base na experiência, substituir uma experiência por outra significa que tráfego suficiente (pelo menos 50 conversões) deve ser coletado para a nova experiência antes que os modelos personalizados possam ser recriados.

Esse recurso permite rotear todo o tráfego de controle para uma experiência específica, com base na porcentagem de alocação de tráfego configurada na atividade. Em seguida, você pode avaliar os relatórios de desempenho do tráfego personalizado com relação ao tráfego de controle para essa experiência única.

Para obter mais informações, consulte Usar uma experiência específica como controle.

Esta orientação também se aplica Alocação automática e Automated Personalization atividades.

Target cria um modelo por experiência, portanto, remover uma experiência significa Target O cria um modelo a menos e não afeta os modelos para as outras experiências.

Por exemplo, suponha que você tenha uma atividade de Direcionamento automático com oito experiências e não goste do desempenho de uma experiência. Você pode remover essa experiência e ela não afeta os modelos para as sete experiências restantes.

Solução: revise a configuração da atividade e veja se deseja fazer alguma alteração para melhorar a velocidade de criação dos modelos.

• Se sua métrica de sucesso estiver definida como RPV, você pode mudar para conversão? As atividades de conversão tendem a exigir menos tráfego para criar modelos. Você não perderá os dados da atividade se alterar a métrica de sucesso de RPV para conversão.
• Sua métrica de sucesso está bem abaixo do funil de vendas de suas experiências de atividade? Uma taxa de conversão de atividade mais baixa aumenta os requisitos de tráfego necessários para a criação de modelos, pois é necessário um número mínimo de conversões.
• Há algumas experiências que você pode abandonar em sua atividade? Diminuir o número de experiências em uma atividade diminui o tempo para criar modelos.
• Existe uma página de tráfego mais alto onde essa atividade seria mais bem-sucedida? Quanto mais tráfego e conversões em seus locais de atividade, mais rápidos serão os modelos.

• As ofertas devem ser diferentes o suficiente para influenciar os visitantes.
• As ofertas devem estar localizadas em um local que faça diferença na meta de otimização.
• Deve haver tráfego e "potência" estatística suficiente no teste para detectar o aumento.
• O algoritmo de personalização deve funcionar corretamente.

Solução: primeiro, verifique se sua atividade está personalizando o tráfego. Se os modelos não são criados para todas as experiências, sua atividade de Direcionamento automático ainda estará apresentando aleatoriamente uma parte significativa das visitas para tentar criar todos os modelos o mais rápido possível. Se os modelos não forem criados, o Direcionamento automático não está personalizando o tráfego.

Em seguida, verifique se as ofertas e os locais de atividade realmente fazem diferença nas taxas de resposta gerais usando um teste A/B simples e não personalizado. Certifique-se de calcular os tamanhos das amostras antecipadamente para garantir que haja energia suficiente para ver um aumento razoável e executar o teste A/B por um período fixo sem interrompê-lo ou fazer quaisquer alterações. Se um resultado do teste A/B mostrar um aumento estatisticamente significativo em uma ou mais das experiências, é provável que uma atividade personalizada funcione. Claro, a personalização pode funcionar mesmo se não houver diferenças nas taxas de resposta geral das experiências. Normalmente, o problema deriva de ofertas e locais que não têm um impacto grande o suficiente na meta de otimização para serem detectados com significância estatística.

Em uma atividade de Direcionamento automático, depois que uma métrica de conversão (objetivo de otimização ou de postagem) é convertida, o usuário é liberado da experiência e a atividade é reiniciada.

Por exemplo, há uma atividade com uma métrica de conversão (C1) e uma métrica adicional (A1). A1 depende de C1. Quando um visitante entra na atividade pela primeira vez, e os critérios de conversão de A1 e C1 não são convertidos, a métrica A1 não é convertida por depender da métrica de sucesso. Se o visitante converte C1 e depois converte A1, A1 ainda não é convertida porque, assim que C1 é convertida, o visitante é liberado.