关于 Adobe Target 中自动定位的故障排除和常见问题 (FAQ)。
在使用自动定位活动时,可查阅以下常见问题和答案:
确定“每次访问带来的收入”(RPV) 成功量度的商业价值是否与其额外的流量需求相匹配。与转化相比,RPV 通常要求每个体验至少有 1,000 次转化才能完成工作。
开始活动之前,根据您的目标确定控制体验和个性化体验之间的流量分配。
确定您是否有足够的流量访问自动定位活动将运行的页面,以使个性化模型在合理的时间内生成。
考虑在您计划于自动定位活动中使用的选件和位置之间完成一个 A/B 活动,以确保位置和选件会对优化目标产生影响。如果 A/B 活动未能显示显著差异,则自动定位可能也无法生成提升。
尽量不要在活动运行的过程中对体验做出重大更改。
最优的流量分配分摊取决于要实现的目标。
如果目标是让流量尽可能个性化,那么可在整个活动期内保持 90% 针对性和 10% 对照。如果目标是做一个试验,比较个性化算法比对照好多少,那么在整个活动期内最好 50/50 分摊。
最佳实践是在整个活动期内保持流量分配分摊,这样访客就不会在针对性体验与对照体验之间切换。
不会,只有符合条件并查看了自动定位活动的访客才会被计入报表中。
自动定位活动需要四个因素才能产生提升:
最好的做法是,首先使用简单、非个性化的 A/B 测试来确保组成活动体验的内容和位置对整体响应率真正地产生了影响。务必提前计算样本量,以确保有足够的样本以便看到合理的提升,并在一段固定的时间内运行 A/B 测试,且不要终止或对其进行任何更改。
如果 A/B 测试结果显示一个或多个体验具有统计意义上的显著提升,则个性化活动很可能会起作用。当然,即便体验的总体响应率没有差异,个性化也可能会起作用。通常来说,出现这个问题是因为,对优化目标没有较大影响的选件/位置被检测出具有统计学意义。
自动定位可以作为“始终运行”的个性化使用,不断进行优化。特别是对于一直使用的内容,无需停止自动定位活动。
如果您希望对自动定位活动中的内容进行重大更改,最佳实践是开始一个新活动,以便其他用户查看报表时不会将过去的结果与不同内容混淆或相关联。
在自动定位活动中构建模型的耗时一般取决于所选活动位置的流量以及与活动成功指标相关的转化率。
直到对于给定体验发生至少 50 次转化,自动定位才会尝试构建该体验的个性化模型。此外,如果所构建的模型质量欠佳(通过使用一种称为 AUC 的指标对留出的“测试”数据进行离线评估而确定),则将不使用该模型以个性化的方式提供流量。
关于自动定位的模型构建,还有如下几点要牢记:
不是,必须在活动中至少构建 2 个模型才能开始个性化。
对于已构建模型的体验,您需要至少拥有两个已构建模型(绿色复选标记)的体验,才可以开始查看自动定位测试的结果。
在创建自动个性化 (AP) 或自动定位 (AT) 活动时,您可以选择要用作控制的体验。
通过此功能,您可以根据活动中配置的流量分配百分比,将整个控制流量路由到特定体验。然后,您可以根据该体验的控制流量评估个性化流量的性能报表。
有关更多信息,请参阅使用特定体验作为控制。
我们建议不要在活动中途更改目标指标。虽然可在活动期间使用 Target UI 更改目标指标,但总是应开始新的活动。如果在活动运行之后更改其中的目标指标,我们不保证将发生什么情况。
此建议适用于使用 Target 或 Analytics (A4T) 作为报表源的自动分配、自动定位和自动个性化活动。
建议不要对自动定位活动使用“重置报表数据”选项。虽然它删除可见的报表数据,但此选项并不从自动定位模型中删除所有训练记录。不要对自动定位活动使用“重置报表数据”选项,而是要创建新活动并停用原有活动。(注意:本指导还适用于自动分配和自动个性化活动。)
Target 针对每个体验构建一个模型,因此删除一个体验仅仅表示 Target 将少构建一个模型,而不影响其他体验的模型。
例如,假设您的自动定位活动有八个体验,而您不满意其中一个体验的表现。您可删除该体验,这不会影响剩余七个体验的模型。
有时候,活动没有按预期进行。以下是使用自动定位时可能会遇到的一些潜在困难,以及一些建议的解决方法。
更改几项活动设置可以减少构建模型所需的预计时间,包括您的自动定位活动中的体验数量、您网站的流量以及您选择的成功量度。
解决方法:查看活动设置,看看您是否愿意做出一些更改以提高构建模型的速度。
AP 活动产生提升需要四个因素:
解决方法:首先,确保您的活动对流量进行了个性化。如果没有针对所有体验都构建了模型,那么您的自动定位活动仍会为大量访问随机提供体验,以尽可能快地构建所有模型。如果未构建模型,则自动定位不会对流量进行个性化。
接下来,使用简单、非个性化的 A/B 测试,确保选件和活动位置确实会对整体响应率产生影响。务必提前计算样本量,以确保有足够的样本以便看到合理的提升,并在一段固定的时间内运行 A/B 测试,且不要终止或对其进行任何更改。如果 A/B 测试显示一个或多个体验具有统计意义的提升,则个性化活动有可能会奏效。当然,即便体验的总体响应率没有差异,个性化也可能会起作用。通常来说,出现这个问题是因为,对优化目标没有较大影响的选件/位置被检测出具有统计学意义。
这是符合预期的。
在自动定位活动中,转化量度(无论是优化目标还是后期目标)发生转化后,用户将会从体验中释放,并且活动会重新开始。
例如,一个活动拥有一个转化量度 (C1) 和一个其他量度 (A1)。A1 依赖于 C1。当访客首次进入活动,并且转化 A1 和 C1 的标准并未实现转化,那么由于成功量度的依赖关系,量度 A1 不会进行转化。如果访客先转化了 C1,然后转化了 A1,则 A1 仍不会实现转化,因为一旦 C1 完成转化,该访客便会被释放。