疑難排解與Adobe Target中關於Auto-Target的常見問題(FAQ)。
在您處理Auto-Target活動時,請參閱下列常見問答和答案:
決定「每次造訪帶來的收入 (RPV)」成功量度的商業價值是否有額外流量需求的價值。與轉換相比,RPV 通常需要每個體驗至少有 1,000 次轉換,如此活動才會運作。
開始展開活動之前,請根據目標決定控制與個人化體驗之間的分配。
判斷將執行自動鎖定目標活動的頁面是否有足夠流量,而能夠在合理的時間內建立個人化模型。
請考慮針對您打算於自動鎖定目標活動中使用的不同選件和位置進行 A/B 活動,以確定位置和選項件對最佳化目標具影響力。如果 A/B 活動未展現明顯的差異,則自動鎖定目標很可能也無法帶來提升度。
請勿於活動期間對體驗做出重大變更。
您的最佳流量分配分割取決於您要完成的工作。
如果您的目標是要盡可能個人化流量,則您可以在活動的期限內維持90%的目標鎖定和10%的控制權。 如果您的目標是進行個人化演算法與控制的比較實驗,則50/50分割最適合活動的存留期。
最佳實務是在活動的期限內維持流量分配分割,讓訪客不會在目標體驗與控制體驗之間切換。
不會,只有合格並檢視自動鎖定目標活動的訪客才會計入報表中。
自動鎖定目標活動帶來提升度需要四個要素:
動作的最佳措施是先使用簡易、非個人化的 A/B 測試來確定組成活動體驗的內容和位置對整體回應率確實產生影響。務必提早計算樣本大小,以確保有足夠檢定力可看見合理的提升度,並在固定期間執行 A/B 測試而不停止它或進行任何變更。
如果 A/B 測試的結果指出一或多個體驗有統計顯著的提升度,即表示個人化活動可能會運作。當然,即便在體驗的整體回應率沒有產生影響時,個人化也能運作。一般來說,問題源自選件/位置對要使用統計精確度偵測的最佳化目標沒有夠大的影響。
自動鎖定目標可用作「隨時待命」且將持續最佳化的個人化。尤其對於歷久不衰的內容,不需要停止自動鎖定目標活動。
如果您想對自動鎖定目標活動中的內容進行重大改變,最佳作法是啟動新的活動,使其他檢閱報表的使用者不會將過去的結果與不同內容混淆或聯繫起來。
模型在Auto-Target活動中建立所需的時間長度,通常取決於所選活動位置的流量以及與活動成功度量相關聯的轉換率。
Auto- Target不會嘗試針對特定體驗建立個人化模型,直到該體驗至少有50次轉換為止。此外,如果所建立的模型品質不足(如使用稱為AUC↑[a1/]的量度進行離線評估,以保留「測試」資料所判斷),則不會使用模型以個人化方式為流量服務。
還有一些要記住的關於Auto-Target的模型構建:
不,您的活動內必須建置至少兩個模型,如此個人化才能開始。
當您至少有兩個體驗已建立模型 (綠色勾號),針對已建立模型的體驗,您就可以開始查看自動鎖定目標測試的結果。
建立 Automated Personalization (AP) 或自動鎖定目標 (AT) 活動時,您可以選取要用來作為控制的體驗。
此功能可讓您根據活動中設定的流量配置百分比,將整個控制流量傳送至特定體驗。接著,您可以根據該體驗之控制流量,評估個人化流量的效能報表。
如需詳細資訊,請參閱使用特定體驗作為控制。
我們不建議您在活動中途變更目標量度。 雖然在使用Target UI的活動期間可以變更目標量度,但您應一律開始新活動。 我們不保證如果您在活動執行後變更目標量度時會發生什麼。
此建議適用於使用Target或Analytics (A4T)作為報告來源的自動分配、自動目標和自動個人化活動。
不建議對自動目標活動使用重設報表資料選項。 雖然它會移除可見的報告資料,但此選項不會從Auto-Target模型移除所有培訓記錄。 您不必為自動目標活動使用重設報表資料選項,而是建立新活動並停用原始活動。 (注意:本指南也適用於自動分配和自動個人化活動。)
Target 根據每個體驗建立一個模型,因此移除一個體 Target 驗意味著只需建立一個模型,而不會影響其他體驗的模型。
例如,假設您有一個Auto-Target活動,其中包含8個體驗,而您不喜歡單個體驗的效能。 您可以移除該體驗,而不會影響其餘7個體驗的模型。
有時活動不會如預期般進行。以下是使用自動鎖定目標可能面臨的一些挑戰,以及一些建議的解決方案。
有幾項活動設定變更可以縮短建立模型的預期時間,包括自動鎖定目標活動中的體驗數量、流向網站的流量,以及您選取的成功量度。
解決方案: 請檢閱您的活動設定並查看是否有您想要進行的任何變更,以改善建置模型的速度。
AP 活動產生提升度需要四個係數:
解決方案:首先,請確定活動已將流量個人化。如果沒有為所有體驗建立模型,自動鎖定目標活動仍會隨機處理很大一部分的造訪,以試著盡快建立所有模型。如果沒有建立模型,自動鎖定目標就不會將流量個人化。
接下來,請使用簡單且非個人化的 A/B 測試,以確保選件和活動位置確實對整體回應率造成改變。務必提早計算樣本大小,以確保有足夠檢定力可看見合理的提升度,並在固定期間執行 A/B 測試而不停止它或進行任何變更。如果 A/B 測試結果對一或多個體驗顯示統計顯著的提升度,則個人化活動可能將正常運作。當然,即便在體驗的整體回應率沒有產生影響時,個人化也能運作。一般來說,問題源自選件/位置對要使用統計精確度偵測的最佳化目標沒有夠大的影響。
這是預期中的情形。
在自動鎖定目標活動中,轉換量度 (無論是最佳化目標或事後目標) 一旦轉換,即會從體驗中釋放使用者,而活動也會重新開始。
例如,有一個活動具有轉換量度 (C1) 和另一個量度 (A1)。A1 相依於 C1。當訪客第一次進入活動,而轉換 A1 和 C1 的條件未轉換,由於成功量度相依性,此時不會轉換量度 A1。如果訪客轉換 C1 然後轉換 A1,此時仍不會轉換 A1,因為 C1 一旦進行轉換即會釋出訪客。