自動鎖定目標 常見問題集和疑難排解

• 決定 每次造訪收入 (RPV)成功量度值得其他流量需求。 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。

  • 如果您正在測試個人化演算法，則不應在活動上線時變更體驗，或新增或移除設定檔屬性。

• 請考慮在您打算於 自動鎖定目標 活動，確保位置和選件對最佳化目標有影響。 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。

  • 如果 A/B 測試顯示體驗之間沒有統計顯著差異，可能是您考慮的選件彼此的差異不夠、您選取的位置不會影響成功量度，或最佳化目標在轉換漏斗中太遠，以致於不受您選擇的選件所影響。

• 請勿於活動期間對體驗做出重大變更。

如果您的目標是要盡可能個人化流量，您可以在活動的存留期內維持90%的目標配置和10%的控制。 如果您的目標是執行比較個人化演算法與控制項的實驗，則 50/50 的分割比例最適合活動期限。

最佳實務是維持活動期限的流量配置分割，讓訪客不必在目標鎖定和控制項體驗之間切換。

• 選件需要夠不同才能影響訪客。
• 選件需要位於對最佳化目標而言具有差異化的位置。
• 測試中必須有足夠的流量和統計「能力」，才能偵測提升度。
• 個人化演算法必須正常運作。

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 可作為「隨時待命」且將持續最佳化的個人化使用。 尤其對於歷久不衰的內容，沒有必要停止 自動鎖定目標 活動。

如果您想對 自動鎖定目標 活動，最佳實務是啟動新活動，讓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。

自動鎖定目標 在該體驗至少50次轉換之前，不會嘗試為指定體驗建立個人化模型。 此外，如果所建立的模型質量不足（由對保留的「測試」資料的離線評估確定），則使用 稱為AUC的量度)，則模型不會以個人化方式提供流量。

關於 自動鎖定目標 模型建立的其他應牢記的要點：

• 活動上線後， 自動鎖定目標 嘗試建立模型時，會考量最多45天的隨機提供資料（例如控制流量，以及演算法保留的部分額外隨機提供資料）。
• 當每次造訪收入是成功量度時，由於通常存在於造訪-收入中的資料差異程度比存在於轉換率中更高，這些活動通常需要更多資料才能建立模型。
• 因為模型是以每個體驗為基礎建置，因此使用另一個體驗取代一個體驗意味著必須為新體驗收集足夠的流量（至少50次轉換），才能重新建立個人化模型。

此功能可讓您根據活動中設定的流量分配百分比，將整個控制流量路由至特定體驗。 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。

此推薦適用於 自動分配、自動鎖定目標，以及 Automated Personalization 活動 (使用 Target 或 Analytics (A4T) 成作為報告來源。)

本指引也適用於 自動分配 和 Automated Personalization 活動。

Target 為每個體驗建立一個模型，因此移除一個體驗表示 Target 建置一個較少的模型，不會影響其他體驗的模型。

例如，假設您有一個具有八個體驗的 自動鎖定目標 活動，而您不喜歡其中一個體驗的效能。您可以移除該體驗，但不會影響其餘七個體驗的模型。

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。

• 如果成功量度設為 RPV，您可以變更為轉換嗎？ 轉換活動傾向需要較少流量來建置模型。如果將成功量度從 RPV 變更為轉換，您不會失去活動資料。
• 您的成功量度是否遠低於您的活動體驗的銷售漏斗？ 較低的活動轉換率會增加建立模型所需的流量需求，因為需要最少的轉換次數。
• 是否有您可以從活動中捨棄的一些體驗？ 減少活動中的體驗數量可縮短建立模型的時間。
• 是否有更高流量的頁面可讓此活動更成功？ 若活動位置中有愈多流量和轉換，則建置模型的速度愈快。

• 選件必須足夠不同，才能影響訪客。
• 選件必須位於對最佳化目標有影響的位置。
• 測試中必須有足夠的流量和統計「能力」，才能偵測提升度。
• 個人化演算法必須正常運作。

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。通常，問題源自選件和位置對要偵測具有統計顯著性的最佳化目標影響不夠大。

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。