A variável Adobe Target Avaliador de tráfego O fornece feedback que permite saber se você tem tráfego suficiente para o seu Automated Personalization atividade para ter sucesso.
Como um Automated Personalization A atividade usa várias combinações de ofertas. É importante saber quanto tráfego é necessário para fornecer resultados significativos. A variável Avaliador de tráfego O usa estatísticas sobre a sua página e o número de experiências que estão sendo testadas para estimar a quantidade de tráfego e a duração do teste necessárias para tornar a atividade bem-sucedida.
A variável Avaliador de tráfego determina se há tráfego suficiente para gerar modelos personalizados comparando as impressões de página estimadas e o índice de conversão típico para as páginas. Idealmente, para uma atividade bem-sucedida, o tamanho de amostra correto garante que o conteúdo personalizado esteja pronto em 50% da duração da atividade ou 14 dias, o que for menor. Esse processo permite tempo suficiente para obter conteúdo personalizado e saber qual conteúdo fornecer.
Lembre-se Target disponibiliza experiências aleatoriamente até que os algoritmos de personalização sejam criados. O ícone de marca de seleção ao lado de cada oferta mostra quando o modelo dessa oferta está pronto e Target O pode começar a fornecer conteúdo personalizado. Como aumento é esperado somente depois que os modelos estão prontos, a indicação visual permite definir a expectativa correta. Use o Avaliador de tráfego no Visual Experience Composer (VEC) para obter uma diretriz sobre quando os modelos estão prontos.
No Visual Experience Composer, clique em Tráfego.
A variável Avaliador de tráfego é aberto. Você pode clicar em Tráfego novamente para ocultar o Avaliador de tráfego.
Especifique o índice de conversão típico (ou o índice de conversão que você espera dessa atividade), as impressões de atividade estimadas por dia e a duração do teste.
Métrica | Descrição |
---|---|
Número de ofertas | Essa métrica é calculada automaticamente com base no número de experiências que estão sendo criadas como parte da atividade, após as exclusões. |
Taxa comum de conversão | Essa métrica é expressa como uma porcentagem, com base na estimativa ou dados anteriores do sistema de análise. |
Visitas estimadas por dia | Essa métrica é o número de visitas por dia dos visitantes que podem visualizar a atividade com base nos critérios de direcionamento. Essa métrica pode se basear nos dados de análise. Esse número deve ser de visitas, não de visitantes únicos. |
Duração do teste | A quantidade de dias de duração da execução da atividade. |
A variável Avaliador de tráfego O usa essas métricas para determinar quais ajustes são necessários para executar um teste bem-sucedido.
Próximo à parte superior do Avaliador de tráfego, os valores inseridos são calculados e os resultados são mostrados.
A estimativa muda, à medida que você muda os números. Por exemplo, se você estiver testando muitas combinações e sua taxa de conversão e impressões estiverem muito baixas, a variável Avaliador de tráfego mostra por quanto tempo o teste deve ser executado para ter sucesso. Ou, se o tráfego estiver baixo, a variável Avaliador de tráfego O pode sugerir um número menor de combinações de ofertas para que você possa executar o teste pelo número desejado de dias.
Se você não tiver tráfego suficiente, considere o seguinte:
Ajuste os números até a variável Avaliador de tráfego indica que você tem tráfego suficiente e, em seguida, projete seu teste adequadamente.
Se o tráfego for suficiente, a variável Tráfego O ícone mostra uma marca de seleção verde. Se não for suficiente, o ícone mostrará um rótulo de aviso vermelho.
Considere as seguintes perguntas frequentes ao trabalhar com a Avaliador de tráfego:
Em determinadas circunstâncias, seu tráfego é grande o suficiente para um modelo personalizado ser criado, mas esse tráfego pode informar Target que não há diferença significativa entre o modelo personalizado e o aleatório. Embora o modelo seja incorporado no Target e testado, ele não é implantado porque o modelo não é melhor que o aleatório.
Uma possível razão para o modelo não ser melhor do que aleatório pode ser que as ofertas não são suficientemente diferentes umas das outras. Em caso positivo, você pode tentar tornar as ofertas visualmente diferentes se a mensagem for semelhante, ou pode tentar alterar a própria mensagem.