Questions fréquentes au sujet d’Automated Personalization.
Vous pouvez sélectionner une expérience à utiliser en tant que contrôle lors de la création d’une Automated Personalization (Personnalisation automatisée) ou d’une activité de ciblage automatique.
Cette fonctionnalité vous permet d’acheminer tout le trafic de contrôle vers une expérience spécifique, en fonction du pourcentage d’allocation de trafic configuré dans l’activité. Vous pouvez ensuite évaluer les rapports de performances du trafic personnalisé par rapport au trafic de contrôle vers cette expérience.
Pour plus d’informations, voir Utilisation d’une expérience spécifique comme contrôle.
Aucune solution clé en main ne permet de comparer Automated Personalization à une expérience par défaut. Si, toutefois, il existe une offre ou une expérience par défaut dans le cadre d’une activité globale, vous pouvez, pour en comprendre les performances de base, cliquer sur le segment de contrôle dans les rapports et rechercher cette offre particulière dans le rapport généré au niveau de l’offre. Vous pouvez comparer le taux de conversion enregistré pour cette offre au taux de conversion du segment « Forêt aléatoire » entier. Il est ainsi plus facile de comparer les performances de la machine par rapport à l’offre par défaut.
Si vous essayez de personnaliser une page à faible trafic, ou souhaitez apporter des modifications structurelles à l’expérience que vous personnalisez, envisagez d’utiliser le ciblage automatique plutôt qu’Automated Personalization. Voir Ciblage automatique.
Envisagez d’exécuter une activité de test A/B entre les offres et les lieux que vous prévoyez d’utiliser dans votre activité Automated Personalization, afin d’assurer que les lieux et les offres ont une incidence sur l’objectif d’optimisation. Si une activité de test A/B échoue ne met pas en évidence de différence significative, il est probable qu’Automated Personalization échouera également à générer l’effet élévateur.
Assurez-vous d’utiliser l’estimateur de trafic de manière à estimer le temps nécessaire à la compilation des modèles de personnalisation dans votre activité Automated Personalization.
Décidez l’affectation ente le contrôle et le ciblage avant de débuter l’activité d’après vos objectifs.
Vous devez tenir compte de trois scénarios en fonction de l’objectif de votre activité et du type de contrôle sélectionné :
Les règles de ciblage doivent être appliquées avec autant de parcimonie que possible, car elles peuvent interférer avec la capacité d’optimisation du modèle.
Les groupes de génération de rapports peuvent limiter le succès de votre activité Automated Personalization. Ils doivent donc toujours être utilisés dans des conditions spécifiques.
Consultez les questions fréquentes et réponses suivantes lorsque vous utilisez Automated Personalization activités :
Target se limite à 30 000 expériences, mais fonctionne à son meilleur niveau lorsque moins de 10 000 expériences sont créées.
À l’arrivée de chaque visiteur, l’ensemble des offres possibles que le visiteur peut voir est déterminé par les règles de ciblage au niveau de l’offre. Puis, l’algorithme sélectionne l’offre dont le modèle prédit qu’elle engendrera le meilleur chiffre d’affaires ou la meilleure chance de conversion parmi les offres existantes. Il est à noter que le ciblage d’offre influe sur l’efficacité des algorithmes d’apprentissage automatique de Target et que, par conséquent, il doit être utilisé avec autant de parcimonie que possible.
Quatre facteurs sont requis pour qu’une activité AP génère un effet élévateur :
Le meilleur plan d’action consiste à s’assurer en premier lieu que le contenu et les lieux qui composent les expériences de l’activité créent une réelle différence dans les taux de réponse globaux par le biais d’un simple test A/B non personnalisé. Assurez-vous de calculer les tailles d’échantillon à l’avance, de manière à garantir que la puissance est suffisante pour détecter un effet élévateur raisonnable et d’exécuter le test A/B pendant une durée déterminée sans l’arrêter ni y apporter de modifications. Si le résultat d’un test A/B révèle un effet élévateur statistiquement significatif pour une ou plusieurs expériences, il est probable qu’une activité personnalisée fonctionnera. Bien sûr, la personnalisation peut fonctionner même s’il n’y a aucune différence en termes de taux de réponse global entre les expériences. En règle générale, les problèmes proviennent de ce que les offres ou les lieux n’ont ne pas un impact suffisant sur l’objectif d’optimisation pour être détectés de façon statistiquement pertinente.
Pour plus d’informations, Résolution des problèmes liés à Automated Personalization.
La personnalisation automatisée dirige les visiteurs vers l’expérience dont la mesure de réussite est la plus élevée en fonction des modèles les plus récents de Random Forest construits pour chaque modèle. Cette prévision est fondée sur les informations spécifiques à chaque visiteur et sur le contexte de visite.
Supposons par exemple qu’une activité AP comporte deux emplacements comprenant eux-mêmes deux offres chacun. Sur le premier emplacement, l’offre A présente un taux de conversion prévu de 3 % pour un visiteur spécifique, tandis que l’offre B présente un taux de conversion prévu de 1 %. Sur le second emplacement, l’offre C présente un taux de conversion prévu de 2 % pour le même visiteur, tandis que l’offre D présente un taux de conversion prévu de 5 %. Dans ce cas, Automated Personalization délivre à ce visiteur une expérience comportant l’offre A et l’offre D.
Automated Personalization peut être utilisé comme une personnalisation « toujours active » qui s’optimise en permanence. Dans le cas des contenus sans cesse renouvelés, notamment, il n’y a aucune nécessité d’arrêter votre activité Automated Personalization. Si vous souhaitez apporter des modifications substantielles au contenu qui ne sont pas semblables aux offres actuellement présentes dans votre activité Automated Personalization, la meilleure pratique consiste à démarrer une nouvelle activité, afin que les autres utilisateurs qui visualisent les rapports n’en confondent pas les résultats, ou ne les relient pas à d’anciens résultats portant sur des contenus différents.
Le délai nécessaire aux modèles pour construire votre activité dépend généralement du trafic présent sur les lieux de l’activité sélectionnée, ainsi que de la mesure de succès de votre activité. Utilisez l’estimateur de trafic pour déterminer le temps nécessaire à la compilation des modèles dans votre activité.
Non, il doit exister au moins deux modèles créés au sein de votre activité pour que la personnalisation puisse débuter.
Vous pouvez commencer à consulter les résultats de votre activité Automated Personalization dès qu’au moins deux expériences ont été compilées à partir des modèles (indiquées par une coche verte) pour l’expérience dont les modèles sont construits.
Passez en revue la configuration de votre activité et déterminez si des modifications sont souhaitables pour accélérer la compilation des modèles.
Les activités Automated Personalization sont évaluées une seule fois par session. Si des sessions actives ont été qualifiées pour une expérience particulière et que de nouvelles offres y sont maintenant incorporées, les utilisateurs verront le nouveau contenu en même temps que les offres précédemment affichées. Du fait que leur qualification pour ces expériences est déjà validée, ils continueront de les voir pendant toute la durée de la session. S’il est souhaitable de procéder à cette évaluation pour chaque visite de page unique, vous devez sélectionner le type d’activité XT (ciblage d’expérience).
Il est déconseillé de modifier la mesure d’objectif au cours d’une activité. Bien qu’il soit possible de modifier la mesure d’objectif au cours d’une activité à l’aide de l’interface utilisateur de Target, vous devez toujours démarrer une nouvelle activité. Nous ne garantissons pas les résultats obtenus si vous modifiez la mesure d’objectif dans une activité après son exécution.
Cette recommandation s’applique aux activités d’affectation automatique, de ciblage automatique et d’Automated Personalization qui utilisent Target ou Analytics (A4T) comme source de création de rapports.
En utilisant la variable Réinitialisation des données du rapport option pour Automated Personalization Les activités ne sont pas suggérées. Bien qu’elle supprime les données de création de rapports visibles, cette option ne supprime pas tous les enregistrements d’entraînement de l’événement Automated Personalization modèle. Au lieu d’utiliser la variable Réinitialisation des données du rapport option pour Automated Personalization , créez une activité et désactivez l’activité d’origine. (Remarque : Ce guide s’applique également à Affectation automatique et Ciblage automatique activités.)
Un modèle est conçu pour identifier les performances de la stratégie personnalisée par rapport au trafic traité de manière aléatoire plutôt que d’envoyer tout le trafic à l’expérience gagnante globale. Ce modèle ne prend en compte que les accès et les conversions dans l’environnement par défaut.
Le trafic provenant d’un deuxième ensemble de modèles est créé pour chaque groupe de modélisation (AP) ou expérience (AT). Pour chacun de ces modèles, les accès et les conversions sont pris en compte dans tous les environnements.
Les requêtes sont donc servies avec le même modèle, quel que soit l’environnement, mais la pluralité du trafic doit provenir de l’environnement par défaut pour s’assurer que l’expérience gagnante globale identifiée est cohérente avec le comportement du monde réel.