Premium
Erfahren Sie, was in Target Premium enthalten ist.

Automated Personalization (AP)

Automated Personalization AP-Aktivitäten in Adobe Target Angebote oder Nachrichten kombinieren und mithilfe des erweiterten maschinellen Lernens verschiedene Angebotsvarianten den einzelnen Besuchern basierend auf ihrem individuellen Kundenprofil zuordnen, um Inhalte zu personalisieren und die Steigerung zu fördern.

NOTE
Die Funktion Automatisierte Personalisierung steht als Bestandteil der Target Premium-Lösung zur Verfügung. Diese Funktion ist in Target Standard nicht ohne eine Target Premium-Lizenz verfügbar. Weitere Informationen zu den erweiterten Funktionen dieser Lizenz finden Sie unter Target Premium.

Ähnlich wie Automatisches Targeting, Automated Personalization verwendet eine Random Forest-Algorithmus, eine führende Methode in der Datenwissenschaft, als wichtigsten Personalisierungsalgorithmus zur Bestimmung des besten Erlebnisses, das einem Besucher angezeigt werden soll. Automatisierte Personalisierung kann während der Entdeckungsphase des Testens sehr hilfreich sein. Es ist zudem nützlich, maschinelles Lernen zu ermöglichen, um den effektivsten Inhalt zu bestimmen, wenn man unterschiedliche Besucher anspricht. Im Lauf der Zeit lernt der Algorithmus, die effektivsten Inhalte vorherzusagen, und zeigt die Inhalte an, die am wahrscheinlichsten zum Erreichen Ihrer Ziele beitragen.

Weitere Informationen zum Automated Personalization unterscheidet sich von Automatisches Targeting, siehe Automatisches Targeting.

Marketingexperten implementieren eine Datei auf ihrer Website, mit der sie auf einen beliebigen Inhalt zeigen und klicken und dann mithilfe der Visual Experience Composer (VEC). Dann bestimmt der Algorithmus auf Basis aller Verhaltensdaten, die das System über diesen Besucher hat, automatisch, welche Inhalte jedem einzelnen Besucher gezeigt werden sollen, und liefert so eine personalisierte Erfahrung. Da sich die automatisierte Personalisierung an Veränderungen beim Besucherverhalten anpasst, kann sie ohne ein festgelegtes Enddatum ausgeführt werden und ermöglicht dennoch eine kontinuierliche Weiterentwicklung der Personalisierung. Dieser Modus wird manchmal als "Always-on"bezeichnet. Der Marketer muss keine Tests durchführen, keine Ergebnisse analysieren und keinen sich daraus ergebenen Gewinner ermitteln, bevor er erkennen kann, welche Steigerung sich aus der Optimierung ergibt. Das übernimmt eine festgelegte Reihenfolge von Operationen, die dann das Ergebnis einer standardmäßigen A/B-Aktivität implementiert.

Die folgenden Begriffe und Definitionen sind hilfreich, wenn es um die automatisierte Personalisierung geht:

Begriff
Definition
Multi-Armed Bandit
Die Methode „Multi-Armed Bandit“ stellt ein Gleichgewicht zwischen forschendem Lernen (Exploration) und der Verwertung der Lernergebnisse (Exploitation) her.
Random Forest
Ein führender Ansatz für maschinelles Lernen. In datenwissenschaftlichen Begriffen ist es eine Ensemble-Classification- oder Regressionsmethode, die durch die Erstellung vieler Entscheidungsbäume auf der Grundlage von Besuchsattributen und Besuchsattributen funktioniert.
Thompson Sampling
Ziel des Thompson-Samplings ist es, zu ermitteln, welches Erlebnis insgesamt das beste (nicht personalisierte) Erlebnis ist, und gleichzeitig die "Kosten"für die Suche nach diesem Erlebnis zu minimieren. Das Thompson Sampling wählt immer einen Gewinner aus, auch wenn es keinen statistischen Unterschied zwischen zwei Erlebnissen gibt. Weitere Informationen finden Sie unter Thompson Sampling.

Folgendes sollte beim Einsatz der automatisierten Personalisierung beachtet werden:

Die automatisierte Personalisierung verwendet einen Random Forest-Algorithmus

Random Forest ist ein führender Ansatz des maschinellen Lernens. In datenwissenschaftlichen Begriffen ist es eine Ensemble-Classification- oder Regressionsmethode, die durch die Erstellung vieler Entscheidungsbäume auf der Grundlage von Besuchsattributen und Besuchsattributen funktioniert. Within Targetwird Random Forest verwendet, um zu bestimmen, welches Erlebnis für jeden einzelnen Besucher die höchste Konversionswahrscheinlichkeit (oder den höchsten Umsatz pro Besuch) aufweisen soll. Beispielsweise sind Besucher, die Chrome verwenden, Mitglieder der Treuestufe "Gold"und am Dienstag auf Ihre Site zugreifen, wahrscheinlicher, dass sie mit Erlebnis A konvertieren. Besucher aus New York konvertieren möglicherweise eher mit Erlebnis B. Weitere Informationen zu Random Forest finden Sie unter Target, siehe Random Forest-Algorithmus.

Das Personalisierungsmodell wird bei jedem Besuch verbessert

  • Der Algorithmus prognostiziert die Wahrscheinlichkeit einer Konversion (oder des geschätzten Umsatzes aus der Konversion) eines Besuchers, um das beste Erlebnis bereitzustellen.
  • Ein Besucher ist zum Ende einer bestehenden Sitzung für ein neues Erlebnis qualifiziert, es sei denn, dieser Besucher gehört zur Kontrollgruppe. Wenn sich der Besucher in der Kontrollgruppe befindet, ist das Erlebnis, das der Besucher beim ersten Besuch sieht, dasselbe wie bei nachfolgenden Besuchen.
  • Das angezeigte Erlebnis ändert sich innerhalb einer Sitzung nicht, um die visuelle Konsistenz zu gewährleisten.

Das Personalisierungsmodell passt sich an Änderungen beim Besucherverhalten an

  • Der "mehrarmige Bandit"stellt sicher, dass das Modell immer einen kleinen Teil des Traffics "ausgibt", um während des gesamten Lebenszyklus der Aktivität weiter zu lernen und eine Übernutzung zuvor erlernter Trends zu verhindern.
  • Die zugrunde liegenden Modelle werden alle 24 Stunden anhand der neuesten Daten zum Besucherverhalten neu erstellt, um sicherzustellen, dass Target verwendet immer wechselnde Besuchervoreinstellungen.
  • Wenn der Algorithmus keine Gewinnererlebnisse für einzelne Besucher bestimmen kann, wechselt er automatisch zur Anzeige des Erlebnisses mit der besten Gesamtleistung und sucht weiterhin nach personalisierten Gewinnern. Das Erlebnis mit der besten Leistung wird mithilfe des Thompson-Samplings ermittelt.

Das Modell optimiert kontinuierlich eine einzige Zielmetrik

  • Diese Metrik kann auf Konversionen oder Umsätzen (genauer gesagt: Umsatz pro Besucher) basieren.

Target sammelt automatisch Informationen über Besucher, um Personalisierungsmodelle zu erstellen

Target verwendet automatisch alleAdobe Experience Cloud von gemeinsam genutzten Zielgruppen, um diese Personalisierungsmodelle zu erstellen

  • Sie müssen nichts Spezifisches tun, um Zielgruppen zum Modell hinzuzufügen. Weitere Informationen zum Verwenden von Experience Cloud Audiences mit Target finden Sie unter Experience Cloud Audiences.

Marketer können für die Erstellung von Personalisierungsmodellen Offline-Daten, Propensity Scores oder andere benutzerdefinierte Daten hochladen

Offline-Daten wie CRM-Informationen oder Tendenzwerte bei Kunden-Abwanderungen können beim Erstellen von Personalisierungsmodellen von unschätzbarem Wert sein. Es gibt verschiedene Möglichkeiten für die Dateneingabe in die Algorithmen zur automatisierten Personalisierung (AP) und zum automatischen Targeting.

Informationen zu den Daten, die automatisch von den Personalisierungsalgorithmen der automatisierten Personalisierung und des automatischen Targetings gesammelt und verwendet werden, finden Sie unter Datenerfassung für die automatisierte Personalisierung.

Schulungsvideo: Aktivitätstypen

In diesem Video werden die in Target verfügbaren Aktivitätstypen erläutert. Automatisierte Personalisierung wird ab 5:55 besprochen.

  • Beschreibung der Aktivitätstypen in Adobe Target
  • Auswählen des für Ihre Ziele geeigneten Aktivitätstyps
  • Beschreibung des für alle Aktivitätstypen gültigen Arbeitsablaufs mit drei Schritten
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654