Premium

Automated Personalization (AP)

Última actualización: 2023-09-21

Automated Personalization Actividades de (AP) en Adobe Target combina ofertas o mensajes, y utiliza aprendizaje automático avanzado para asignar diferentes variaciones de ofertas a cada visitante en función de su perfil de cliente para personalizar el contenido y dirigir las conversiones.

NOTA

La personalización automatizada está disponible como parte de la solución Target Premium. Esta característica no está disponible en Target Standard sin una licencia de Target Premium. Para obtener más información sobre las funciones avanzadas que proporciona esta licencia, consulte Target Premium.

De forma similar a Segmentación automática, Automated Personalization utiliza un Algoritmo de bosque aleatorio, un método puntero de ensamblado de la ciencia de datos, como su principal algoritmo de personalización para determinar la mejor experiencia para mostrar a un visitante. La Personalización automatizada resulta útil en la fase de detección de las pruebas. También es útil para permitir que el aprendizaje de la máquina pueda determinar el contenido más eficaz al segmentar varios visitantes. Con el tiempo, el algoritmo aprende a predecir el contenido más eficaz y muestra el que más probabilidades tiene de ayudarle a lograr sus objetivos.

Para obtener más información acerca de cómo Automated Personalization difiere de Segmentación automática, consulte Segmentación automática.

Los especialistas en marketing implementan un archivo en su sitio, que les permite apuntar y hacer clic en cualquier contenido y, a continuación, crear y seleccionar opciones de contenido adicionales para esa área utilizando Compositor de experiencias visuales (VEC). A continuación, el algoritmo determina automáticamente qué parte del contenido se ofrece a cada visitante en función de todos los datos de comportamiento que tiene el sistema del visitante, proporcionando una experiencia personalizada. Como la Personalización automatizada puede adaptarse a los cambios en el comportamiento del visitante, se puede ejecutar sin una fecha de fin determinada para proporcionar un alta y una personalización continuas. Este modo a veces se denomina "siempre-activo". El experto en marketing no necesita ejecutar una prueba, analizar los resultados y proporcionar un ganador antes de conocer el alza encontrada en la optimización, es decir, un pedido estándar de operaciones para implementar el resultado de una actividad A/B estándar.

Los términos siguientes le resultarán útiles cuando hable sobre la Personalización automatizada:

Término Definición
Multi-armed bandit Un método multi-armed bandit en la optimización equilibra el aprendizaje de exploración y la explotación de dicho aprendizaje.
Bosque aleatorio Un enfoque líder de aprendizaje automático. En términos de ciencia de datos, se trata de un método de clasificación o regresión por conjuntos que funciona mediante la construcción de muchos árboles de decisión basados en los atributos del visitante y la visita.
Muestreo Thompson El objetivo del muestreo Thompson es determinar qué experiencia es la mejor globalmente (sin personalizar), al mismo tiempo que se minimiza el "coste" de encontrar esa experiencia. El muestreo Thompson siempre selecciona un ganador, aunque no haya diferencias estadísticas entre las dos experiencias. Para obtener más información, consulte Muestreo Thompson.

Al utilizar la Personalización automatizada, plantéese lo siguiente:

La Personalización automatizada utiliza un algoritmo de bosque aleatorio para la personalización

El bosque aleatorio es un enfoque de aprendizaje automático líder. En términos de ciencia de datos, se trata de un método de clasificación o regresión por conjuntos que funciona mediante la construcción de muchos árboles de decisión basados en los atributos del visitante y la visita. En Target, el bosque aleatorio se utiliza para determinar qué experiencia se espera que tenga la mayor probabilidad de conversión (o los mayores ingresos por visita) para cada visitante específico. Por ejemplo, es probable que los visitantes que utilizan Chrome, son miembros de fidelidad de oro y acceden a su sitio los martes conviertan con la Experiencia A. Es más probable que los visitantes de Nueva York conviertan con la Experiencia B. Para obtener más información sobre el bosque aleatorio en Target, consulte Algoritmo de bosque aleatorio.

El modelo de personalización se optimiza en cada visita

  • El algoritmo predice la probabilidad de conversión de un visitante (o los ingresos estimados por conversión) para ofrecer la mejor experiencia.
  • Un visitante es elegible para una nueva experiencia al final de una sesión existente, a menos que ese visitante esté en el grupo de control. Si el visitante está en el grupo de control, la experiencia que ve en la primera visita es la misma que en las visitas posteriores.
  • La experiencia presentada no cambia dentro de una sesión para mantener la coherencia visual.

El modelo de personalización se adapta a los cambios de comportamiento de los visitantes

  • El método multi-armed bandit garantiza que el modelo siempre "gasta" una pequeña fracción del tráfico para continuar aprendiendo a lo largo de la vida de la actividad y evitar la sobreexplotación de las tendencias aprendidas anteriormente.
  • Los modelos subyacentes se reconstruyen cada 24 horas utilizando los datos de comportamiento del visitante más recientes para garantizar que Target siempre utiliza el cambio de las preferencias de visitante.
  • Si el algoritmo no es capaz de determinar experiencias ganadoras para visitantes individuales, pasa automáticamente a mostrar la experiencia con mejor rendimiento general, sin dejar por ello de buscar ganadores personalizados. La experiencia con mejor rendimiento se determina empleando el Muestreo Thompson.

El modelo se optimiza continuamente para lograr una única métrica de objetivos

  • Esta métrica puede estar basada en conversiones o en resultados (o, mejor dicho, en los Resultados por visitante).

Target recopila automáticamente información sobre los visitantes para crear los modelos de personalización

Target utiliza automáticamente todasAdobe Experience Cloud las audiencias compartidas por para crear los modelos de personalización

  • No es necesario que haga nada para agregar audiencias al modelo. Para obtener información sobre el uso de Experience Cloud Audiences con Target, consulte Audiencias de Experience Cloud.

Los expertos en marketing pueden cargar datos sin conexión, puntuaciones de inclinación u otros datos personalizados para crear modelos de personalización

Los datos sin conexión, como información de CRM o puntuaciones de inclinación de cancelación por parte del cliente, pueden ser muy valiosos al crear modelos de personalización. Hay muchas maneras de introducir datos en los algoritmos de personalización de Personalización automatizada (AP) y de Segmentación automática.

Para obtener información sobre los datos que los algoritmos de Personalización automatizada y de Segmentación automática recopilan y utilizan automáticamente, consulte Recopilación de datos de personalización automatizada.

Vídeo de formación: Tipos de actividades

En este vídeo se describen los tipos de actividades disponibles en Target. La personalización automatizada se describe a partir del minuto 5:55.

  • Describe los tipos de actividades incluidas en Adobe Target
  • Seleccionar el tipo de actividad adecuado para lograr los objetivos
  • Describir el flujo de trabajo guiado de tres pasos que sirve para todos los tipos de actividad

En esta página