Automated Personalization actividades (AP) en Adobe Target combinar ofertas o mensajes, y utiliza aprendizaje automático avanzado para asignar diferentes variaciones de ofertas a cada visitante en función de su perfil de cliente, con el fin de personalizar el contenido y dirigir las conversiones.
La personalización automatizada está disponible como parte de la solución Target Premium. No se incluye con Target Standard sin una Target Premiumlicencia. Si dispone de una Target Premiumlicencia, la tarjeta Target Premium sustituye la Target Standardtarjeta en Adobe Experience Cloud.
Al igual que la segmentación automática, la Personalización automatizada utiliza un algoritmo de bosque aleatorio, un método puntero de ensamblado de la ciencia de datos, como su principal algoritmo de personalización a fin de 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 sobre 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 dicha área utilizando el VEC (Compositor de experiencias visuales). 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. A veces, este modo 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 | El bosque aleatorio es una solución pionera de aprendizaje automático. En el ámbito de la ciencia de datos, es un método de clasificación o regresión del ensamblado que funciona construyendo un gran número de árboles de decisión basados en los atributos del visitante y de la visita. En Target, el bosque aleatorio se utiliza para determinar qué experiencia se prevé que tendrá la mayor probabilidad de conversión (o los mayores ingresos por visita) para cada visitante específico. Para obtener más información sobre el bosque aleatorio, consulte Algoritmo de bosque aleatorio. |
Muestreo Thompson | El objetivo del muestreo Thompson es determinar qué experiencia es la mejor globalmente (no personalizada), 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 una solución pionera de aprendizaje automático. En el ámbito de la ciencia de datos, es un método de clasificación o regresión del ensamblado que funciona construyendo un gran número de árboles de decisión basados en los atributos del visitante y de la visita. En Target, el bosque aleatorio se utiliza para determinar qué experiencia se prevé que tendrá 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, mientras que 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 modelo de personalización se adapta a los cambios de comportamiento de los visitantes.
El modelo se optimiza continuamente para lograr una única métrica de objetivos.
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.
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.
En este vídeo se describen los tipos de actividades disponibles en Target Standard/Premium. La personalización automatizada se describe a partir del minuto 5:55.