Premium

Automated Personalization (AP)

Automated Personalization (AP) atividades no Adobe Target combine ofertas ou mensagens e use o aprendizado de máquina avançado para corresponder diferentes variações de oferta a cada visitante com base em seu perfil de cliente individual para personalizar o conteúdo e impulsionar o incentivo.

OBSERVAÇÃO

A Personalização automatizada está disponível como parte da solução Target Premium. Este recurso não está disponível no Target Standard sem uma licença do Target Premium. Para obter mais informações sobre os recursos avançados fornecidos por esta licença, consulte Target Premium.

Semelhante a Direcionamento automático, Automated Personalization usa um Algoritmo Random Forest, um dos principais métodos de conjunto de ciência de dados, como seu principal algoritmo de personalização para determinar a melhor experiência para mostrar a um visitante. A Personalização automatizada pode ser valiosa na fase de descoberta do teste. Também é útil permitir que a aprendizagem de máquina determine o conteúdo mais eficiente ao direcionar vários visitantes. Ao longo do tempo, o algoritmo aprende a prever o conteúdo mais eficaz e exibe o conteúdo com maior probabilidade de atingir suas metas.

Para obter mais informações sobre como Automated Personalization difere de Direcionamento automático, consulte Direcionamento automático.

Os profissionais de marketing implementam um arquivo em seu site, o que permite apontar e clicar em qualquer conteúdo, bem como criar visualmente e selecionar opções de conteúdo adicionais para essa área usando o Visual Experience Composer (VEC). Em seguida, o algoritmo determina automaticamente qual parte do conteúdo será entregue a cada visitante com base em todos os dados comportamentais que o sistema tem sobre esse visitante, proporcionando uma experiência personalizada. Como a Personalização automatizada pode adaptar-se a mudanças no comportamento do visitante, é possível executá-la sem uma data final definida para fornecer aumento e personalização contínuos. Às vezes, esse modo é chamado de "sempre ativo". O profissional de marketing não precisa executar um teste, analisar os resultados e encontrar um vencedor antes de perceber a comparação encontrada na otimização, ou seja, uma ordem padrão de operações para implementar o resultado de uma atividade A/B padrão.

Os termos a seguir são úteis ao discutir a Personalização automatizada:

Termo Definição
Multi-armed bandit Uma abordagem multi-armed bandit à otimização equilibra o aprendizado exploratório e o aproveitamento desse aprendizado.
Floresta Aleatória Uma abordagem líder em aprendizado de máquina. Em termos de ciência de dados, é um método de classificação ou regressão de conjunto que funciona construindo muitas árvores de decisão com base nos atributos do visitante e da visita.
Amostragem de Thompson O objetivo do Thompson Sampling é determinar qual experiência é a melhor em geral (não personalizada), minimizando o "custo" de encontrar essa experiência. A amostragem de Thompson sempre escolhe um vencedor, mesmo que não haja diferença estatística entre duas experiências. Para obter mais informações, consulte Amostragem de Thompson.

Considere os detalhes a seguir ao usar a Personalização automatizada:

A Personalização automatizada usa o algoritmo Random Forest para personalizar

Random Forest é uma abordagem líder de aprendizado de máquina. Em termos de ciência de dados, é um método de classificação ou regressão de conjunto que funciona construindo muitas árvores de decisão com base nos atributos do visitante e da visita. Dentro de Target, Random Forest é usado para determinar qual experiência deve ter a maior probabilidade de conversão (ou a maior receita por visita) para cada visitante específico. Por exemplo, os visitantes que usam o Chrome, são membros de fidelidade Ouro e acessam o site às terças-feiras podem ter maior probabilidade de conversão com a Experiência A. Os visitantes de Nova York podem ter maior probabilidade de conversão com a Experiência B. Para obter mais informações sobre o Random Forest no Target, consulte Algoritmo Random Forest.

O modelo de personalização é otimizado para cada visita

  • O algoritmo prevê a probabilidade de conversão de um visitante (ou a receita estimada da conversão) para fornecer a melhor experiência.
  • Um visitante está qualificado para uma nova experiência no final de uma sessão existente, a menos que o visitante esteja no grupo de controle. Se o visitante estiver no grupo de controle, a experiência que o visitante vê na primeira visita é a mesma experiência vista em visitas subsequentes.
  • A experiência apresentada não é alterada em uma sessão para manter a consistência visual.

O modelo de personalização se adapta às mudanças de comportamento do visitante

  • O multi-arm bandit garante que o modelo está sempre "gastando" uma pequena fração do tráfego para continuar aprendendo ao longo da vida da atividade e evitar a exploração excessiva de tendências previamente aprendidas.
  • Os modelos subjacentes são recriados a cada 24 horas usando os dados de comportamento do visitante mais recentes para garantir que Target O está sempre usando a alteração das preferências do visitante.
  • Se o algoritmo não puder determinar as experiências vencedoras para visitantes individuais, ele alternará automaticamente para mostrar a experiência com melhor desempenho geral e continuará a procurar vencedores personalizados. A experiência com melhor desempenho é encontrada usando a Amostragem de Thompson.

O modelo otimiza continuamente uma única meta de métrica

  • Essa métrica pode ser baseada em conversão ou em receita (mais especificamente, Receita por visitante).

Target O coleta automaticamente informações sobre os visitantes para criar os modelos de personalização

Target usa automaticamente todos os Adobe Experience Cloud públicos compartilhados para criar os modelos de personalização

  • Não é necessário fazer nada específico para adicionar públicos-alvo ao modelo. Para obter informações sobre como usar o Experience Cloud Audiences com Target, consulte Públicos-alvo da Experience Cloud.

Os profissionais de marketing podem fazer upload de dados offline, pontuações de propensão ou outros dados personalizados para criar modelos de personalização

Dados offline, como informações de CRM ou pontuações de propensão de churn do cliente, podem ser incrivelmente valiosos ao criar modelos de personalização. Há várias maneiras de inserir dados em algoritmos de Personalização automatizada (AP) e Direcionamento automático.

Para obter informações sobre os dados coletados e usados automaticamente pelos algoritmos de Personalização automatizada e Direcionamento automático, consulte Coleta de dados de personalização automatizada.

Vídeo de treinamento: tipos de atividade

Este vídeo explica os tipos de atividades disponíveis no Target. A personalização automatizada é discutida a partir de 5:55.

  • Descreva os tipos de atividades incluídas em Adobe Target
  • Selecione o tipo de atividade apropriado para atingir suas metas
  • Descreva o fluxo de trabalho guiado em três etapas que se aplica a todos os tipos de atividade

Nesta página