Automated Personalization (AP) Adobe Target 合并选件或消息,并使用先进的机器学习技术根据每位访客的个人客户配置文件将不同的选件变体与其匹配,以便个性化内容并促进提升。
自动个性化作为 Target Premium 解决方案的一部分提供。在没有 Target Premium 许可证的情况下,不会包含在 Target Standard 中。如果您有 Target Premium 许可证,在 Adobe Experience Cloud 中,Target Premium 信息卡会替换 Target Standard 信息卡。
与自动定位类似,自动个性化也使用随机林算法(一种领先的数据科学组合方法)作为其主要个性化算法,来确定向访客显示的最佳体验。自动个性化在测试的探索阶段可能很有意义。当定位各种不同的访客时,它也有助于机器学习确定最有效的内容。随着时间的推移,该算法会学习预测最有效的内容并显示最有可能实现您的目标的内容。
查找有关如何 Automated Personalization 不同 自动定位,请参阅 自动定位.
营销人员可在他们的网站上实施一个文件,使他们能够指向并单击任何内容,然后使用 VEC(可视化体验编辑器)为该区域直观地创建和选择其他内容选项。之后,该算法会根据系统提供的有关每一位访客的所有行为数据自动确定向该访客提供的内容块,从而提供个性化体验。由于自动个性化可以根据访客行为的变化进行相应调整,因此它可以在没有设定结束日期的情况下运行,以提供持续的提升和个性化。这有时被称为“始终运行”模式。营销人员不需要先运行测试、分析结果、交付入选者,然后再实现从优化中发现的提升,这是实施标准 A/B 活动结果的标准操作顺序。
讨论自动个性化时,以下术语将会很有用:
术语 | 定义 |
---|---|
多臂老虎机 | 多臂老虎机优化方法可在探索式学习和对该学习的利用之间进行平衡。 |
随机森林 | 随机林是一种领先的机器学习方法。从数据科学领域来讲,它是一种基于访客和访问属性构建大量决策树的组合分类或回归方法。在 Target 中,随机林用来确定对于每个特定访客而言,哪个体验的转化可能性最高(或每次访问带来的收入最高)。有关 Target 中随机林的更多信息,请参阅随机林算法。 |
汤普森采样 | 汤普森采样的目的是确定整体来看哪个体验最好(非个性化),同时最大限度地减少找到该体验的“成本”。即便两种体检之间没有统计意义上的差异,汤普森采样算法还是会选出一个入选者。有关更多信息,请参阅汤普森采样。 |
使用自动个性化时请考虑以下详细信息:
自动个性化使用随机林算法进行个性化。
随机林是一种领先的机器学习方法。从数据科学领域来讲,它是一种基于访客和访问属性构建大量决策树的组合分类或回归方法。在 Target 中,随机林用来确定对于每个特定访客而言,哪个体验的转化可能性最高(或每次访问带来的收入最高)。例如,使用 Chrome 的访客是金牌忠实成员,且周二访问您的网站更有可能使用体验 A 进行转化,而来自纽约的访客则更有可能使用体验 B 进行转化。有关 Target 中随机林的更多信息,请参阅随机林算法。
个性化模型会针对每次访问进行优化。
个性化模型会根据访客行为的变化进行相应调整。
模型会不断优化单个目标量度。
Target 会自动收集关于访客的信息来构建个性化模型。
Adobe Experience CloudTarget 会自动使用所有 共享受众来构建个性化模型。
营销人员可以上传离线数据、倾向得分或其他自定义数据来构建个性化模型。
在构建个性化模型时,离线数据(例如 CRM 信息或客户流失倾向评分)可能会有极大的价值。可通过多种方式在自动个性化 (AP) 和自动定位个性化算法中输入数据。
有关自动个性化和自动定位个性化算法自动收集和使用的数据的信息,请参阅自动个性化数据收集。
以下视频介绍了 Target Standard/Premium 中可用的活动类型。对自动个性化的讨论开始于 5:55。