Target aktivitetstyper
Ladda ned ett interaktivt PDF som beskriver de olika aktivitetstyperna i Adobe Target.
Vad gör den? section_4ECAACC68723402EB3649033190E1BBC
Manuell A/B Test
Jämför två eller flera upplevelser för att se vilken upplevelse som förbättrar konverteringarna bäst under en förspecificerad testperiod.
Mer information finns i A/B-test.
Auto-Allocate
Identifierar en vinnare bland två eller fler upplevelser och dirigerar sedan om trafiken till den vinnande upplevelsen, vilket ökar konverteringsgraden när testet körs och lär sig.
Mer information finns i Automatisk allokering.
Auto-Target
Använder avancerad maskininlärning för att personalisera innehåll och driva konverteringar genom att identifiera flera högpresterande, marknadsföringsdefinierade upplevelser och sedan leverera den mest skräddarsydda upplevelsen till besökare baserat på deras individuella kundprofiler och tidigare beteenden hos liknande besökare.
Mer information finns i Automatisk anpassning för personaliserade upplevelser.
Automated Personalization (AP)
Använder avancerad maskininlärning för att personalisera innehåll och driva konverteringar genom att kombinera specifika erbjudanden eller meddelanden och sedan matcha olika erbjudandevariationer för besökarna utifrån deras individuella kundprofiler.
Mer information finns i Automated Personalization.
Multivariate Test (MVT)
Jämför kombinationer av erbjudanden mellan element på en sida för att se vilken kombination av erbjudanden som fungerar bäst för en viss målgrupp. Identifierar även vilket element på sidan som bäst förbättrar konverteringarna under en fördefinierad testperiod.
Mer information finns i Multivariata tester.
Experience Targeting (XT)
Levererar innehåll till en viss målgrupp baserat på en uppsättning marknadsföringsdefinierade regler och kriterier.
Mer information finns i Experience Targeting.
Varför använder du den här typen av aktivitet? section_46A70DD7CE3448749E635DDF5EAFC131
Vilken typ av marknadsförare ska använda för aktiviteten? section_A843D663D3E543FFB1A594266B560395
Är känd i statistik.
Har tid att vänta tills testperiodens slut för att analysera resultaten.
Har en kort tidsram.
Måste identifiera den bästa upplevelsen och leverera snabbt.
Vill kunna"söka" i resultaten när testet körs.
Har flera valbara upplevelser.
vill matcha upplevelser med specifika besökare vid rätt tidpunkt baserat på deras dynamiska och föränderliga profiler.
Har ett eller flera erbjudanden.
vill skapa kombinationer av erbjudanden som ger optimala personaliserade upplevelser för specifika besökare i olika unika profiler och beteenden.
Är känd i statistik.
Har ett eller flera erbjudanden.
Vill analysera konverteringstrender som relaterar till interaktioner för sidelement.
Statistisk information section_22CF2D07DB054505AB5EC702B99A5BB0
Fördelar och överväganden section_56C46ABEF7B945DDA0C1E6D714377123
I en A/B TestOm du tittar på testresultaten innan provstorleken har nåtts riskerar du att förlita dig på felaktiga resultat (du kan inte "tjuvkika" tidigare!).
Ogilla Auto-Allocatei ett A/B-test förblir trafikdistributionen fast även efter det att du upptäcker att vissa upplevelser är bättre än andra.
Mer information om de effektivaste strategierna för A/B Test aktiviteter, se Hur länge ska du köra ett A/B-test? och Tio vanliga A/B-testfall och hur man undviker dem.
Auto-Allocate identifierar vinnaren men skiljer sig inte åt mellan förlorarna. Om du måste veta hur varje upplevelse fungerar är A/B-testning att föredra.
The Auto-Allocate fungerar bara med en avancerad måttinställning, som är "Öka antal och behåll användare i aktivitet". Om du inte vill räkna antalet upprepade konverteringar bör du använda A/B-testning i stället.
När ni kombinerar flera olika erbjudanden sker en explosion i kombination, vilket leder till ett behov av en betydande mängd trafik. The Automated Personalization Algoritmen står för många faktorer och kräver därför mest trafik.
Automated Personalization kan inte använda rapporter i Analyser för Target (A4T).
A Multivariate Test är tidskrävande, och på grund av de många olika variabler som finns på marknaden är det inte säkert att de ger en vinnande upplevelse.
Det är ofta en utmaning att nå den mängd trafik som krävs för att slutföra testet. För alla Multivariate Test Experiment är helt fakulella, för många olika element kan snabbt sammanfoga till många olika kombinationer som måste testas.
Även en webbplats med ganska hög trafik kan ha problem med att slutföra ett test med mer än 25 kombinationer på en rimlig tid.
Med Experience Targetingkan ni snabbt agera utifrån insikter från alla aktivitetsresultat.
Om du till exempel körde ett A/B-test där utmanaren inte utförde kontrollen men resultatet visar att ett visst segment av besökare konverterades fyra gånger mer med utmanaren än de gjorde med kontrollen, kan du använda Experience Targeting för att dirigera utmanarupplevelsen till just det segmentet.