Agente de experimentación

AVAILABILITY
El agente de experimentación está disponible para todos los clientes que han adquirido la licencia de pago de Journey Optimizer Experimentation Accelerator y se integra perfectamente con Adobe Target o Adobe Journey Optimizer.
Más información en Journey Optimizer Experimentation Accelerator

Información general

Experimentation Agent es una herramienta con tecnología de IA que moderniza la forma de ejecutar y administrar experimentos digitales en sitios web, correos electrónicos, mensajes push y aplicaciones. Creado en la plataforma de IA de Adobe Experience Platform y en las herramientas de experimentación, Experimentation Agent le ayuda a ejecutar experimentos de forma más eficiente, a organizar los objetivos de la empresa y a generar perspectivas procesables, destacando lo que funcionó, lo que no y dónde experimentar a continuación.

Los siguientes permisos para utilizar completamente las funciones de Experimentation Agent.

  • Ver experimentos: este permiso le permite utilizar el agente de experimentación para ver información sobre el experimento directamente en el asistente de IA.

  • Administrar metadatos de experimento: este permiso le permite usar el agente de experimentación para crear nuevos experimentos directamente en el asistente de IA.

➡️ Obtenga más información en la documentación de Journey Optimizer Experimentation Accelerator

Como parte de la función de Experimentation Accelerator, el agente proporciona lo siguiente:

  • Rendimiento: una visión clara de lo que ocurrió en el experimento

  • Datos: una explicación de por qué se produjeron los resultados

  • Oportunidades: instrucciones sobre las siguientes acciones a realizar

Muestra para el agente de experimentación

Casos de uso

El agente de experimentación mejora cada fase del flujo de trabajo de experimentación analizando los resultados, interpretando el contenido y sugiriendo los pasos siguientes.

Sus capacidades se pueden agrupar en cinco funciones clave:

  • Resumen del experimento

    Proporcionar una visión general clara y no técnica de los resultados de los experimentos a las partes interesadas.

  • Análisis de contenido

    Examine los mensajes o los elementos creativos de los tratamientos para comprender por qué algunos superaron a otros.

  • Identificación de atributo

    Categorice los tratamientos según sus atributos clave, por ejemplo, temas, tonos y formatos, y conecte esos atributos a los resultados de conversión.

  • Generación de recomendación

    Sugerir nuevos tratamientos o ajustes para probar, en función de las perspectivas de experimentos anteriores.

  • Oportunidades

    Identifique áreas más amplias o nuevos ángulos para la experimentación con el fin de descubrir un potencial sin explotar.

Funciones dentro y fuera de ámbito

Ámbito de aplicación

Actualmente se admiten las siguientes capacidades:

  • Rendimiento
  • Insights
  • Oportunidades

Fuera del ámbito de aplicación

Actualmente no se admiten las siguientes funcionalidades:

  • Creación o edición de experimentos
  • Uso de varias métricas para informar de casos de uso

Indicadores de ejemplo

A continuación se muestra una lista de ejemplos de mensajes para ayudarle a empezar a utilizar Experimentation Agent:

Preguntas generales

Indicadores
¿Qué experimentos se están llevando a cabo?
¿Qué experimentos se están ejecutando para <campaign name>?
¿Qué experimentos comenzaron en el último mes?
¿Cuántos experimentos terminaron el año pasado?
¿Qué experimentos están actualmente en pausa/detenidos/etc.?
¿Qué patrones comunes están surgiendo de las pruebas recientes?
¿Cuál es la duración media de los experimentos en el último trimestre?

Preguntas de rendimiento

Indicadores
Para mi <experiment name>, ¿qué tratamiento conlleva?
¿Cuál es el alza de <experiment name>?
¿Qué experimentos tuvieron resultados estadísticamente significativos?
¿Qué experimentos tuvieron la mejor tasa de conversión?

Preguntas de perspectivas

Indicadores
¿Qué es la prueba de <experiment name>?
¿Qué aprendimos de <experiment name>?
¿Puedes decirme por qué ganó el tratamiento A?
¿Qué temas son tendencia en las variantes ganadoras?
¿Qué patrones comunes están surgiendo de las pruebas recientes?
¿Ocurrió algo inesperado en <experiment name>?

Preguntas de oportunidades

Indicadores
¿Qué recomiendas que haga después de este experimento?
¿Hay alguna manera de mejorar <experiment name>?
¿Qué oportunidades se volvieron más claras después de <experiment name>?
¿Qué podría probar a continuación para probar la hipótesis de <experiment name>?
¿Qué casos de uso adicionales debo implementar?
recommendation-more-help
d72136be-023d-4b33-835b-01e0b6eb5b3e