[Premium]{class="badge positive" title="Consulte qué se incluye en Target Premium."}

Configuración de informes de A4T en Analysis Workspace para Auto-Target actividades

IMPORTANT
Para Segmentación automática actividades, debe registrar el informe en Analytics Workspace y cree manualmente un panel de A4T.

El Analytics for Target Integración de (A4T) para Auto-Target Las actividades de utilizan el Adobe Target combine algoritmos de aprendizaje automático (ML) para elegir la mejor experiencia para cada visitante en función de su perfil, comportamiento y contexto, todo mientras utiliza un Adobe Analytics métrica de objetivo.

Aunque las funcionalidades de análisis enriquecidas están disponibles en Adobe Analytics Analysis Workspace, algunas modificaciones en el valor predeterminado Analytics for Target Los paneles deben interpretar correctamente Auto-Target actividades, debido a diferencias entre actividades de experimentación (manual) Prueba A/B y Asignación automática) y actividades de personalización (Segmentación automática).

Este tutorial muestra las modificaciones recomendadas para el análisis Segmentación automática actividades en Analysis Workspace, que se basan en los siguientes conceptos clave:

  • El Control frente a objetivo La dimensión se puede utilizar para distinguir entre Control experiencias frente a las proporcionadas por Segmentación automática Ensamblar algoritmo XML.
  • Las visitas deben utilizarse como métrica de normalización al ver desgloses de rendimiento de nivel de experiencia. Además, La metodología de contabilización predeterminada de Adobe Analytics puede incluir visitas en las que el usuario no ve realmente contenido de actividad, pero este comportamiento predeterminado se puede modificar mediante un segmento con el ámbito adecuado (detalles más abajo).
  • La atribución con ámbito de retrospectiva de visita, también conocida como "ventana retrospectiva de visita" en el modelo de atribución prescrito, la utiliza la variable Adobe Target Los modelos XML durante sus fases de formación y el mismo modelo de atribución (no predeterminado) deben utilizarse al desglosar la métrica de objetivo.

Creación de A4T para Segmentación automática panel en Analysis Workspace

Para crear un A4T para Segmentación automática informe, comience con el Analytics for Target panel en Analysis Workspace, como se muestra a continuación, o comience con una tabla de forma libre. A continuación, realice las siguientes selecciones:

  1. Experiencia de control: puede elegir cualquier experiencia, pero anulará esta opción más adelante. Observe que para Segmentación automática , la experiencia de control es en realidad una estrategia de control, que consiste en a) servir aleatoriamente entre todas las experiencias o b) servir una sola experiencia (esta opción se realiza en el momento de la creación de la actividad en Adobe Target). Incluso si optó por la opción (b), su Segmentación automática actividad designó una experiencia específica como control. Debe seguir el método descrito en este tutorial para analizar A4T para Segmentación automática actividades.

  2. Métrica de normalización: Seleccionar Visitas.

  3. Métricas de éxito: Aunque puede seleccionar cualquier métrica de la que informar, generalmente debe ver los informes de la misma métrica que se eligió para la optimización durante la creación de la actividad en Target.

    Analytics for Target configuración del panel para Segmentación automática actividades.

    Figura 1: Analytics for Target configuración del panel para Segmentación automática actividades.

TIP
Para configurar su Analytics for Target panel para Segmentación automática actividades, elija cualquier experiencia de control, elija Visitas como métrica de normalización y elija la misma métrica de objetivo elegida para la optimización durante Target creación de actividades.

Utilice el Control frente a objetivo dimensión para comparar el Target Ensamblar el modelo XML al control

El panel predeterminado de A4T está diseñado para clásico (manual) Prueba A/B o Asignación automática actividades en las que el objetivo es comparar el rendimiento de las experiencias individuales con el de la experiencia de control. Entrada Segmentación automática sin embargo, la comparación de primer orden debe ser entre el control estrategia y el objetivo estrategia. En otras palabras, determinar el alza del rendimiento global de la Segmentación automática ensamble el modelo ML sobre la estrategia de control.

Para realizar esta comparación, utilice el Control frente a objetivo (Analytics for Target) dimensión. Arrastre y suelte para reemplazar el Experiencias de Target en el informe predeterminado de A4T.

Tenga en cuenta que este reemplazo invalida el valor predeterminado Alza y confianza cálculos en el panel A4T. Para evitar confusiones, puede eliminar estas métricas del panel predeterminado y dejar el siguiente informe:

Experiencias por conversiones de actividad panel en Analysis Workspace

Figura 2: El informe de referencia recomendado para Auto-Target actividades. Este informe se ha configurado para comparar el tráfico de destino (servido por el modelo XML ensamblado) con el tráfico de control.

NOTE
Actualmente, Alza y confianza Los números de no están disponibles para Control frente a objetivo dimensiones para informes de A4T para Segmentación automática. Hasta que se añada compatibilidad, Alza y confianza se puede calcular manualmente descargando el calculadora confianza.

Agregar desgloses de métricas de nivel de experiencia

Para obtener más información sobre el rendimiento del modelo XML ensamblado, puede examinar los desgloses de nivel de experiencia del Control frente a objetivo dimensión. Entrada Analysis Workspace, arrastre el Experiencias de Target en el informe y, a continuación, desglose cada una de las dimensiones de control y de destino por separado.

Experiencias por conversiones de actividad panel en Analysis Workspace

Figura 3: Desglose de la dimensión de segmentación por experiencias de Target

Aquí se muestra un ejemplo del informe resultante.

Experiencias por conversiones de actividad panel en Analysis Workspace

Figura 4: Un estándar Segmentación automática con desgloses de nivel de experiencia. Tenga en cuenta que la métrica de objetivo puede ser diferente y la estrategia de control puede tener una sola experiencia.

TIP
Entrada Analysis Workspace, haga clic en el icono de engranaje para ocultar los porcentajes en la Tasa de conversión para mantener el enfoque en las tasas de conversión de la experiencia. Las tasas de conversión se formatean como decimales, pero se interpretan como porcentajes en consecuencia.

Por qué "Visitas" es la métrica de normalización correcta para Segmentación automática actividades

Al analizar un Segmentación automática actividad, elegir siempre Visitas como métrica de normalización predeterminada. Segmentación automática la personalización selecciona una experiencia para un visitante una vez por visita (formalmente, una vez por visita) Target sesión), lo que significa que la experiencia mostrada a un visitante puede cambiar en cada visita. Por lo tanto, si usa Visitantes únicos como métrica de normalización, el hecho de que un solo usuario pueda terminar viendo varias experiencias (en diferentes visitas) llevaría a tasas de conversión confusas.

Un ejemplo sencillo demuestra este punto: imagine un escenario en el que dos visitantes entran en una campaña que solo tiene dos experiencias. El primer visitante lo visita dos veces. Se les asigna la Experiencia A en la primera visita, pero la Experiencia B en la segunda visita (debido a que su estado de perfil cambió en esa segunda visita). Después de la segunda visita, el visitante convierte realizando un pedido. La conversión se atribuye a la experiencia mostrada más recientemente (Experiencia B). El segundo visitante también visita dos veces y se muestra en la Experiencia B ambas veces, pero nunca se convierte.

Vamos a comparar los informes de nivel de visitante y de nivel de visita:

Experiencia
Visitantes únicos
Visitas
Conversiones
Tasa de conversión normalizada por visitantes
Tasa de conversión normalizada por visitas
Una
1
1
-
0%
0%
B
2
3
1
50%
33.3%
Totales
2
4
1
50%
25 %

Tabla 1: Ejemplo de comparación de informes normalizados por el visitante y por la visita para un escenario en el que las decisiones se mantienen fijas en una visita (y no en el visitante, como sucede con las pruebas A/B regulares). Las métricas normalizadas por visitantes son confusas en este escenario.

Como se muestra en la tabla, existe una clara incongruencia entre las cifras a nivel de visitante. A pesar de que hay dos visitantes únicos totales, no se trata de una suma de visitantes únicos individuales para cada experiencia. Aunque la tasa de conversión a nivel de visitante no es necesariamente incorrecta, cuando se comparan experiencias individuales, las tasas de conversión a nivel de visita probablemente tengan mucho más sentido. Formalmente, la unidad de análisis ("visitas") es la misma que la unidad de permanencia en la toma de decisiones, lo que significa que se pueden agregar y comparar desgloses de métricas a nivel de experiencia.

Filtro de las visitas reales a la actividad

El Adobe Analytics metodología de contabilización predeterminada para visitas a un Target La actividad puede incluir visitas en las que el usuario no interactuó con el Target actividad. Esto se debe a la forma Target las asignaciones de actividad persisten en Analytics contexto del visitante. Como resultado, el número de visitas a la Target la actividad de puede estar inflada, lo que da como resultado una disminución de las tasas de conversión.

Si prefiere informar sobre las visitas en las que el usuario realmente interactuó con el Segmentación automática actividad (ya sea mediante la entrada a la actividad, un evento de visualización o visita o una conversión), puede:

  1. Cree un segmento específico que incluya visitas desde el Target actividad en cuestión y, a continuación,
  2. Filtrar el Visitas métrica que utiliza este segmento.

Para crear el segmento:

  1. Seleccione el Componentes > Crear segmento en la opción Analysis Workspace barra de herramientas.
  2. Especifique un Título para su segmento. En el ejemplo que se muestra a continuación, el segmento se denomina “Hit with specific Auto-Target activity”.
  3. Arrastre el Actividades de Target dimensión al segmento Definición sección.
  4. Utilice el igual a operador.
  5. Busque su específico Target actividad.
  6. Haga clic en el icono de engranaje y seleccione Modelo de atribución > Instancia como se muestra en la figura siguiente.
  7. Haga clic en Guardar.

Segmento en Analysis Workspace

Figura 5: Utilice un segmento como el que se muestra aquí para filtrar la Visitas en su A4T para Segmentación automática informe

Una vez creado el segmento, utilícelo para filtrar los Visitas métrica, por lo que Visitas La métrica solo incluye las visitas en las que el usuario interactuó con el Target actividad.

Para filtrar Visitas uso de este segmento:

  1. Arrastre el segmento recién creado desde la barra de herramientas de componentes y pase el ratón por encima de la base del Visitas etiqueta de métrica hasta un azul Filtrar por aparece el mensaje.
  2. Suelte el segmento. El filtro se aplica a esa métrica.

El panel final aparece de la siguiente manera:

Experiencias por conversiones de actividad panel en Analysis Workspace

Figura 6: Panel de informes con el segmento "Visita con actividad de segmentación automática específica" aplicado a Visitas métrica. Este segmento garantiza que solo las visitas en las que un usuario realmente interactuó con el Target actividad en cuestión se incluyen en el informe.

Asegúrese de que la métrica y la atribución del objetivo estén alineadas con el criterio de optimización

La integración de A4T permite que Segmentación automática Modelo XML que se va a modificar entrenado utilizando los mismos datos de evento de conversión que Adobe Analytics utiliza para generar informes de rendimiento. Sin embargo, hay ciertas suposiciones que deben emplearse para interpretar estos datos al entrenar los modelos XML, que difieren de las suposiciones predeterminadas realizadas durante la fase de creación de informes en Adobe Analytics.

En concreto, la variable Adobe Target Los modelos XML utilizan un modelo de atribución de ámbito de visita. Es decir, los modelos ML suponen que una conversión debe producirse en la misma visita como una visualización de contenido para la actividad para que la conversión se "atribuya" a la decisión tomada por el modelo ML. Esto es necesario para Target garantizar la formación oportuna de sus modelos; Target no puede esperar hasta 30 días una conversión (la ventana de atribución predeterminada para los informes de ) Adobe Analytics) antes de incluirla en los datos de formación de sus modelos.

Por lo tanto, la diferencia entre la atribución utilizada por Target modelos (durante la formación) frente a la atribución predeterminada utilizada para consultar datos (durante la generación del informe) pueden provocar discrepancias. Incluso podría parecer que los modelos ML tienen un mal rendimiento, cuando en realidad el problema reside en la atribución.

TIP
Si los modelos XML se están optimizando para una métrica que se atribuye de forma diferente a la de las métricas que está viendo en un informe, es posible que los modelos no funcionen según lo esperado. Para evitarlo, asegúrese de que las métricas de objetivo del informe utilicen la misma definición de métrica y atribución utilizadas por el Target Modelos ML.

La definición exacta de la métrica y la configuración de atribución dependen de la variable criterio de optimización ha especificado durante la creación de la actividad.

Conversiones definidas por el destinatario, o Analytics métricas con Maximizar Valor De Métrica Por Visita

Cuando la métrica es un Target conversión o una Analytics métricas con Maximizar Valor De Métrica Por Visita Sin embargo, la definición de métrica de objetivo permite que se produzcan varios eventos de conversión en la misma visita.

Para ver métricas de objetivo que tienen la misma metodología de atribución utilizada por Target Modelos ML, siga estos pasos:

  1. Pase el ratón sobre el icono de engranaje de la métrica de objetivo:

    gearicon.png

  2. En el menú resultante, desplácese hasta Configuración de datos.

  3. Seleccionar Uso de modelos de atribución no predeterminados (si no está seleccionada).

    non-defaultattributionmodel.png

  4. Haga clic en Editar.

  5. Seleccionar Modelo: Participación, y Ventana retroactiva: Visita.

    ParticipationbyVisit.png

  6. Haga clic en Aplicar.

Estos pasos garantizan que el informe atribuya la métrica de objetivo a la visualización de la experiencia, si se produjo el evento de la métrica de objetivo en cualquier momento ("participación") en la misma visita en la que se mostró una experiencia.

Analytics métricas con Tasas de conversión de visitas únicas

Defina la visita con un segmento de métrica positivo

En el escenario donde seleccionó Maximizar la tasa de conversión de visitas únicas como criterio de optimización, la definición correcta de la tasa de conversión es la fracción de visitas en la que el valor de la métrica es positivo. Esto se puede lograr creando un segmento que filtre hasta las visitas con un valor positivo de la métrica y luego filtrando la métrica de visitas.

  1. Como antes, seleccione la opción Componentes > Crear segmento en la opción Analysis Workspace barra de herramientas.

  2. Especifique un Título para su segmento.

    En el ejemplo que se muestra a continuación, el segmento se denomina “Visits with an order”.

  3. Arrastre la métrica base que utilizó en el objetivo de optimización al segmento.

    En el ejemplo que se muestra a continuación, se utiliza el pedidos , de modo que la tasa de conversión mide la fracción de visitas en las que se registra un pedido.

  4. En la parte superior izquierda del contenedor de definición del segmento, seleccione Incluir Visita.

  5. Utilice el is greater than y establezca el valor en 0.

    Si establece el valor en 0, este segmento incluye las visitas en las que la métrica pedidos es positiva.

  6. Haga clic en Guardar.

Figura 7.png

Figura 7: Filtrado de la definición del segmento a las visitas con un orden positivo. Según la métrica de optimización de la actividad, debe reemplazar los pedidos por una métrica adecuada

Aplicar esto a las visitas en la métrica filtrada de actividad

Este segmento ahora se puede utilizar para filtrar a visitas con un número positivo de pedidos y en las que hubo una visita para Auto-Target actividad. El procedimiento de filtrado de una métrica es similar al anterior y, después de aplicar el nuevo segmento a la métrica de visitas ya filtrada, el panel de informes debería parecerse a la Figura 8

Figura 8.png

Figura 8: El panel de informes con la métrica de conversión de visitas únicas correcta: el número de visitas en las que se registró una visita de la actividad y en las que la métrica de conversión (pedidos en este ejemplo) fue distinta de cero.

Paso final: Cree una tasa de conversión que capture la magia anterior

Con las modificaciones de la Visita y las métricas de objetivo de las secciones anteriores son la modificación final que debe realizar en su A4T predeterminado para Auto-Target El panel de informes sirve para crear tasas de conversión que sean la proporción correcta (la de la métrica de objetivo corregida) con respecto a una métrica de "Visitas" filtrada correctamente.

Para ello, cree un Métrica calculada siga estos pasos:

  1. Seleccione el Componentes > Crear métrica en la opción Analysis Workspace barra de herramientas.
  2. Especifique un Título para su métrica. Por ejemplo, "Tasa de conversión corregida por la visita para la actividad XXX".
  3. Seleccionar Formato = Porcentaje y Lugares decimales = 2.
  4. Arrastre la métrica de objetivo correspondiente a su actividad (por ejemplo, Conversiones de actividades) en la definición y utilice el icono de engranaje en esta métrica de objetivo para ajustar el modelo de atribución a (participación|visita), como se describió anteriormente.
  5. Seleccionar Agregar > Contenedor desde la parte superior derecha de la Definición sección.
  6. Seleccione el operador de división (÷) entre los dos contenedores.
  7. Arrastre el segmento creado anteriormente, denominado "Visita con" específico Segmentación automática actividad" en este tutorial para esta actividad específica Auto-Target actividad.
  8. Arrastre el Visitas en el contenedor de segmentos.
  9. Haga clic en Guardar.
TIP
También puede crear esta métrica utilizando el funcionalidad de métrica calculada rápida.

La definición completa de la métrica calculada se muestra aquí.

Figura9.png

Figura 7: Definición de la métrica de tasa de conversión del modelo corregido por la visita y corregido por la atribución. Tenga en cuenta que esta métrica depende de la métrica de objetivos y de la actividad. En otras palabras, esta definición de métrica no se puede reutilizar en todas las actividades).

IMPORTANT
El Conversión La métrica de tasa del panel A4T no está vinculada al evento de conversión o a la métrica de normalización de la tabla. Cuando realice las modificaciones sugeridas en este tutorial, la variable Conversión La tasa no se adapta automáticamente a los cambios. Por lo tanto, si realiza la modificación en la atribución del evento de conversión o en la métrica de normalización (o en ambas), debe recordar como paso final para modificar también la variable Conversión , como se muestra arriba.

Resumen: Muestra final Analysis Workspace panel para Segmentación automática informes

Al combinar todos los pasos anteriores en un solo panel, la figura siguiente muestra una vista completa del informe recomendado para Segmentación automática Actividades de A4T. Este informe es el mismo que el que utiliza el Target Modelos XML para optimizar la métrica de objetivo. El informe incorpora todos los matices y recomendaciones que se examinan en este tutorial. Este informe también es el más cercano a las metodologías de contabilización utilizadas en la versión tradicional TargetImpulsado por informes Segmentación automática actividades.

Haga clic para expandir la imagen.

Informe final de A4T en Analysis Workspace {width="600" modal="regular"}

Figura 10: A4T final Segmentación automática informar en Adobe Analytics Workspace, que combina todos los ajustes realizados en las definiciones de métricas descritas en las secciones anteriores de este tutorial.

recommendation-more-help
0f172607-337e-442f-a279-477fd735571f