Preguntas frecuentes y solución de problemas de Auto-Target

Respuesta

• Decida si el valor comercial de una métrica de éxito Revenue per Visit (RPV) vale la pena por los requisitos de tráfico adicionales. Por lo general, RPV necesita al menos 1000 conversiones por experiencia para que una actividad funcione frente a la conversión.

• Decida la asignación entre el control y las experiencias personalizadas antes de comenzar la actividad en función de sus objetivos.

• Determine si tiene tráfico suficiente en la página donde se ejecuta la actividad Auto-Target para que los modelos de personalización se creen en un período de tiempo razonable.

• Si está probando el algoritmo de personalización, no debe cambiar experiencias ni agregar ni eliminar atributos de perfil mientras la actividad está activa.

• Considere completar una actividad A/B entre las ofertas y las ubicaciones que planea utilizar en su actividad Auto-Target para asegurarse de que las ubicaciones y las ofertas tengan un impacto en el objetivo de optimización. Si una actividad A/B no demuestra una diferencia significativa, Auto-Target probablemente tampoco genere un alza.

  Si una prueba A/B no muestra diferencias estadísticamente significativas entre las experiencias, es probable que las ofertas que está considerando no sean suficientemente diferentes entre sí, las ubicaciones que seleccionó no influyen en la métrica de éxito o el objetivo de optimización está demasiado lejos en el embudo de conversión como para verse afectado por las ofertas elegidas.

• Intente no realizar cambios sustanciales en las experiencias durante la actividad.

Respuesta

La división óptima de la asignación del tráfico depende de lo que desee lograr.

Si su objetivo es personalizar el mayor tráfico posible, puede mantener una asignación objetivo del 90 % y un control del 10 % durante toda la actividad. Si su objetivo es ejecutar un experimento comparando el rendimiento de los algoritmos personalizados con el control, entonces es mejor una división al 50/50 durante toda la actividad.

Una práctica recomendada es mantener la división de asignación de tráfico durante la duración de la actividad para que los visitantes no cambien entre las experiencias de segmentación y de control.

Respuesta

No, solo los visitantes que califiquen y vean la actividad Auto-Target se contarán en los informes.

Respuesta

Hay cuatro factores necesarios para que una actividad Auto-Target genere un alza:

• Las ofertas deben ser lo suficientemente diferentes como para influir en los visitantes.
• Las ofertas deben encontrarse en algún lugar que marque la diferencia con el objetivo de optimización.
• Debe haber suficiente tráfico y “poder” estadístico en la prueba para detectar el alza.
• El algoritmo de personalización debe funcionar bien.

El mejor curso de acción es asegurarse primero de que el contenido y las ubicaciones que componen las experiencias de actividad marquen realmente una diferencia en las tasas de respuesta generales mediante una prueba A/B simple no personalizada. Asegúrese de calcular los tamaños de muestra antes de tiempo para asegurarse de que haya suficiente energía para ver un levantamiento razonable y ejecutar la prueba A/B durante un tiempo determinado sin detenerlo ni realizar ningún cambio.

Si los resultados de una prueba A/B muestran un aumento estadísticamente significativo en una o más de las experiencias, entonces es probable que una actividad personalizada funcione. Por supuesto, la personalización puede funcionar incluso si no hay diferencias en las tasas de respuesta general de las experiencias. Normalmente, el problema se debe a que las ofertas y ubicaciones no tienen un impacto lo suficientemente grande en el objetivo de optimización como para ser detectadas con relevancia estadística.

Respuesta

Auto-Target se puede usar como una personalización "siempre activada" que se optimiza constantemente. Especialmente para contenido permanente, no es necesario detener su actividad Auto-Target.

Si desea realizar cambios sustanciales en el contenido en su actividad Auto-Target, la práctica recomendada es comenzar una nueva actividad para que otros usuarios que revisen los informes no confundan ni relacionen resultados pasados con contenido diferente.

Respuesta

El tiempo que tardan los modelos en desarrollar su actividad Auto-Target depende típicamente del tráfico a las ubicaciones de la actividad seleccionada y las tasas de conversión asociadas con la métrica de éxito de la actividad.

Auto-Target no intenta crear un modelo personalizado para una experiencia determinada hasta que existen al menos 50 conversiones para esa experiencia. Además, si el modelo creado no es de calidad suficiente (tal y como determina la evaluación sin conexión de los datos de "prueba" de retención, con una métrica conocida como AUC), no se utilizará para servir tráfico de forma personalizada.

Otros puntos que se deben tener en cuenta acerca de la creación de modelos de Auto-Target:

• Después de que una actividad esté activa, Auto-Target considera hasta los últimos 45 días de datos servidos aleatoriamente al intentar crear modelos. Por ejemplo, el tráfico de control, además de algunos datos servidos aleatoriamente extra que mantiene el algoritmo.
• Si Revenue per Visit es su métrica de éxito, estas actividades generalmente requieren más datos para crear modelos debido a la mayor variación de datos que suele existir en los ingresos por visita en comparación con la tasa de conversión.
• Dado que los modelos se crean según la experiencia, sustituir una experiencia por otra significa que se debe recopilar tráfico suficiente (al menos 50 conversiones) para la nueva antes de poder reconstruir los modelos personalizados.

Respuesta

No, debe haber al menos dos modelos integrados dentro de su actividad para que comience la personalización.

Respuesta

Puede comenzar a observar los resultados de su prueba Auto-Target después de que tenga al menos dos experiencias con los modelos creados (marca de verificación verde) para la experiencia que tiene los modelos generados.

Respuesta

Puede seleccionar una experiencia para utilizarla como control mientras crea una actividad de Automated Personalization (AP) o Segmentación automática (AT).

Esta función le permite dirigir todo el tráfico de control a una experiencia específica, según el porcentaje de asignación de tráfico configurado en la actividad. Luego puede evaluar los informes de rendimiento del tráfico personalizado respecto al tráfico de control a esa experiencia.

Para obtener más información, consulte Uso de una experiencia específica como control.

Respuesta

El Adobe no recomienda cambiar la métrica de objetivo a mitad de una actividad. Aunque es posible cambiar la métrica de objetivo durante una actividad mediante la IU de Target, siempre debe iniciar una nueva actividad. El Adobe no garantiza lo que sucede si cambia la métrica de objetivo en una actividad después de que se esté ejecutando.

Esta recomendación se aplica a las actividades Auto-Allocate, Auto-Target y Automated Personalization que usan Target o Analytics (A4T) como origen de informes.

Respuesta

No se recomienda usar la opción Reset Report Data para las actividades Auto-Target. Aunque quita los datos de informes visibles, esta opción no quita todos los registros de aprendizaje del modelo Auto-Target. En lugar de usar la opción Reset Report Data para Auto-Target actividades, cree una nueva actividad y desactive la actividad original.

Esta guía también se aplica a las actividades Auto-Allocate y Automated Personalization.

Respuesta

Target crea un modelo por experiencia, por lo que al eliminar una experiencia, Target crea un modelo menos y no afecta a los modelos del resto de experiencias.

Por ejemplo, suponga que tiene una actividad Auto-Target con ocho experiencias y que no le gusta el rendimiento de una experiencia. Puede eliminar esa experiencia y no afectará a los modelos de las siete experiencias restantes.

Sugerencias de resolución de problemas

Hay varios cambios en la configuración de la actividad que pueden disminuir el tiempo esperado para crear modelos, incluida la cantidad de experiencias en su actividad Auto-Target, el tráfico hacia su sitio y la métrica de éxito seleccionada.

Solución: revise la configuración de la actividad y vea si hay algún cambio que desee realizar para mejorar la velocidad a la que se crean los modelos.

• Si la métrica de éxito está establecida en RPV, ¿puede cambiar a conversión? Las actividades de conversión tienden a requerir menos tráfico para construir modelos. No perderá datos de actividad si cambia la métrica de éxito de RPV a conversión.
• ¿Su métrica de éxito está muy por debajo del embudo de ventas de sus experiencias de actividad? Una tasa de conversión de actividad menor aumenta los requisitos de tráfico necesarios para que los modelos se creen, ya que se requiere un número mínimo de conversiones.
• ¿Hay algunas experiencias que puede retirar de su actividad? Reducir el número de experiencias en una actividad reduce el tiempo para crear modelos.
• ¿Hay una página con mayor tráfico en la que esta actividad sería más exitosa? Cuantos más tráfico y conversiones haya en las ubicaciones de las actividades, más rápidos se crearán los modelos.

Sugerencias de resolución de problemas

Hay cuatro factores necesarios para que una actividad Auto-Target genere un alza:

• Las ofertas deben ser lo suficientemente diferentes como para influir en los visitantes.
• Las ofertas deben encontrarse en algún lugar que marque la diferencia con el objetivo de optimización.
• Debe haber suficiente tráfico y “poder” estadístico en la prueba para detectar el alza.
• El algoritmo de personalización debe funcionar bien.

Solución: primero, asegúrese de que su actividad personalice el tráfico. Si los modelos no están diseñados para todas las experiencias, su actividad Auto-Target todavía estará sirviendo aleatoriamente una porción significativa de visitas para intentar construir todos los modelos lo más rápido posible. Si los modelos no están generados, Auto-Target no está personalizando el tráfico.

A continuación, asegúrese de que las ofertas y las ubicaciones de la actividad marquen realmente una diferencia en las tasas de respuesta generales mediante una prueba A/B simple no personalizada. Asegúrese de calcular los tamaños de muestra antes de tiempo para asegurarse de que haya suficiente energía para ver un levantamiento razonable y ejecutar la prueba A/B durante un tiempo determinado sin detenerlo ni realizar ningún cambio. Si los resultados de una prueba A/B muestran un alza estadísticamente significativa en una o más experiencias, es probable que funcione una actividad personalizada. Personalization puede funcionar incluso si no hay diferencias en las tasas de respuesta generales de las experiencias. Normalmente, el problema se debe a que las ofertas y ubicaciones no tienen un impacto lo suficientemente grande en el objetivo de optimización como para ser detectadas con relevancia estadística.

Sugerencias de resolución de problemas

Esto es esperable.

En una actividad de Auto-Target, una vez convertida la métrica de conversión (ya sea por objetivos de optimización o de anuncio), el usuario se libera de la experiencia y se reinicia la actividad.

Por ejemplo, existe una actividad con una métrica de conversión (C1) y una métrica adicional (A1). A1 depende de C1. Cuando un visitante entra a la actividad por primera vez y no se convierten los criterios de conversión de A1 y C1, la métrica A1 no se convierte debido a la dependencia de métrica de éxito. Si el visitante convierte C1 y luego convierte A1, A1 sigue sin convertirse porque cuando se convierte C1, el visitante se libera.