Preguntas frecuentes sobre Automated Personalization

Ver detalles

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.

Ver detalles

No existe la opción llave en mano de comparar Automated Personalization con una experiencia predeterminada. Sin embargo, como solución alternativa, si existe una oferta o experiencia predeterminada como parte de la actividad general, para comprender su rendimiento inicial, haga clic en el segmento "Control" de los informes y busque esa oferta concreta en el informe a nivel de oferta resultante. La tasa de conversión registrada para esta oferta se puede utilizar para compararla con la tasa de conversión del segmento completo "Bosque aleatorio". Esto ayuda a comparar cómo funciona la máquina en comparación la oferta predeterminada.

Ver detalles

• Si desea personalizar una página con poco tráfico o realizar cambios estructurales en la experiencia que está personalizando, considere la posibilidad de utilizar una actividad Auto-Target en lugar de Automated Personalization. Consulte Segmentación automática.

• Considere completar una actividad A/B Test entre las ofertas y las ubicaciones que planea usar en su actividad Automated Personalization para asegurarse de que la ubicación y las ofertas tengan un impacto en el objetivo de optimización. Si una actividad A/B Test no muestra una diferencia significativa, Automated Personalization probablemente tampoco genere un alza.

  • Si una prueba A/B…N no muestra diferencias estadísticamente significativas entre experiencias, es probable que una o más de las siguientes situaciones sean responsables:

    • Es probable que las ofertas no sean lo suficientemente diferentes entre sí.
    • Las ubicaciones que ha seleccionado no afectan a la métrica de éxito.
    • El objetivo de optimización está demasiado lejos en el canal de conversión como para verse afectado por las ofertas seleccionadas.

• Asegúrese de usar el Estimador de tráfico para que pueda tener una idea de cuánto tiempo tardan los modelos de personalización en desarrollar su actividad Automated Personalization.

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

  Hay tres situaciones que se deben tener en cuenta en función del objetivo de la actividad y el tipo de control seleccionado:

  • Experiencias aleatorias como control y el objetivo de la actividad es probar la eficacia del algoritmo de personalización: Si su objetivo es evaluar el algoritmo de personalización, desea tener una imagen más precisa del alza. Es probable que también quiera comparar la tasa de conversión de sus experiencias u ofertas si simplemente creó un A/B Test (un control servido de forma aleatoria). En ese caso, se recomienda utilizar una asignación del 50% a un control de experiencias servidas aleatoriamente.
  • "Experiencias aleatorias" como control y el objetivo de la actividad es maximizar el tráfico personalizado: Si se siente cómodo con el algoritmo y desea tener la máxima cantidad de tráfico personalizado, se recomienda una asignación de 10% a 30% para el control. La compensación aquí es la precisión que ve en la información de crecimiento. Los intervalos de confianza del tráfico de control son más grandes porque hay menos tráfico fluido hacia ellos.
  • Experiencia específica como control, con cualquier tipo de objetivo: Si desea comparar una experiencia específica basada en especialistas en marketing en los modelos de personalización, se recomienda una asignación de 10% a 30% para el control. Al seleccionar solo una experiencia como control, ese tráfico no se propaga en todas las ofertas o experiencias de la actividad.

• Las reglas de orientación deben usarse con la menor cantidad posible porque pueden interferir con la capacidad del modelo para optimizar.

• Los grupos de informes pueden limitar el éxito de su actividad Automated Personalization. Utilice los grupos de informes solo bajo condiciones específicas:

  • Use grupos de informes solo si se cumplen las siguientes condiciones:

    • Planea reemplazar o agregar nuevas ofertas mientras se ejecuta la actividad.
    • Las ofertas del grupo de informes atraen a los mismos visitantes.
    • Las ofertas de ese grupo de informes tienen aproximadamente la misma tasa de respuesta general.

  • No hay personalización entre ofertas en un grupo de informes. El modelo de personalización trata todas las ofertas como lo mismo.

  • No coloque todas las ofertas en una actividad en un solo grupo de informes. De este modo, todas las ofertas se atenderán de forma aleatoria y uniforme a todos los visitantes de la actividad.

Ver detalles

Target tiene un límite estricto de 30 000 experiencias, pero funciona mejor cuando se crean menos de 10 000 experiencias.

Este mismo límite se aplica incluso cuando la actividad tiene habilitada la opción Disalow Duplicates.

Para obtener más información sobre los límites de caracteres y de otro tipo (tamaño de oferta, audiencias, perfiles, valores, parámetros, etc.) que afectan a las actividades y otros elementos de Target, vea Límites.

Ver detalles

Cuando llega cada visitante, el conjunto de posibles ofertas que el visitante puede ver que está determinado por las reglas de orientación de nivel de oferta. A continuación, el algoritmo elige la oferta que el modelo predice que tiene los mejores ingresos esperados o posibilidades de conversión entre esas ofertas. La segmentación de ofertas afecta a la eficacia de Target algoritmos de aprendizaje automático y, como resultado, debe utilizarse con la mayor moderación posible.

Ver detalles

Hay cuatro factores necesarios para que una actividad Automated Personalization genere un alza:

• Las ofertas de cada ubicación deben ser lo suficientemente diferentes como para influir en los visitantes.
• Las ubicaciones deben estar en algún lugar que marque la diferencia en el objetivo de optimización.
• Debe haber suficiente tráfico y poder estadístico en la actividad para detectar el aumento.
• 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 actividad A/B Test 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 las pruebas A/B muestran un alza estadísticamente significativa en una o más experiencias, es probable que una actividad personalizada tenga éxito. 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 o ubicaciones no tienen un impacto lo suficientemente grande en el objetivo de optimización como para ser detectadas con relevancia estadística.

Para obtener más información, Solucionar problemas de Automated Personalization.

Ver detalles

Automated Personalization dirige a los visitantes a la experiencia que tiene la mayor métrica de éxito prevista en función de los modelos de bosque aleatorio creados más recientemente para cada modelo. Este pronóstico se basa en la información específica del visitante y el contexto de la visita.

Por ejemplo, supongamos que una actividad Automated Personalization tiene dos ubicaciones con dos ofertas cada una. En la primera ubicación, la Oferta A tiene una tasa de conversión pronosticada del 3 % para un visitante específico y la Oferta B tiene una tasa de conversión pronosticada del 1 %. En la segunda ubicación, la Oferta C tiene una tasa de conversión pronosticada del 2 % para el mismo visitante y la Oferta D tiene una tasa de conversión pronosticada del 5 %. Por lo tanto, Automated Personalization proporciona a este visitante una experiencia con la oferta A y la oferta D.

Ver detalles

Automated Personalization se puede usar como una personalización "siempre activada" que se optimiza constantemente. Especialmente para contenido permanente, no es necesario detener su actividad Automated Personalization. Si desea realizar cambios sustanciales en el contenido que no sean similares a las ofertas que se encuentran actualmente en su actividad Automated Personalization, se recomienda iniciar una nueva actividad. El inicio de una nueva actividad ayuda a otros usuarios a revisar los informes a no confundir ni relacionar resultados pasados con contenido diferente.

Ver detalles

El tiempo que tardan los modelos en desarrollar su actividad depende típicamente del tráfico a las ubicaciones de la actividad seleccionada y la métrica de éxito de la actividad. Use Estimador de tráfico para determinar la cantidad de tiempo esperada que los modelos tardan en desarrollar su actividad.

Ver detalles

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

Ver detalles

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

Ver detalles

Revise la configuración de la actividad y compruebe si hay algún cambio que esté dispuesto a realizar para mejorar la velocidad a la que se crean los modelos.

• ¿Su métrica de éxito está muy por debajo del embudo de ventas de sus experiencias de actividad? Una tasa de conversión de actividad más baja aumenta los requisitos de tráfico necesarios para que los modelos se creen, ya que se requiere un número mínimo de conversiones.
• Si su métrica de éxito está configurada en RPV, ¿puede cambiar a conversión? Las actividades de conversión tienden a requerir menos tráfico para construir modelos.
• ¿Hay algunas experiencias que puede retirar de su actividad? Reducir el número de experiencias en una actividad acelera el tiempo para crear modelos.
• ¿Hay una página de mayor tráfico en la que esta actividad tendría más éxito? Cuantos más tráfico y conversiones haya en las ubicaciones de las actividades, más rápidos se crearán los modelos.

Ver detalles

Automated Personalization actividades se evalúan una vez por sesión. Si hay sesiones activas que se han clasificado para una experiencia en particular y ahora se le han agregado nuevas ofertas, los visitantes verán el nuevo contenido junto con las ofertas mostradas anteriormente. Debido a que estos visitantes se clasificaban anteriormente para esas experiencias, siguen viendo esas experiencias durante la sesión. Para evaluar esto en cada visita a la página, debe cambiar al tipo de actividad Experience Targeting (XT).

Ver detalles

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. Adobe no garantiza lo que suceda 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.

Ver detalles

Adobe no recomienda usar la opción Reset Report Data para las actividades Automated Personalization. Aunque quita los datos de informes visibles, esta opción no quita todos los registros de aprendizaje del modelo Automated Personalization. En lugar de usar la opción Reset Report Data para Automated Personalization actividades, cree una nueva actividad y desactive la actividad original. Esta guía también se aplica a las actividades Auto-Allocate y Auto-Target.

Ver detalles

Un modelo se crea para identificar el rendimiento de la estrategia personalizada en comparación con el tráfico servido aleatoriamente en lugar de enviar todo el tráfico a la experiencia ganadora general. Este modelo considera las visitas y conversiones solo en el entorno predeterminado.

El tráfico de un segundo conjunto de modelos se genera para cada grupo de modelado (Automated Personalization) o experiencia (Auto-Target). Para cada uno de estos modelos, se tienen en cuenta las visitas y conversiones en todos los entornos.

Por lo tanto, las solicitudes se proporcionan con el mismo modelo, independientemente del entorno. Sin embargo, la pluralidad del tráfico debería proceder del entorno predeterminado para garantizar que la experiencia ganadora general identificada sea coherente con el comportamiento en el mundo real.