Aperçu du ciblage automatique
Ciblage automatique activités dans Adobe Target utilisez l’apprentissage automatique avancé pour effectuer une sélection à partir de plusieurs expériences hautement performantes définies par des responsables du marketing afin de personnaliser le contenu et de générer des conversions. Ciblage automatique diffuse l’expérience la plus personnalisée à chaque visiteur en fonction du profil client individuel et du comportement des visiteurs précédents dotés de profils similaires.
-
Le ciblage automatique fait partie de la solution Target Premium. Cette fonctionnalité n’est pas disponible dans Target Standard sans une licence Target Premium. Pour plus d’informations sur les fonctionnalités avancées de cette licence, voir Target Premium.
-
Analytics pour Target (A4T) prend en charge Ciblage automatique activités. Pour plus d’informations, consultez Prise en charge d’A4T pour les activités d’affectation automatique et de ciblage automatique.
Témoignage de succès dans le monde réel à l’aide du ciblage automatique success
Un grand détaillant de vêtements a récemment utilisé une Ciblage automatique activité comportant dix expériences basées sur des catégories de produits (plus contrôle aléatoire) pour fournir le contenu approprié à chaque visiteur. "Ajouter au panier" a été choisi comme mesure d’optimisation principale. Les expériences ciblées ont un effet élévateur moyen de 29,09 %. Après avoir créé la variable Ciblage automatique , l’activité a été définie sur 90 % d’expériences personnalisées.
En seulement dix jours, plus de 1 700 000 $ en effet élévateur a été atteint.
Continuez à lire pour apprendre à utiliser Ciblage automatique pour augmenter l’effet élévateur et les recettes de votre entreprise.
Aperçu section_972257739A2648AFA7E7556B693079C9
while création d’une activité A/B à l’aide du processus assisté en trois étapes, sélectionnez la variable Ciblage automatique pour les expériences personnalisées sur l’option Ciblage page (étape 2).
L’option de ciblage automatique au sein du flux d’activités A/B vous permet d’exploiter l’apprentissage automatique pour effectuer une personnalisation sur la base d’un ensemble d’expériences défini par le marketeur en un seul clic. Ciblage automatique est conçu pour offrir une optimisation maximale par rapport aux tests A/B traditionnels ou Affectation automatique, en déterminant l’expérience à afficher pour chaque visiteur. Contrairement à une activité A/B dont l’objectif est de trouver un gagnant unique, Ciblage automatique détermine automatiquement la meilleure expérience pour un visiteur donné. La meilleure expérience est basée sur le profil du visiteur et d’autres informations contextuelles pour offrir une expérience hautement personnalisée.
De la même manière que Automated Personalization, Ciblage automatique utilise une Algorithme Forêt aléatoire, une méthode d’ensemble issue de la science des données, permettant de déterminer la meilleure expérience à présenter à un visiteur. Parce que Ciblage automatique peut s’adapter aux changements de comportement du visiteur, il peut s’exécuter perpétuellement pour générer un effet élévateur. Cette méthode est parfois appelée mode "toujours actif".
Contrairement à une activité A/B où l’affectation d’expérience pour un visiteur donné est persistante, le ciblage automatique optimise l’objectif commercial spécifié à chaque visite. À l’instar de la personnalisation automatisée, le ciblage automatique réserve par défaut une partie du trafic de l’activité comme groupe de contrôle pour mesurer l’effet élévateur. Les visiteurs du groupe de contrôle reçoivent une expérience aléatoire dans l’activité.
Considérations
Gardez à l’esprit quelques points importants lorsque vous utilisez Ciblage automatique:
-
Vous ne pouvez pas changer une activité spécifique en Ciblage automatique to Automated Personalizationet l’inverse.
-
Vous ne pouvez pas passer de Manuel affectation du trafic (traditionnelle Test A/B) à Ciblage automatique, et de la manière inverse après l’enregistrement d’une activité en tant que brouillon.
-
Un modèle est conçu pour identifier les performances de la stratégie personnalisée par rapport au trafic diffusé de manière aléatoire plutôt que d’envoyer tout le trafic à l’expérience gagnante globale. Ce modèle ne prend en compte que les accès et les conversions dans l’environnement par défaut.
Le trafic provenant d’un deuxième ensemble de modèles est créé pour chaque groupe de modélisation (AP) ou expérience (AT). Pour chacun de ces modèles, les accès et les conversions sont pris en compte dans tous les environnements.
Les requêtes sont diffusées avec le même modèle, quel que soit l’environnement, mais la pluralité du trafic doit provenir de l’environnement par défaut pour s’assurer que l’expérience gagnante globale identifiée est cohérente avec le comportement du monde réel.
-
Utilisez au moins deux expériences.
Terminologie section_A309B7E0B258467789A5CACDC1D923F3
Les termes suivants sont utiles pour aborder le ciblage automatique :
Fonctionnement du ciblage automatique section_77240E2DEB7D4CD89F52BE0A85E20136
Pour plus d’informations sur les données et les algorithmes sous-jacents du ciblage automatique et de la personnalisation automatisée, voir les liens ci-dessous :
Détermination de l’affectation du trafic section_AB3656F71D2D4C67A55A24B38092958F
Selon l’objectif de votre activité, vous pouvez sélectionner une affectation de trafic différente entre les expériences de contrôle et de ciblage. Une règle de bonne pratique consiste à déterminer cet objectif avant de lancer votre activité en direct.
La liste déroulante Affectation personnalisée vous permet de choisir parmi les options suivantes :
- Évaluer l’algorithme de personnalisation
- Maximiser le trafic de personnalisation
- Affectation personnalisée
- Maximise la précision de l’effet élévateur entre le contrôle et la personnalisation
- Relativement moins de visiteurs ont une expérience personnalisée
- Maximise le nombre de visiteurs qui auront une expérience personnalisée
- Maximise l’effet élévateur
- Moins de précision quant à la nature de l’effet élévateur vis-à-vis de l’activité
- Il se peut que vous n’obteniez pas les résultats souhaités. En cas d’incertitude, suivez les suggestions indiquées pour l’une des options précédentes.
Pour ajuster la variable Contrôle , cliquez sur les icônes dans la variable Affectation colonne . Vous ne pouvez pas diminuer le groupe de contrôle à moins de 10 %.
Vous pouvez sélectionner une expérience spécifique à utiliser comme contrôle ou utiliser l’option Expérience aléatoire.
Quand choisir Ciblage automatique over Automated Personalization? section_BBC4871C87944DD7A8B925811A30C633
Il existe plusieurs scénarios dans lesquels vous préférerez peut-être utiliser Ciblage automatique over Automated Personalization:
- Si vous souhaitez définir l’expérience entière plutôt que des offres individuelles automatiquement combinées pour former une expérience.
- Si vous souhaitez utiliser l’ensemble complet de Compositeur d’expérience visuelle (VEC) fonctionnalités non prises en charge par Personnalisation automatique: éditeur de code personnalisé, audiences d’expériences multiples, etc.
- Lorsque vous souhaitez apporter des modifications structurelles à votre page dans différentes expériences. Par exemple, si vous souhaitez réorganiser les éléments de votre page d’accueil, Ciblage automatique est plus approprié que Automated Personalization.
Que faire ? Ciblage automatique ont en commun avec Automated Personalization? section_2A601F482F9A44E38D4B694668711319
L’algorithme optimise le ciblage pour favoriser une issue positive à chaque visite.
- L’algorithme prédit la propension d’un visiteur à la conversion (ou les recettes estimées de la conversion) afin de fournir la meilleure expérience.
- Un visiteur est éligible pour une nouvelle expérience à la fin d’une session existante (sauf s’il fait partie de la population témoin, auquel cas l’expérience qui lui est attribuée lors de sa première visite reste la même pour les visites suivantes).
- Dans une session, la prédiction ne change pas, pour maintenir la cohérence visuelle.
L’algorithme s’adapte aux changements de comportement du visiteur.
- Le bandit à plusieurs bras garantit que le modèle "dépense" toujours une petite fraction de trafic pour continuer à apprendre tout au long de la vie de l’activité d’apprentissage et pour empêcher la surexploitation des tendances apprises précédemment.
- Les modèles sous-jacents sont reconstruits toutes les 24 heures à l’aide des dernières données de comportement des visiteurs afin de garantir que Target exploite toujours l’évolution des préférences des visiteurs.
- Si l’algorithme ne peut pas déterminer les expériences gagnantes pour les individus, il affiche automatiquement l’expérience globale la plus performante tout en continuant à rechercher des gagnants personnalisés. L’expérience la plus performante est trouvée en utilisant l’échantillonnage de Thompson.
L’algorithme assure une optimisation continue pour une mesure d’objectif unique.
- Cette mesure peut être basée sur les conversions ou sur les recettes (plus spécifiquement Recettes par visite).
Target collecte automatiquement des informations sur les visiteurs pour créer les modèles de personnalisation.
- Pour plus d’informations sur les paramètres utilisés pour le ciblage automatique et la personnalisation automatisée, voir Collecte de données de personnalisation automatisée.
Target utilise automatiquement toutes les audiences partagées de Adobe Experience Cloud pour créer les modèles de personnalisation.
- Vous n’avez rien besoin de faire de particulier pour ajouter des audiences au modèle. Pour plus d’informations sur l’utilisation de Experience Cloud Audiences avec Target, voir Audiences d’Experience Cloud.
Les marketeurs peuvent télécharger des données hors ligne, les scores de propension ou d’autres données personnalisées pour créer des modèles de personnalisation.
Comment Ciblage automatique différer de Automated Personalization? section_BA4D83BE40F14A96BE7CBC7C7CF2A8FB
Le ciblage automatique nécessite souvent moins de trafic qu’Automated Personalization pour générer un modèle personnalisé.
Bien que la quantité de trafic par expérience requise pour la création des modèles de ciblage automatique ou d’Automated Personalization soit la même, il y a habituellement plus d’expériences dans une activité Automated Personalization que dans une activité de ciblage automatique.
Si, par exemple, vous aviez une variable Personnalisation automatique activité dans laquelle vous avez créé deux offres par emplacement avec deux emplacements, il y aurait quatre (2 = 4) expériences totales incluses dans l’activité (sans exclusions). En utilisant le ciblage automatique, vous pouvez définir l’expérience 1 de manière à inclure l’offre 1 à l’emplacement 1 et l’offre 2 à l’emplacement 2, et l’expérience 2 pour inclure l’offre 1 à l’emplacement 1 et l’offre 2 à l’emplacement 2. Étant donné que le ciblage automatique permet de sélectionner plusieurs modifications au sein d’une seule expérience, vous pouvez réduire le nombre total d’expériences dans votre activité.
Pour le ciblage automatique, des règles de base simples permettent de comprendre les exigences en termes de trafic :
- Lorsque la conversion est votre mesure de succès : 1 000 visites et au moins 50 conversions par jour, par expérience, de plus l’activité doit comporter au moins 7 000 visites et 350 conversions.
- Lorsque le revenu par visite est votre mesure de succès : 1 000 visites et au moins 50 conversions par jour, par expérience, de plus l’activité doit comporter au moins 1 000 conversions par expérience. Le revenu par visite nécessite généralement plus de données pour élaborer des modèles en raison de la variance de données plus prononcée généralement constatée dans le revenu par visite comparativement au taux de conversion.
Le ciblage automatique offre des fonctionnalités de configuration complètes.
- Parce que Ciblage automatique est incorporé dans le workflow de l’activité A/B, Ciblage automatique les avantages que procurent les Compositeur d’expérience visuelle (VEC). Vous pouvez également utiliser Liens d’assurance qualité avec Ciblage automatique.
Le ciblage automatique offre un cadre de test en ligne complet.
- Le bandit à plusieurs bras fait partie d’un cadre de test en ligne plus vaste qui permet Adobe analystes de données et chercheurs pour comprendre les avantages de leurs améliorations constantes dans les conditions réelles.
- A l'avenir, ce banc d'essai nous permettra d'ouvrir Adobe plateforme d’apprentissage automatique destinée aux clients disposant d’une grande maîtrise des données, afin qu’ils puissent introduire leurs propres modèles pour augmenter la capacité Target modèles.
Rapports et ciblage automatique section_42EE7F5E65E84F89A872FE9921917F76
Pour plus d’informations, voir Création de rapports et ciblage automatique.
Vidéo de formation : Présentation des activités de ciblage automatique
Cette vidéo explique comment configurer une activité A/B de ciblage automatique.
Après avoir terminé cette formation, vous devez être en mesure de :
- Définir des tests de ciblage automatique
- Comparer le ciblage automatique à la personnalisation automatisée
- Créer des activités de ciblage automatique