Questions fréquentes et résolution des problèmes Auto-Target

Réponse

• Décidez si la valeur commerciale d’une mesure de succès Revenue per Visit (RPV) vaut les exigences de trafic supplémentaires. Le RPV nécessite généralement au moins 1 000 conversions par expérience pour qu’une activité soit plus performante qu’une conversion.

• Décidez l’affectation ente l’expérience de contrôle et l’expérience personnalisée avant de débuter l’activité d’après vos objectifs.

• Déterminez si vous disposez d’un trafic suffisant vers la page sur laquelle s’exécute votre activité Auto-Target pour que les modèles de personnalisation soient créés dans un délai raisonnable.

• Si vous testez l’algorithme de personnalisation, vous ne devez pas modifier les expériences ni ajouter ou supprimer des attributs de profil lorsque l’activité est active.

• Envisagez d’effectuer une activité A/B entre les offres et les emplacements que vous prévoyez d’utiliser dans votre activité Auto-Target afin de vous assurer que les emplacements et les offres ont un impact sur l’objectif d’optimisation. Si une activité A/B ne parvient pas à démontrer une différence significative, Auto-Target ne parvient probablement pas non plus à générer une courbe d’élévation.

  Si un test A/B ne montre aucune différence statistiquement significative entre des expériences, il est probable que les offres considérées ne sont pas suffisamment différentes les unes des autres, que les emplacements sélectionnés n’influencent pas la mesure de succès, ou que l’objectif d’optimisation soit trop distant dans l’entonnoir de conversion pour être affecté par les offres que vous avez choisies.

• Essayez de ne pas apporter de modifications substantielles aux expériences au cours de l’activité.

Réponse

La répartition optimale de l’affectation du trafic dépend de vos objectifs.

Si votre objectif est de personnaliser le plus de trafic possible, vous pouvez vous en tenir à une affectation ciblée de 90 % et à un contrôle de 10 % pendant la durée de vie de l’activité. Si votre objectif est d’exécuter une expérience en comparant les performances des algorithmes personnalisés par rapport au contrôle, une répartition 50/50 est préférable pour la durée de vie de l’activité.

Il est recommandé de conserver la répartition de l’affectation du trafic pendant toute la durée de vie de l’activité afin que les visiteurs ne basculent pas entre les expériences ciblées et les expériences de contrôle.

Réponse

Non, seuls les visiteurs éligibles ayant visualisé l’activité Auto-Target sont comptabilisés dans les rapports.

Réponse

Quatre facteurs sont requis pour qu’une activité Auto-Target génère une effet élévateur :

• Les offres doivent être suffisamment différentes pour influencer les visiteurs.
• Les offres doivent être situées à un emplacement qui fait la différence par rapport à l’objectif d’optimisation.
• Le trafic et la « puissance » statistique de l’activité doivent être suffisants dans le test pour permettre de détecter l’effet élévateur.
• L’algorithme de personnalisation doit fonctionner correctement.

Le meilleur plan d’action consiste à s’assurer en premier lieu que le contenu et les lieux qui composent les expériences de l’activité créent une réelle différence dans les taux de réponse globaux par le biais d’un simple test A/B non personnalisé. Assurez-vous de calculer les tailles d’échantillon à l’avance, de manière à garantir que la puissance est suffisante pour détecter un effet élévateur raisonnable et d’exécuter le test A/B pendant une durée déterminée sans l’arrêter ni y apporter de modifications.

Si le résultat du test A/B révèle un effet élévateur statistiquement significatif pour une ou plusieurs expériences, il est probable qu’une activité personnalisée fonctionnera. Bien sûr, la personnalisation peut fonctionner même s’il n’y a aucune différence en termes de taux de réponse global entre les expériences. En règle générale, le problème provient du fait que les offres et les emplacements n’ont pas un impact suffisamment important sur l’objectif d’optimisation pour être détectés avec une signification statistique.

Réponse

Auto-Target peut être utilisé comme une personnalisation « toujours active » qui s’optimise en permanence. Dans le cas des contenus sans cesse renouvelés, notamment, il n’est pas nécessaire d’arrêter votre activité Auto-Target.

Si vous souhaitez apporter des modifications substantielles au contenu de votre activité de Auto-Target, la bonne pratique consiste à démarrer une nouvelle activité, afin que les autres utilisateurs qui visualisent les rapports n’en confondent pas les résultats, ou ne les associent pas à d’anciens résultats portant sur des contenus différents.

Réponse

Le temps nécessaire aux modèles pour créer votre activité Auto-Target dépend généralement du trafic sur les emplacements d’activité sélectionnés et des taux de conversion associés à la mesure de succès de votre activité.

Auto-Target ne tente pas de créer un modèle personnalisé pour une expérience donnée tant qu’il n’y a pas au moins 50 conversions pour cette expérience. En outre, si la qualité du modèle créé est insuffisante (comme déterminé par l’évaluation hors ligne sur des données de « test » retenues, à l’aide d’une mesure appelée AUC), le modèle n’est pas utilisé pour diffuser le trafic de manière personnalisée.

Quelques points supplémentaires à garder à l’esprit lors de la création du modèle de Auto-Target :

• Une fois qu’une activité est active, Auto-Target prend en compte jusqu’aux 45 derniers jours de données diffusées de manière aléatoire lors de la tentative de création de modèles. Par exemple, le trafic de contrôle, ainsi que certaines données supplémentaires diffusées de manière aléatoire et retenues par l’algorithme.
• Lorsque Revenue per Visit est votre mesure de succès, ces activités nécessitent généralement plus de données pour créer des modèles en raison de l’écart de données plus élevé existant généralement dans le rapport visite-chiffre d’affaires par rapport au taux de conversion.
• Comme les modèles sont créés sur la base de chaque expérience, le remplacement d’une expérience par une autre expérience signifie que vous devez collecter suffisamment de trafic (au moins 50 conversions) pour la nouvelle expérience avant de pouvoir recréer des modèles personnalisés.

Réponse

Non, il doit exister au moins deux modèles créés au sein de votre activité pour que la personnalisation puisse débuter.

Réponse

Vous pouvez commencer à consulter les résultats de votre test Auto-Target dès qu’au moins deux expériences ont été créées à partir des modèles (coche verte) pour l’expérience sur laquelle les modèles sont créés.

Réponse

Vous pouvez sélectionner une expérience à utiliser en tant que contrôle lors de la création d’une Automated Personalization (Personnalisation automatisée) ou d’une activité de ciblage automatique.

Cette fonctionnalité vous permet d’acheminer l’ensemble du trafic de contrôle vers une expérience spécifique, en fonction du pourcentage d’affectation du trafic configuré dans l’activité. Vous pouvez ensuite évaluer les rapports de performances du trafic personnalisé par rapport au trafic de contrôle vers cette expérience.

Pour plus d’informations, voir Utilisation d’une expérience spécifique comme contrôle.

Réponse

Adobe ne recommande pas de modifier la mesure d’objectif au cours d’une activité. Bien qu’il soit possible de modifier la mesure d’objectif au cours d’une activité à l’aide de l’interface utilisateur de Target, vous devez toujours démarrer une nouvelle activité. Adobe ne garantit pas ce qui se produit si vous modifiez la mesure d’objectif dans une activité après son exécution.

Cette recommandation s’applique aux activités Auto-Allocate, Auto-Target et Automated Personalization qui utilisent Target ou Analytics (A4T) comme source de création de rapports.

Réponse

Il n’est pas recommandé d’utiliser l’option Reset Report Data pour les activités Auto-Target. Bien qu’elle supprime les données de rapports visibles, cette option ne supprime pas tous les enregistrements d’identification du modèle de Auto-Target. Au lieu d’utiliser l’option Reset Report Data pour les activités Auto-Target, créez une activité et désactivez l’activité d’origine.

Ces orientations s’appliquent également aux activités de Auto-Allocate et de Automated Personalization.

Réponse

Target crée un modèle par expérience. La suppression d’une expérience signifie donc que crée Target un modèle de moins et que cela n’affecte pas les modèles des autres expériences.

Supposons, par exemple, que vous ayez une activité Auto-Target avec huit expériences et que vous ne soyez pas satisfait des performances d’une expérience. Vous pouvez supprimer cette expérience sans que cela n’affecte les modèles des sept expériences restantes.

Suggestions de dépannage

Plusieurs modifications de configuration de l’activité peuvent réduire le temps prévu pour créer des modèles, notamment le nombre d’expériences dans votre activité Auto-Target, le trafic sur votre site et votre mesure de succès sélectionnée.

Solution : passez en revue la configuration de votre activité et vérifiez si vous êtes prêt à apporter des modifications pour accélérer la création des modèles.

• Si votre mesure de succès est définie sur RPV, pouvez-vous passer à la conversion ? Les activités de conversion tendent à exiger moins de trafic pour compiler des modèles. Vous ne perdrez pas les données d’activité si vous modifiez le critère de mesure de succès en passant du RPV à la conversion.
• Votre mesure de succès est-elle située loin en arrière dans l’entonnoir de vente par rapport aux expériences de votre activité ? Un taux de conversion d’activité inférieur augmente les exigences de trafic nécessaires à la création des modèles, car un nombre minimum de conversions est requis.
• Y a-t-il des expériences que vous pouvez supprimer de votre activité ? La réduction du nombre d’expériences dans une activité réduit le temps de création de modèles.
• Existe-t-il une page à trafic élevé sur laquelle cette activité serait plus efficace ? Plus il y a de trafic et de conversions dans les emplacements de vos activités, plus les modèles sont créés rapidement.

Suggestions de dépannage

Quatre facteurs sont requis pour qu’une activité Auto-Target génère une effet élévateur :

• Les offres doivent être suffisamment différentes pour influencer les visiteurs.
• Les offres doivent être situées à un emplacement qui fait la différence par rapport à l’objectif d’optimisation.
• Le trafic et la « puissance » statistique de l’activité doivent être suffisants dans le test pour permettre de détecter l’effet élévateur.
• L’algorithme de personnalisation doit fonctionner correctement.

Solution : tout d’abord, assurez-vous que votre activité personnalise le trafic. Si des modèles ne sont pas créés pour toutes les expériences, votre activité de Auto-Target continue de servir de manière aléatoire une partie significative des visites afin de tenter de créer tous les modèles le plus rapidement possible. Si les modèles ne sont pas créés, Auto-Target ne personnalise pas le trafic.

Ensuite, assurez-vous que les offres et les emplacements des activités font réellement la différence sur les taux de réponse globaux à l’aide d’un test A/B simple et non personnalisé. Assurez-vous de calculer les tailles d’échantillon à l’avance, de manière à garantir que la puissance est suffisante pour détecter un effet élévateur raisonnable et d’exécuter le test A/B pendant une durée déterminée sans l’arrêter ni y apporter de modifications. Si les résultats d’un test A/B montrent une augmentation statistiquement significative sur une ou plusieurs expériences, il est probable qu’une activité personnalisée fonctionne. Personalization peut fonctionner même s’il n’existe aucune différence dans les taux de réponse globaux des expériences. En règle générale, le problème provient du fait que les offres et les emplacements n’ont pas un impact suffisamment important sur l’objectif d’optimisation pour être détectés avec une signification statistique.

Suggestions de dépannage

Ce comportement est attendu.

Dans une activité Auto-Target, une fois qu’une mesure de conversion (objectif d’optimisation ou objectif post) est convertie, l’utilisateur est libéré de l’expérience et l’activité est redémarrée.

Par exemple, il existe une activité avec une mesure de conversion (C1) et une autre mesure (A1). A1 dépend de C1. Lorsqu’un visiteur entre dans l’activité pour la première fois et que les critères de conversion de A1 et C1 ne sont pas convertis, la mesure A1 n’est pas convertie en raison de la dépendance de la mesure de succès. Si le visiteur convertit C1, puis convertit A1, A1 n’est toujours pas converti, car lorsque C1 est converti, le visiteur est libéré.