[Premium]{class="badge positive" title="Voir ce qui est inclus dans Target Premium."}
Automated Personalization (AP)
Les activités Automated Personalization (AP) dans Adobe Target combinent des offres ou des messages et utilisent le machine learning avancé pour faire correspondre différentes variations d’offre à chaque visiteur en fonction de son profil client individuel afin de personnaliser le contenu et d’améliorer son expérience.
De même qu’Auto-Target, Automated Personalization utilise un algorithme Forêt aléatoire, une méthode d’ensemble de science des données de premier plan, comme principal algorithme de personnalisation pour déterminer la meilleure expérience à montrer à un visiteur. Automated Personalization peut s’avérer utile lors de la phase de découverte des tests. Elle permet également à l’apprentissage automatique de déterminer le contenu le plus efficace lors du ciblage de différents visiteurs. Avec le temps, l’algorithme apprend à effectuer des prédictions plus efficaces et affiche le contenu le plus à même de satisfaire vos objectifs.
Pour plus d’informations sur les différences entre Automated Personalization et Auto-Target, consultez Ciblage automatique.
Les marketeurs implémentent un fichier sur leur site, ce qui leur permet de pointer et de cliquer sur n’importe quel contenu, puis de créer et sélectionner visuellement des options de contenu supplémentaires pour cette zone à l’aide du Visual Experience Composer (VEC). Ensuite, l’algorithme détermine automatiquement quel élément de contenu diffuser pour chaque visiteur individuel en fonction de toutes les données de comportement détenues par le système sur le visiteur, offrant ainsi une expérience personnalisée. Comme Automated Personalization peut s’adapter aux changements de comportement des visiteurs et des visiteuses, il peut être exécuté sans date de fin définie pour fournir un effet élévateur et une personnalisation continus. Ce mode est parfois appelé « toujours activé ». Ainsi, le spécialiste du marketing n’a pas besoin d’exécuter un test et d’analyser les résultats avant de diffuser le meilleur contenu sans réaliser l’effet élévateur de l’optimisation (l’ordre des opérations standard pour mettre en œuvre le résultat d’une activité A/B standard).
Les termes suivants sont utiles pour aborder le Automated Personalization :
Tenez compte des détails suivants lors de l’utilisation de Automated Personalization :
Automated Personalization utilise un algorithme Forêt aléatoire pour personnaliser
Random Forest est une approche d'apprentissage automatique de premier plan. En termes de science des données, il s’agit d’une méthode de classification ou de régression d’ensemble qui fonctionne en construisant de nombreux arbres de décision en fonction des attributs du visiteur et de la visite. Dans Target, Random Forest est utilisé pour déterminer quelle expérience devrait avoir la plus forte probabilité de conversion (ou le revenu le plus élevé par visite) pour chaque visiteur spécifique. Par exemple, les visiteurs qui utilisent Chrome, qui sont des membres fidèles Gold et qui accèdent à votre site le mardi peuvent être plus susceptibles de convertir avec l’expérience A. Les visiteurs New Yorkais peuvent être plus susceptibles de convertir avec l’expérience B. Pour plus d’informations sur Forêt aléatoire dans Target, voir Algorithme de forêt aléatoire.
Le modèle de personnalisation s’optimise pour chaque visite
- L’algorithme prédit la probabilité de conversion d’un visiteur (ou le chiffre d’affaires estimé provenant de la conversion) pour lui offrir la meilleure expérience.
- Un visiteur est éligible à une nouvelle expérience à la fin d’une session existante, sauf s’il se trouve dans la population témoin. Si le visiteur se trouve dans la population témoin, l’expérience qu’il voit lors de sa première visite est la même que lors des visites suivantes.
- L’expérience présentée ne change pas au cours d’une session afin de maintenir la cohérence visuelle.
Le modèle de personnalisation s’adapte aux changements de comportement des visiteurs
- Le bandit à plusieurs bras garantit que le modèle « dépense » toujours une petite fraction du trafic pour continuer à apprendre tout au long de la vie de l’activité et pour éviter 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 s’assurer que Target utilise toujours les préférences changeantes des visiteurs.
- Si l’algorithme ne peut pas déterminer les expériences gagnantes pour les visiteurs individuels, 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.
Le modèle optimise en permanence une seule mesure d’objectif
- Cette mesure peut être basée sur la conversion ou sur le chiffre d’affaires (plus précisément, Revenue per Visitor).
Target collecte automatiquement des informations sur les visiteurs afin de créer les modèles de personnalisation
- Pour plus d’informations sur les attributs utilisés dans Auto-Target et Automated Personalization, voir Collecte de données Automated Personalization.
Target utilise automatiquement toutes Adobe Experience Cloud audiences partagées pour créer des modèles de personnalisation
- Vous n’avez rien à faire de spécifique 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 charger des données hors ligne, des scores de propension ou d’autres données personnalisées pour créer des modèles de personnalisation
Les données hors ligne, telles que les informations de gestion de la relation client (CRM) ou les scores de propension à l’attrition des clients, peuvent s’avérer incroyablement précieuses lors de la création de modèles de personnalisation. Il existe plusieurs façons de saisir des données dans Automated Personalization (AP) et de Auto-Target des algorithmes de personnalisation.
Pour plus d’informations sur les données automatiquement collectées et utilisées par les algorithmes de personnalisation Automated Personalization et Auto-Target, voir Collecte de données Automated Personalization.
Vidéo de formation : Types d’activités
Cette vidéo explique les types d’activités disponibles dans Target. Automated Personalization est discuté à partir de 5:55.
- Décrire les types d’activités inclus dans Adobe Target
- Sélectionner le type d’activité approprié pour atteindre vos objectifs
- Décrire le processus assisté en trois étapes qui s’applique à tous les types d’activités