[Premium]{class="badge positive" title="Voir ce qui est inclus dans Target Premium."}
Chargement de données pour les algorithmes de personnalisation Target
Les données hors ligne, telles que les informations CRM ou les scores de propension à l’attrition client, peuvent s’avérer extrêmement précieuses lors de la création de modèles de personnalisation dans des activités Adobe Target Automated Personalization (AP) et Auto-Target.
Il existe plusieurs façons de saisir des données dans Automated Personalization (AP) et de Auto-Target des algorithmes de personnalisation. Outre les méthodes de la section Méthodes pour importer des données dans Target, Experience Cloud audiences partagées (Adobe Analytics, Audience Manager) et les audiences de création de rapports en activité sont également utilisées dans les algorithmes de Target.
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.
Bonnes pratiques section_DE96C7B7D114491DBB67FB5B7DA3D37B
La liste suivante présente les bonnes pratiques pour le chargement de données pour les algorithmes de personnalisation Target :
- Plus les données disponibles pour Target les algorithmes de personnalisation sont de haute qualité, meilleure est la qualité des modèles résultants dans vos activités de Automated Personalization et de Auto-Target.
- Limitez l’utilisation d’attributs ou de scripts de profil multiples servant le même objectif.
- Ne transmettez pas d’ID unique, tel qu’un ID de session si nécessaire.
- Vérifiez les données que Target collecte automatiquement ( collecte de données pour les algorithmes Personalization de Target) afin de ne pas envoyer d’informations en double. Par exemple, Target utilise des adresses IP pour déterminer les codes postaux des visiteurs. Il n’est pas nécessaire de transmettre ces informations sous la forme d’une variable distincte.
- Ne transmettez pas plusieurs valeurs dans le même attribut ou la même variable. Si plusieurs variables sont concaténées, Target algorithmes de personnalisation traitent chaque chaîne comme une valeur unique, ce qui réduit la valeur des informations à personnaliser.
- Utilisez une convention de nommage mémorisable et significative pour rendre vos rapports Personalization Insights plus compréhensibles.