Domande frequenti su Automated Personalization

• Se desideri personalizzare una pagina a traffico ridotto o apportare modifiche strutturali all'esperienza che stai personalizzando, puoi utilizzare un'attività Auto-Target invece di Automated Personalization. Vedi Targeting automatico.

• Prendere in considerazione il completamento di un'attività A/B Test tra le offerte e le posizioni che si prevede di utilizzare nell'attività Automated Personalization per assicurarsi che la posizione e le offerte abbiano un impatto sull'obiettivo di ottimizzazione. Se un'attività A/B Test non riesce a dimostrare una differenza significativa, è probabile che anche Automated Personalization non riesca a generare un incremento.

  • Se un test A/B…N non mostra differenze statisticamente significative tra le esperienze, una o più delle seguenti situazioni è probabilmente responsabile:

    • È probabile che le offerte non siano sufficientemente diverse tra loro.
    • Le posizioni selezionate non influiscono sulla metrica di successo.
    • L’obiettivo di ottimizzazione è troppo lontano nel funnel di conversione per essere influenzato dalle offerte scelte.

• Assicurati di utilizzare il Calcolatore del traffico per capire quanto tempo ci vuole per la generazione dei modelli di personalizzazione nell'attività Automated Personalization.

• Decidi l’allocazione tra il controllo e il targeting prima di iniziare l’attività, in base ai tuoi obiettivi.

  Esistono tre scenari da considerare in base all’obiettivo dell’attività e al tipo di controllo selezionato:

  • Controllo: esperienze casuali; obiettivo dell'attività: testare l'efficacia dell'algoritmo di personalizzazione: se l'obiettivo è quello di valutare l'algoritmo di personalizzazione, è necessario avere un'immagine più precisa dell'incremento. Inoltre, è molto probabile che si voglia confrontare il tasso di conversione per le esperienze o le offerte se si è semplicemente fatto un A/B Test (un controllo fornito in modo casuale). In tal caso, si consiglia di utilizzare un’allocazione del 50% a un controllo composto da esperienze distribuite in modo casuale.
  • "Esperienze casuali" come controllo e l'obiettivo dell'attività è quello di massimizzare il traffico personalizzato: se l'algoritmo va bene e desideri che la quantità massima di traffico sia personalizzata, si consiglia di allocare al controllo dal 10% al 30% del traffico. Il compromesso qui è la precisione che vedete nelle informazioni sull'incremento. Gli intervalli di affidabilità del traffico di controllo sono più ampi perché il traffico verso di essi scorre meno.
  • Controllo: esperienza specifica; entrambi i tipi di obiettivo: se desideri confrontare con i modelli di personalizzazione un’esperienza specifica definita dagli esperti di marketing, si consiglia di allocare al controllo dal 10% al 30% del traffico. Quando selezioni una sola esperienza come controllo, tale traffico non viene distribuito su ogni offerta o esperienza nell’attività.

• Le regole di targeting devono essere utilizzate con la massima parsimonia possibile perché possono interferire con la capacità di ottimizzazione del modello.

• I gruppi di reporting possono limitare il successo dell'attività Automated Personalization. Utilizza i gruppi di reporting solo in determinate condizioni:

  • Utilizza i gruppi di reporting solo se sono soddisfatte le seguenti condizioni:

    • Pianifica la sostituzione o l’aggiunta di nuove offerte mentre l’attività è in esecuzione.
    • Le offerte nel gruppo di reporting si rivolgono agli stessi visitatori.
    • Le offerte in quel gruppo di reporting hanno circa lo stesso tasso di risposta complessivo.

  • Non esiste alcuna personalizzazione tra le offerte di un gruppo di reporting. Le offerte vengono tutte trattate come tali dal modello di personalizzazione.

  • Non mettere mai tutte le offerte di un’attività in un singolo gruppo di rapporti. In questo modo tutte le offerte vengono distribuite in modo casuale e uniforme a tutti i visitatori nell’attività.

Target ha un limite massimo di 30.000 esperienze, ma funziona al meglio quando vengono create meno di 10.000 esperienze.

Lo stesso limite viene applicato anche quando l'attività ha abilitato l'opzione Disalow Duplicates.

Per ulteriori informazioni sui limiti dei caratteri e altri limiti (dimensioni dell'offerta, pubblico, profili, valori, parametri e così via) che influiscono sulle attività e su altri elementi in Target, vedere Limiti.

Sono necessari quattro fattori affinché un'attività Automated Personalization generi incremento:

• Le offerte in ogni posizione devono essere sufficientemente diverse da influenzare i visitatori.
• Le posizioni devono essere qualcosa che faccia la differenza per l’obiettivo di ottimizzazione.
• L’attività deve avere traffico e potenza statistica tali da consentire il rilevamento di un incremento.
• L’algoritmo di personalizzazione deve funzionare bene.

La migliore linea di azione è di assicurarsi in primo luogo che i contenuti e le posizioni che compongono le esperienze di attività facciano davvero una differenza per i tassi di risposta generali utilizzando una semplice attività A/B Test non personalizzata. Calcola le dimensioni del campione in tempo per assicurarti che sia possibile visualizzare un incremento ragionevole ed esegui il test A/B per una durata fissa senza interruzioni né modifiche. Se i risultati del test A/B mostrano un incremento statisticamente significativo su una o più esperienze, è probabile che un’attività personalizzata abbia esito positivo. Personalization può funzionare anche se non ci sono differenze nei tassi di risposta generali delle esperienze. In genere, il problema deriva dal fatto che le offerte o le posizioni non hanno un impatto sufficiente sull’obiettivo di ottimizzazione da rilevare con significatività statistica.

Per ulteriori informazioni, consulta Risoluzione dei problemi relativi alla personalizzazione automatica.

Automated Personalization indirizza i visitatori all'esperienza con la metrica di successo più elevata in base ai modelli di Foresta casuale più recenti generati per ciascun modello. Questa previsione si basa sulle informazioni specifiche del visitatore e sul contesto di visita.

Si supponga, ad esempio, che un'attività Automated Personalization abbia due posizioni con due offerte ciascuna. Nella prima posizione, l’offerta A ha un tasso di conversione previsto del 3% per un visitatore specifico e l’offerta B ha un tasso di conversione previsto dell’1%. Nella seconda posizione, l’offerta C ha un tasso di conversione previsto del 2% per lo stesso visitatore e l’offerta D ha un tasso di conversione previsto del 5%. Pertanto, Automated Personalization offre al visitatore un'esperienza con l'offerta A e l'offerta D.

Esamina la configurazione dell’attività e osserva se sei disposto a apportare modifiche per migliorare la velocità di generazione dei modelli.

• La metrica del successo è molto in basso nel funnel di vendita dalle esperienze dell’attività? Con un tasso di conversione basso, la generazione dei modelli richiederà più traffico poiché è necessario un numero minimo di conversioni.
• Se la metrica di successo è impostata su RPV, è possibile modificare la conversione? Le attività di conversione tendono a richiedere meno traffico per la generazione dei modelli.
• Puoi eliminare alcune esperienze dalla tua attività? La riduzione del numero di esperienze in un’attività velocizza il tempo necessario per creare modelli.
• Esiste una pagina con traffico più elevato in cui questa attività avrebbe più successo? Maggiore è il traffico e le conversioni nelle posizioni di attività, più rapidi saranno i modelli generati.

Adobe non consiglia di modificare la metrica obiettivo a metà strada in un'attività. Anche se è possibile modificare la metrica dell’obiettivo durante un’attività utilizzando l’interfaccia utente Target, è sempre necessario avviare una nuova attività. Adobe non forniscono alcuna garanzia su ciò che accade se si modifica la metrica obiettivo in un'attività dopo l'esecuzione.

Questo consiglio si applica alle attività Auto-Allocate, Auto-Target e Automated Personalization che utilizzano Target o Analytics (A4T) come origine per la generazione di rapporti.