Rapporto di riepilogo del Targeting automatico

Le varie righe della tabella consentono di comprendere le prestazioni dell’attività.

• Le prime due righe della tabella nella pagina del rapporto mostrano i risultati di un test A/B tra i visitatori che sono stati assegnati al controllo (cioè esperienze servite in modo casuale) e i visitatori che sono stati assegnati all'algoritmo di personalizzazione. Con queste informazioni è possibile misurare la modalità di esecuzione dell'algoritmo di personalizzazione rispetto al controllo fornito in modo casuale.
• Le righe restanti mostrano risultati a livello di esperienza. Per ogni esperienza, c'è un confronto tra la risposta media dei visitatori di cui è stata mostrata l'esperienza come un controllo fornito in modo casuale e la risposta media dei visitatori di cui è stata mostrata l'esperienza utilizzando l'algoritmo di personalizzazione.

L'icona di controllo verde accanto a ogni esperienza nel rapporto indica che per quell'esperienza è stato generato un modello di apprendimento automatico personalizzato. L'icona dell'orologio indica che non è stato fornito abbastanza traffico per generare il modello.

• Poiché il modello è generato a livello di esperienza, è possibile che un modello abbia il controllo verde per alcune esperienze e l'icona dell'orologio per altre.
• In questo caso, per aumentare la velocità dell'attività con modelli generati per tutte le esperienze, il traffico aggiuntivo viene inviato a esperienze con modelli non generati.
• Ci devono essere almeno due esperienze con modelli generati (segno di spunta verde) affinché inizi la personalizzazione.

Confrontare il tasso di conversione dell'esperienza A con quello dell'esperienza B non è il confronto corretto in Auto-Target. La domanda è se l'esperienza A funziona meglio quando viene fornita in modo intelligente rispetto a un modo casuale (in altre parole, rispetto al controllo). Gli addetti al marketing dovrebbero anche usare cautela nell'interpretazione degli incrementi di esperienze individuali, perché l'algoritmo di personalizzazione tenta di ottimizzare secondo la metrica di successo su tutta l'attività, non su ogni singola esperienza.

Le esperienze con l'incremento maggiore possono essere considerate come quelle che presentano la più alta differenziazione all'interno della popolazione. Questo è l'algoritmo che ha trovato un segmento che piace di più a quella particolare esperienza.

Le varie colonne della tabella mostrano il numero di visite, il tasso di conversione, l’incremento medio e il livello di affidabilità e l’affidabilità. Per ulteriori informazioni, vedere Calcoli statistici nei test A/B.