Auto-Target Summary report

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

• Le prime due righe della tabella nella pagina del reporting mostrano i risultati di un test A/B tra i visitatori che sono stati assegnati al controllo (ovvero, esperienze servite in modo casuale) e i visitatori che sono stati assegnati all’algoritmo di personalizzazione. Queste informazioni possono essere utilizzate per misurare le prestazioni 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.
• Affinché la personalizzazione possa iniziare, devono essere presenti almeno due esperienze con modelli generati (segno di spunta verde).

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. In altre parole, l'algoritmo ha trovato il segmento che più piace 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.