自動配分の概要

An 自動配分 アクティビティ Adobe Target では、2 つ以上のエクスペリエンスの中から勝者を特定し、自動的にその勝者に配分するトラフィックを増やすことでコンバージョンを促進します。その間もテストによる学習は続けられます。

While A/B アクティビティの作成 3 ステップのガイドによるワークフローを使用して、 最良のエクスペリエンスに自動配分 オプションを ターゲット設定 ページ（手順 2）の説明です。

課題 section_85D5A03637204BACA75E19646162ACFF

標準的な A/B テストには、固有のコストがあります。各エクスペリエンスのパフォーマンスを測定するためにトラフィックを費やす必要があり、分析を通じて勝者エクスペリエンスを見つけ出す必要があります。トラフィックの配分は、一部のエクスペリエンスが他よりもパフォーマンスに優れているとわかった後でも、固定されたままです。また、サンプルサイズの計算が複雑で、アクティビティは、勝者に対して働きかけられるようになる前に全コースを実行する必要があります。また、特定された勝者が真の勝者でない可能性もあります。

解決策は次のとおりです。 自動配分 section_98388996F0584E15BF3A99C57EEB7629

An 自動配分 「 」アクティビティを使用すると、勝者エクスペリエンスを決定する際のコストとオーバーヘッドが削減されます。 自動配分では、すべてのエクスペリエンスの目標指標パフォーマンスを監視し、パフォーマンスの高いエクスペリエンスに、パフォーマンスの高さに応じて多くの新規参加者を送ります。他のエクスペリエンスを調査するのに十分なトラフィックが予約されます。学習と平行してアクティビティの最適化を実行中であっても、結果に対するテストのメリットを確認できます。

自動配分は、アクティビティが終了して勝者が決まるまで待たずに、訪問者を徐々に勝者エクスペリエンスに近づけます。成功していないエクスペリエンスに送られたアクティビティ参加者は勝者エクスペリエンスの可能性を示しているので、より迅速に上昇するメリットが得られます。

での通常の A/B テスト Target は、対抗と対照の一対比のみを表示します。 例えば、アクティビティにエクスペリエンス A、B、C、D があり、A がコントロールである場合、通常 Target A/B テストでは、A 対 B、A 対 C、A 対 D が比較されます。

このようなテストでは、 Target、 ウェルチ t 検定 p 値ベースの信頼性を生み出すために使用します。 その後、この信頼値を使用して、対抗が対照と十分に異なるかどうかを特定します。しかし、 Target は、「最良」のエクスペリエンスを見つけるのに必要な暗黙の比較（B と C、B と D、C と D）を自動的に実行しません。 その結果、マーケティング担当者は、「最良の」エクスペリエンスを判断するために結果を手動で分析する必要があります。

自動配分は、エクスペリエンス全体に対してすべての暗黙の比較を実行し、「真」の勝者を見つけます。このテストには「対照」エクスペリエンスという概念がありません。

自動配分 最良のエクスペリエンスの信頼区間が他のエクスペリエンスの信頼区間と重複しなくなるまで、新しい訪問者をエクスペリエンスにインテリジェントに配分します。 通常、このプロセスで偽陽性が生成される可能性がありますが、 自動配分 は、 ベルンシュタインの不等式 繰り返された評価を補正する この時点で、真の勝者が存在します。 条件 自動配分 が停止し、ページに到達する訪問者に大きな時間依存性がない場合、少なくとも 95%の確率でが発生します。 自動配分 真の応答が勝者エクスペリエンスの真の応答よりも 1%（相対）も低いエクスペリエンスを返します。

使用するタイミング 自動配分 対比 A/B テスト または Automated Personalization アクティビティ section_3F73B0818A634E4AAAA60A37B502BFF9

の主なメリット 自動配分 section_0913BF06F73C4794862561388BBDDFF0

用語 section_670F8785BA894745B43B6D4BFF953188

次の用語は、 自動配分:

マルチアームバンディット： ​マルチアームバンディットは、調査学習とその学習の活用のバランスを最適化するためのアプローチです。

アルゴリズムの仕組み section_ADB69A1C7352462D98849F2918D4FF7B

背後にある全体的なロジック 自動配分 は、累積データの測定されたパフォーマンス（コンバージョン率など）と信頼区間の両方を組み込みます。 トラフィックがエクスペリエンス間で均等に分割される標準的な A/B テストとは異なり、 自動配分 エクスペリエンス間のトラフィックの配分を変更します。

マルチアームバンディットアプローチでは、パフォーマンスの良いエクスペリエンスを活用している間も、一部のエクスペリエンスを自由に調査できるようにしておきます。変化する状況に対応する能力を維持しながら、より多くの新規訪問者がパフォーマンスのより優れたエクスペリエンスに配置されます。最新のデータを反映するために、これらのモデルは少なくとも 1 時間に 1 回更新されます。

より多くの訪問者がアクティビティに入るにしたがって、一部のエクスペリエンスの成功率が向上し始め、より多くのトラフィックが成功エクスペリエンスに送られます。すべてのエクスペリエンスを調査するために、トラフィックの 20％が、引き続きランダムに配分されます。パフォーマンスの低いエクスペリエンスの 1 つのパフォーマンスが向上し始めると、そのエクスペリエンスに配分されるトラフィックが増えます。一方、パフォーマンスの高いアクティビティの成功率が低下すると、そのエクスペリエンスに配分されるトラフィックは少なくなります。例えば、あるイベントが原因で訪問者がサイト上で異なる情報を期待している場合と小売サイトで週末セールを期待している場合で、異なる結果が提供されます。

次の図は、4 つのエクスペリエンスを含むテスト（クリックして図を展開）中にアルゴリズムがどのように実行するかを示しています。

{width="600" modal="regular"}

この図は、明確な勝者が決定されるまで、複数ラウンドのアクティビティの有効期間にわたって各エクスペリエンスに配分されるトラフィックがどのように変化するかを示しています。

次の期間の後 自動配分 アクティビティがアクティブ化されると、Tar から次の操作が実行されます。get UI は許可されていません：

自動配分の仕組みを見る

詳しくは、 自動配分を使用すると、手動のテストよりも迅速なテスト結果と高い売上高を得ることができます.

注意事項 section_5C83F89F85C14FD181930AA420435E1D

を使用する際は、次の情報を考慮してください。 自動配分:

The 自動配分 機能は、1 つの詳細指標設定でのみ機能します。 カウントを増分、アクティビティでユーザーを保持

次の詳細指標設定はサポートされていません。 カウントを増分, リリースユーザ, 再入場を許可し、カウントを増分、および 再入場を許可しないユーザーとバーをリリース.

頻繁な再訪問者は、エクスペリエンスのコンバージョン率を水増しさせる可能性があります。

エクスペリエンス A を表示した訪問者が頻繁に再訪し、複数回のコンバージョンをおこなうと、エクスペリエンス A のコンバージョン率（CR）は、人為的に増加します。この結果を、訪問者がコンバージョンしたが頻繁に再訪しないエクスペリエンス B と比較します。 その結果、エクスペリエンス A の CR はエクスペリエンス B の CR よりも見た目が良いので、新規訪問者は B よりも A に割り当てられる可能性が高くなります。参加者ごとに 1 回カウントするように選択した場合、A の CR と B の CR が同じになる可能性があります。

再訪問者がランダムに配分されると、そのコンバージョン率への影響は、より安定する傾向があります。この効果を軽減させるには、目標指標のカウント方法を参加者あたり 1 回のみに変更することを検討します。

パフォーマンスの低いものからではなく、パフォーマンスの高いものから区別する。

自動配分は、パフォーマンスの高いエクスペリエンスの間で区別する（そして勝者を見つける）のが得意です。パフォーマンスの低いエクスペリエンスの間での十分な区別がないこともあり得ます。

すべてのエクスペリエンスで統計的に有意な差異を生み出す場合は、手動のトラフィック配分モードの使用を検討する必要があります。

時間相関のある（または文脈が変化する）コンバージョン率は、配分量をゆがめる可能性がある。

すべてのエクスペリエンスに等しく影響するので、標準の A/B テストで無視できる要因は、 自動配分 アクティビティ。 そのアルゴリズムは、観測されたコンバージョン率に敏感です。

次に、エクスペリエンスのパフォーマンスに不平等に影響する可能性のある要因の例を示します。

よくある質問 section_0E72C1D72DE74F589F965D4B1763E5C3

を使用する際は、次の FAQ と回答を参照してください 自動配分 アクティビティ：

実行 Analytics for Target (A4T) サポート 自動配分 アクティビティ？

はい。詳しくは、A4T での自動配分および自動ターゲットアクティビティのサポートを参照してください。

再訪問者は、自動的にパフォーマンスの高いエクスペリエンスに再配分されますか？

いいえ。新規訪問者のみが自動的に配分されます。A/B テストの有効性を保護するために、再訪問者は引き続き元のエクスペリエンスを確認します。

アルゴリズムでは、偽陽性をどのように扱いますか？

勝者バッジが表示されるまで待った場合、アルゴリズムは 95 ％の信頼性または 5 ％の偽陽性率を保証します。

その条件 自動配分 トラフィックの配分を開始しますか？

アクティビティのすべてのエクスペリエンスに 1,000 人以上の訪問者と 50 回以上のコンバージョンがあれば、アルゴリズムが機能し始めます。

アルゴリズムは、どれくらい積極的に活用しますか？

トラフィックの 80%が 自動配分 トラフィックの 20%がランダムに提供されます。 勝者が特定されると、トラフィックの 80%が勝者に配分され、すべてのエクスペリエンスが、勝者エクスペリエンスを含む 20%の一部のトラフィックを引き続き獲得します。

そもそも失敗エクスペリエンスは表示されますか？

はい。マルチアームバンディットでは、すべてのエクスペリエンスにわたる変更のパターンまたはコンバージョン率を調査するために、トラフィックの少なくとも 20 ％が予約されます。

長時間のコンバージョンの遅延があるアクティビティはどうなりますか？

最適化されたすべてのエクスペリエンスが同じ遅延に直面する限り、動作は、より高速なコンバージョンサイクルのアクティビティと同じです。ただし、トラフィック配分処理が開始されるまでに、50 のコンバージョンしきい値に達するまでに時間がかかります。

の仕組み 自動配分 ～とは異なる Automated Personalization?

自動パーソナライゼーションは、各訪問者のプロファイル属性を使用して、最良のエクスペリエンスを判定します。その際に、そのユーザーのアクティビティを最適化するだけでなく、パーソナライズします。

自動配分一方、は、勝者全体（最も人気のあるエクスペリエンスですが、必ずしも各訪問者にとって最も効果的なエクスペリエンスとは限りません）を生成する A/B テストです。

再訪問者は、成功指標のコンバージョン率を水増しさせますか？

現在、ロジックは、コンバージョンが迅速な訪問またはより頻繁な訪問をおこなう訪問者を優先します。これは、その訪問者が属するエクスペリエンスの全体的なコンバージョン率を一時的に水増しするからです。 アルゴリズム自体は頻繁に調整されるので、コンバージョン率の増加は、各スナップショットで増幅されます。サイトに多数の再訪問者が訪れた場合、そのコンバージョンによって、その訪問者が属するエクスペリエンスの全体的なコンバージョン率が水増しされる可能性があります。 再訪問者がランダムに配分される可能性は高く、この場合、集計の効果（増加した上昇率）は安定します。この効果を軽減させるには、成功指標のカウント方法を参加者あたり 1 回のみに変更することを検討します。

サンプルサイズ計算ツールは、 自動配分 アクティビティでの勝者の特定にかかる時間を見積もるには、どうすればよいですか？

既存の Adobe Target サンプルサイズ計算ツール をクリックして、テストの実行時間を予測します。 （従来の A/B テストと同様に、2 つ以上のオファーや複数のコンバージョン指標/仮説をテストする場合は、ボンフェローニ補正を適用します）。 この計算ツールは、従来の固定地平線 A/B テスト用に設計されており、見積もりのみを提供します。 計算ツールを使用した 自動配分 アクティビティはオプションです。 自動配分 が勝者を宣言します。 テスト結果を見るために、特定の時点を選択する必要はありません。 指定された値は、常に統計的に有効です。

内部 Adobe 実験では、次のことが見つかりました。

パフォーマンスの低いエクスペリエンスを 自動配分 アクティビティを使用して、勝者を決定するプロセスを迅速化しますか？

パフォーマンスの低いエクスペリエンスを削除する理由は本当にありません。 自動配分 パフォーマンスの高いエクスペリエンスをより頻繁に提供し、パフォーマンスの低いエクスペリエンスをあまり提供しません。 パフォーマンスの低いエクスペリエンスをアクティビティに残しても、勝者を決定する速度に大きく影響することはありません。

訪問者の 20% は、すべてのエクスペリエンスにランダムに配分されます。パフォーマンスの低いエクスペリエンスに提供されるトラフィックの量は最小（20%をエクスペリエンス数で割った値）です。

目標指標を 自動配分 アクティビティ？ change-metric

Adobe では、アクティビティの途中で目標指標を変更することはお勧めしません。 Target UI を使用したアクティビティ中に目標指標を変更することは可能ですが、常に新しいアクティビティを開始する必要があります。Adobe では、実行後にアクティビティの目標指標を変更した場合の動作は保証されません。

このレコメンデーションは、自動配分、自動ターゲット、Automated Personalization の各アクティビティで、レポートソースとしてTargetまたはAnalytics（A4T）を使用します。

自動配分アクティビティの途中で、レポートソースを変更できますか？ change-reporting

Adobe では、アクティビティの途中でレポートソースを変更することはお勧めしません。 レポートソースは ( Target （A4T へのアクセスや A4T へのアクセスなど） Target UI では、常に新しいアクティビティを開始する必要があります。 Adobe では、実行後にアクティビティのレポートソースを変更した場合の動作は保証されません。

このレコメンデーションは、自動配分、自動ターゲット、Automated Personalization の各アクティビティで、レポートソースとしてTargetまたはAnalytics（A4T）を使用します。

使用できる レポートデータをリセット オプションを使用して 自動配分 アクティビティ？

の使用 レポートデータをリセット のオプション 自動配分 アクティビティは推奨されません。 表示されるレポートデータは削除されますが、このオプションを選択しても、 自動配分 モデル。 を使用する代わりに、 レポートデータをリセット のオプション 自動配分 アクティビティを作成し、新しいアクティビティを作成して、元のアクティビティを非アクティブ化します。 ( このガイダンスは、 自動ターゲット および Automated Personalization アクティビティ )

方法 自動配分 環境に関するモデルを構築しますか？

自動配分 は、デフォルト環境でのみ記録されたトラフィックとコンバージョンの行動に基づいてモデルを構築します。 デフォルトでは、 実稼動 はデフォルトの環境ですが、デフォルトの環境は Target (管理/環境) をクリックします。

別の（デフォルト以外の）環境でヒットが発生した場合、デフォルト環境で観測されたコンバージョン動作に従ってトラフィックが分散されます。 そのヒットの結果（コンバージョンまたは非コンバージョン）は、レポート目的で記録されますが、 自動配分 モデル。

別の環境を選択すると、レポートにその環境のトラフィックとコンバージョンが表示されます。 レポートに対してデフォルトで選択される環境は、アカウント全体で選択されるデフォルトの環境です。 デフォルトの環境は、アクティビティごとに設定することはできません。

以下が可能： 自動配分 アクティビティは、テストの過程でルックバックウィンドウを調整し、経時的なトレンドの変化を考慮しますか？

例えば、アクティビティで 9 月の訪問者データ（テストが開始された時期）を見るのではなく、トラフィックの配分方法を決定するために 12 月を考慮することはできますか？

いいえ、 自動配分 は、アクティビティ全体のパフォーマンスを考慮します。

自動配分では、訪問者がアクティビティの資格を得る際に閲覧したものとは異なる勝者エクスペリエンスを再訪問者に表示しますか？

自動配分 はと同じ理由でスティッキー判定を使用します。 A/B テスト アクティビティは定着です。 トラフィックの配分は、新規訪問者に対してのみ機能します。

トレーニングビデオ section_893E5B36DC4A415C9B1D287F51FCCB83

以下のビデオは、この記事で説明した概念についてさらに詳しく説明しています。

アクティビティワークフロー - ターゲット設定（2:14）

このビデオには、トラフィック配分の設定に関する情報が含まれています。

A/B テストの作成(8:36)

このビデオでは、Target で 3 ステップのガイドによるワークフローを使用して A/B テストを作成する方法を説明します。自動配分 の説明は 4:45 から始まります。