自動ターゲット ​に関するFAQとトラブルシューティング

• 訪問当たりの売上高件 （RPV）成功指標のビジネス価値が、追加のトラフィック要件に見合う価値があるかどうかを判断します。 RPV はコンバージョンと違い、アクティビティが機能するためにはエクスペリエンスごとに 1,000 回以上のコンバージョンが必要になるのが一般的です。

• アクティビティを開始する前に、目標を考慮してコントロールエクスペリエンスとパーソナライズされたエクスペリエンスの配分を決めます。

• 自動ターゲット ​ アクティビティが実行されるページへのトラフィックが十分に存在し、パーソナライゼーションモデルが合理的な時間で構築できるかどうかを判断します。

• パーソナライゼーションアルゴリズムをテストする際は、アクティビティがライブ状態の間はエクスペリエンスを変更したり、プロファイル属性を追加または削除したりしないでください。

• 自動ターゲット ​ アクティビティで使用する予定のオファーと場所の間でA/B アクティビティを完了して、場所と場所が最適化目標に影響を与えることを確認することを検討してください。 A/B アクティビティで大幅な違いが示されない場合、自動ターゲット ​も上昇率を生成できない可能性があります。

  A/B テストでエクスペリエンス間に統計的に有意な差が示されなかった場合は、対象のオファーが他と大差ない、選択した場所は成功指標に影響しない、あるいはコンバージョンファネル内の最適化目標が遠すぎて、選択したオファーの効果が及ばないといった可能性が高くなります。

• アクティビティ中にエクスペリエンスに大きな変更を加えないようにしてください。

最適なトラフィック配分の割合は、何を実現したいかによって異なります。

できるだけ多くのトラフィックをパーソナライズすることを目標としている場合は、アクティビティの全期間において、90％のターゲット配分と 10％のコントロールを維持できます。 パーソナライズされたアルゴリズムと対照アルゴリズムを比較する実験を実行することが目標である場合は、アクティビティのライフタイムに対して50/50の割合が最適です。

ベストプラクティスは、訪問者がターゲットエクスペリエンスとコントロールエクスペリエンスを切り替えないように、アクティビティの全期間中、トラフィック配分の割合を維持することです。

自動ターゲット ​ アクティビティで上昇率を生成するには、次の4つの要素が必要です。

• 訪問者に影響が生じるように、オファーに十分な差異を持たせる必要があります。
• 最適化目標に対する影響度が高い場所にオファーを配置する必要があります。
• 上昇率を検出するため、テストに十分なトラフィックと統計的「検出力」が必要です。
• パーソナライゼーションアルゴリズムが適切に機能する必要があります。

まず、パーソナライゼーションをおこなわない簡単な A/B テストを実施して、アクティビティのエクスペリエンスを構成するコンテンツと場所が、全体的な反応率に一定以上の効果をもたらすかどうかを確認することをお勧めします。 事前にサンプルサイズを算出して、信頼できる上昇率を導き出せるだけのトラフィックがあるかを確認し、一定期間 A/B テストを実施します。その間、テストを中断せず、変更も加えません。

A/B テストの結果から、統計的に有意な上昇率を示したエクスペリエンスが見つかったら、パーソナライズされたアクティビティが高い効果を発揮する公算が高いと考えられます。 もちろん、エクスペリエンスの全体的な反応率に差異がなかった場合でも、パーソナライゼーションが効果を発揮する可能性があります。 通常、この問題は、オファーや場所が統計的有意差を持って検出されるほど最適化目標に大きな影響を与えていないことが原因で発生します。

自動ターゲット ​は、常に最適化される「常時稼動」パーソナライゼーションとして使用できます。 特に常緑コンテンツの場合、自動ターゲット ​ アクティビティを停止する必要はありません。

自動ターゲット ​ アクティビティのコンテンツに実質的な変更を加える場合は、レポートを確認する他のユーザーが過去の結果を異なるコンテンツと混同したり関連付けたりしないように、新しいアクティビティを開始することをお勧めします。

自動ターゲット ​ アクティビティでモデルを構築するのにかかる時間は、通常、選択したアクティビティの場所へのトラフィックと、アクティビティの成功指標に関連付けられたコンバージョン率によって異なります。

自動ターゲット ​は、特定のエクスペリエンスのコンバージョンが50個以上になるまで、特定のエクスペリエンスに対してパーソナライズされたモデルの構築を試みません。 さらに、構築されたモデルの品質が不十分な場合（AUC として知られる指標を使用した、ホールドアウト「テスト」データのオフライン評価によって判定される場合）、そのモデルはパーソナライズされた方法でトラフィックを処理するために使用されません。

自動ターゲット ​のモデル構築に関する留意すべき点をいくつか示します。

• アクティビティがライブになると、自動ターゲット ​は、モデルを構築しようとすると、ランダムに提供されたデータの過去45日間を最大で考慮します。 たとえば、コントロールトラフィックに加えて、アルゴリズムが保持するランダムに提供される追加データがあります。
• 訪問当たりの売上高が成功指標である場合、これらのアクティビティでは、通常、コンバージョン率と比較して訪問売上高に通常存在するデータの分散が大きいため、モデルを構築するために多くのデータが必要になります。
• モデルはエクスペリエンスごとに構築されるため、あるエクスペリエンスを別のエクスペリエンスに置き換えると、パーソナライズされたモデルを再構築する前に、新しいエクスペリエンスに対して十分なトラフィック（少なくとも50回のコンバージョン）を収集する必要があります。

Automated Personalization（AP）または自動ターゲット（AT）アクティビティを作成する際に、コントロールとして使用するエクスペリエンスを選択できます。

この機能を使用すると、アクティビティで設定されたトラフィック配分率に基づいて、コントロールトラフィック全体を特定のエクスペリエンスにルーティングできます。 その後、そのエクスペリエンスへのコントロールトラフィックに対するパーソナライズされたトラフィックのパフォーマンスレポートを評価できます。

詳しくは、特定のエクスペリエンスのコントロールとしての使用を参照してください。

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、アクティビティの実行後に目標指標を変更した場合に何が起こるかを保証しません。

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。

自動ターゲット ​ アクティビティに​ レポート データのリセット ​ オプションを使用することは推奨されません。 表示されるレポートデータは削除されますが、このオプションを使用しても、自動ターゲット ​ モデルからすべてのトレーニングレコードが削除されるわけではありません。 自動ターゲット ​ アクティビティに「​ レポート データをリセット ​」オプションを使用する代わりに、新しいアクティビティを作成し、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、自動割り当ておよびAutomated Personalization アクティビティにも適用されます。

Targetはエクスペリエンスごとに1つのモデルを作成するので、1つのエクスペリエンスを削除すると、Targetは1つ少ないモデルを作成し、他のエクスペリエンスのモデルには影響しません。

例えば、8つのエクスペリエンスを含む自動ターゲット ​ アクティビティがあり、1つのエクスペリエンスのパフォーマンスが気に入らないとします。 そのエクスペリエンスを削除しても、残り 7 つのエクスペリエンスのモデルには影響しません。

モデルを構築する予想時間を短縮できるアクティビティ設定の変更がいくつかあり、自動ターゲット ​ アクティビティのエクスペリエンス数、サイトへのトラフィック、選択した成功指標などが含まれます。

解決策： アクティビティの設定を確認し、モデルの構築スピードを向上させるために、必要な変更を行うかどうかを確認します。

• 成功指標がRPVに設定されている場合、コンバージョンに変更できますか？ コンバージョンアクティビティは、モデルの構築に要するトラフィックが比較的少なくて済みます。 RPV からコンバージョンに成功指標を変更しても、アクティビティのデータは失われません。
• セールスファネル上での成功指標とアクティビティのエクスペリエンスの位置が離れていないか確認します。 アクティビティのコンバージョン率が低い場合、コンバージョンの最小数が必要なため、モデルを構築するために必要なトラフィック要件が増加します。
• アクティビティから不要なエクスペリエンスを削除します。 アクティビティ内のエクスペリエンスの数を減らすと、モデルの構築にかかる時間が短縮されます。
• 対象のアクティビティの成果が高まる、よりトラフィックの多いページはありませんか。 アクティビティの場所でのトラフィックとコンバージョンが多ければ多いほど、より迅速なモデルが構築されます。

自動ターゲット ​ アクティビティで上昇率を生成するには、次の4つの要素が必要です。

• 訪問者に影響が生じるように、オファーに十分な差異を持たせる必要があります。
• 最適化目標に対する影響度が高い場所にオファーを配置する必要があります。
• 上昇率を検出するため、テストに十分なトラフィックと統計的「検出力」が必要です。
• パーソナライゼーションアルゴリズムが適切に機能する必要があります。

解決策：​まず、アクティビティでトラフィックに対するパーソナライゼーションがおこなわれているか確認します。 すべてのエクスペリエンスに対してモデルが構築されていない場合、自動ターゲット ​ アクティビティは、すべてのモデルをできるだけ迅速に構築しようとするために、訪問回数のかなりの部分にランダムにサービスを提供しています。 モデルが構築されていない場合、自動ターゲット ​はトラフィックをパーソナライズしていません。

続いて、シンプルでパーソナライズされていないA/B テストを利用して、オファーとアクティビティの場所が、全体的な応答率に真に貢献していることを確認します。 事前にサンプルサイズを算出して、信頼できる上昇率を導き出せるだけのトラフィックがあるかを確認し、一定期間 A/B テストを実施します。その間、テストを中断せず、変更も加えません。 A/B テストの結果で、1つ以上のエクスペリエンスの統計的に有意な上昇率が示された場合、パーソナライズされたアクティビティが機能する可能性があります。 Personalizationは、エクスペリエンスの全体的な応答率に違いがない場合でも機能します。 通常、この問題は、オファーや場所が統計的有意差を持って検出されるほど最適化目標に大きな影響を与えていないことが原因で発生します。

これは期待されたとおりです。

自動ターゲット ​ アクティビティでは、コンバージョン指標（最適化目標か後目標か）が変換されると、ユーザーはエクスペリエンスから解放され、アクティビティが再開されます。

例えば、コンバージョン指標（C1）および追加の指標（A1）を持つアクティビティがあります。 A1はC1に依存する。 訪問者が初めてアクティビティに入り、A1 および C1 をコンバートするための基準がコンバートされない場合、成功指標の依存関係が原因で指標 A1 はコンバートされません。 訪問者がC1を変換してからA1を変換しても、C1を変換しても訪問者が解放されるため、A1は変換されません。