Automated Personalization のトラブルシューティング

アクティビティの設定を変更することで、Automated Personalization ータアクティビティのエクスペリエンスの数、サイトへのトラフィック、選択した成功指標など、モデルの構築に要する予想時間を短縮できます。

解決策： アクティビティの設定を確認し、モデルの構築速度を向上させるために行う変更があるかどうかを確認します。

• 成功指標が RPV の場合は、コンバージョンに変更することをお勧めします。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。成功指標を RPV からコンバージョンに変更した場合でも、アクティビティ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。最低限必要なコンバージョン数があるので、アクティビティのコンバージョン率が低いとモデルの構築に必要なトラフィック量が増えます。
• アクティビティから不要なオファーやエクスペリエンスを除外します。アクティビティ内のエクスペリエンスの数を減らすと、モデルの作成に要する時間が短縮されます。
• このアクティビティがより成功する、トラフィックの多いページはありますか？ アクティビティの場所のトラフィックやコンバージョンが多いほど、モデルの作成が速くなります。

Automated Personalization アクティビティで上昇率を生み出すには、いくつかの要因が必要です。

• 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、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。必ず、事前にサンプルサイズを計算してください。 事前にサンプルサイズを計算することで、妥当な上昇率を確認するのに十分な電力が確保されます。 その後、A/B テストを停止したり変更を加えたりすることなく、一定の期間にわたって実行できます。 A/B テストの結果、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表示された場合、パーソナライズされたアクティビティが成功した可能性が高くなります。 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、統計的優位差を伴って検出される最適化目標に十分な影響を与えないオファーや場所が原因で発生します。