Automated Personalizationに関するFAQ

詳細を見る

Automated Personalization （AP）または自動ターゲット ​ （AT）アクティビティの作成中に、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。

詳細を見る

Automated Personalizationを既定のエクスペリエンスと比較するターンキーオプションはありません。 ただし、回避策として、デフォルトのオファーまたはエクスペリエンスがアクティビティ全体の一部として存在する場合は、ベースラインパフォーマンスを把握するために、レポートで「Control」セグメントをクリックし、結果として得られるオファーレベルのレポートでその特定のオファーを見つけます。 このオファーに記録されたコンバージョン率は、「ランダムフォレスト」セグメント全体のコンバージョン率と比較するために使用できます。 これは、デフォルトオファーと比較してマシンがおこなっている方法を比較するのに役立ちます。

詳細を見る

• 合計体験数だけでなく、アクティビティの形状 （場所×オファーの数）に細心の注意を払います。 場所とオファーのデカルト的な組み合わせにより、生のエクスペリエンス数よりもオーサリング時間のパフォーマンスが向上します。

• 最適なパフォーマンスと管理性を実現するには、1か所あたり4 ～ 6件のオファーを含むAutomated PersonalizationとAuto-Target件のアクティビティを4 ～ 6か所に制限してください。 大きな設定はお勧めできません。Visual Experience Composerでの読み込みや編集が遅くなる可能性があり、Target UIで制限される可能性があります。 現在のUIでは、Targetはインライン警告を表示するか、設定がサポートされているしきい値を超えた場合にアクティビティを保存しないようにします。

• トラフィックの少ないページをパーソナライズする場合や、パーソナライズするエクスペリエンスに構造的な変更を加える場合は、Automated Personalizationの代わりにAuto-Target アクティビティを使用することを検討してください。 自動ターゲット ​を参照してください。

• Automated Personalization 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 Test 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 Test アクティビティが有意な違いを示さない場合、Automated Personalizationも上昇率を生成できない可能性があります。

  • A/B…N テストで、エクスペリエンス間に統計的に有意な差が見られない場合、次の状況のうち1つ以上が原因であると考えられます。

    • オファーが互いに十分に異なっていない可能性があります。
    • 選択した場所は、成功指標には影響しません。
    • 最適化の目標がコンバージョン funnel内にあまりにも遠いため、選択したオファーの影響を受けません。

• Traffic Estimatorを使用して、パーソナライゼーションモデルがAutomated Personalization アクティビティで構築されるまでにかかる時間を把握できるようにします。

• 目標をもとに、コントロールとターゲットを設定し、アクティビティを開始する前に割り当てを決定します。

  アクティビティの目標と選択したコントロールの種類に基づいて、考慮すべき3つのシナリオがあります。

  • あなたのコントロールとアクティビティの目標は、パーソナライゼーションアルゴリズムの有効性をテストすることです：目標がパーソナライゼーションアルゴリズムを評価する場合は、上昇率をより正確に把握する必要があります。 また、単純にA/B Test （ランダムに提供されるコントロール）を実行した場合の、エクスペリエンスまたはオファーのコンバージョン率を比較する可能性が高くなります。 その状況では、ランダムに提供されるエクスペリエンスのコントロールに 50％の配分を使用することをお勧めします。
  • 「ランダムエクスペリエンス」は、制御およびアクティビティの目標として、パーソナライズされたトラフィックを最大化することです: アルゴリズムに慣れており、最大量のトラフィックをパーソナライズしたい場合は、制御するための割り当てを10 ～ 30%にすることをお勧めします。 ここでのトレードオフは、リフト情報に表示される正確性です。 コントロールトラフィックに流れるトラフィックが少ないため、コントロールトラフィックの信頼区間が大きくなります。
  • いずれかの目標タイプを含む、コントロールとしての特定のエクスペリエンス：特定のマーケター主導のエクスペリエンスをパーソナライゼーションモデルと比較する必要がある場合、コントロールへの 10％～30％の配分をお勧めします。 コントロールとして1つのエクスペリエンスのみを選択すると、そのトラフィックがアクティビティ内のすべてのオファーまたはエクスペリエンスに分散するわけではありません。

• ターゲットルールは、モデルによる最適化の妨げになる場合があるので、できるだけ慎重に使用します。

• レポートグループは、Automated Personalization アクティビティの成功を制限できます。 特定の条件でのみレポートグループを使用します。

  • 次の条件が満たされている場合にのみ、レポートグループを使用します。

    • アクティビティの実行中に、新しいオファーの置き換えまたは追加を計画します。
    • レポートグループのオファーは、同じ訪問者にアピールします。
    • そのレポートグループのオファーは、全体的な応答率がほぼ同じです。

  • レポートグループ内のオファー間にパーソナライゼーションがありません。 オファーはすべてパーソナライゼーションモデルで同じように処理されます。

  • アクティビティ内のすべてのオファーを、1 つのレポートグループに入れるのは避けてください。 これにより、すべてのオファーがアクティビティ内のすべての訪問者にランダムに提供されます。

詳細を見る

Targetには30,000件のエクスペリエンスのハードリミットがありますが、作成されたエクスペリエンス数が10,000件に満たない場合は、最高の状態で機能します。

アクティビティでDisallow Duplicates オプションが有効になっている場合でも、同じ制限が適用されます。

Automated PersonalizationとAuto-Targetのアクティビティは多数のエクスペリエンスをサポートできますが、オーサリングのパフォーマンスは​アクティビティの形状 （場所×オファーの数）に大きく依存します。 特定の設定では、負荷と編集のパフォーマンスに大きな影響を与える大きなデカルトの組み合わせが作成され、文書化されたエクスペリエンス制限を下回る場合でも使用できます。

最適なパフォーマンスと管理性を実現するには、1か所あたり4 ～ 6件のオファーを含むAutomated PersonalizationとAuto-Target件のアクティビティを4 ～ 6か所に制限してください。 大きな設定は推奨されず、Target UIで制限される場合があります。

現在のTarget UIでは、Automated PersonalizationとAuto-TargetのアクティビティがExperiences手順で直接設定されています。 Targetは、設定がサポートされているしきい値を超えると、インライン警告が表示されるか、アクティビティの保存が妨げられる可能性があります。また、Next、Save、Publishでアクティビティの形状が再検証されます。

Targetのアクティビティやその他の要素に影響を与える文字制限およびその他の制限（オファーサイズ、オーディエンス、プロファイル、値、パラメーターなど）について詳しくは、制限を参照してください。

詳細を見る

訪問者がアクセスすると、オファーレベルのターゲットルールによって、表示対象のオファーのセットが決まります。 次に、アルゴリズムは、モデルが予測するオファーの中から、期待される売上が最も高いか、コンバージョンの可能性が最も高いオファーを選択します。 オファーのターゲティングは、Target個のマシンラーニングアルゴリズムの有効性に影響を与えるため、できるだけ控えめに使用する必要があります。

詳細を見る

Automated Personalization 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。

• 各地域のオファーは、訪問者に影響を与えるのに十分なほど異なっている必要があります。
• 場所は、最適化の目標に違いをもたらす場所である必要があります。
• 上昇率を検出するために、アクティビティ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。

アクションの最善の方法は、まず、シンプルでパーソナライズされていないA/B Test アクティビティを使用して、アクティビティ エクスペリエンスを構成するコンテンツと場所が、全体的な応答率に真に変化するようにすることです。 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増加が示された場合、パーソナライズされたアクティビティが成功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、最適化の目標に大きな影響を与えないオファーや場所が、統計的有意性で検出されることに起因します。

詳しくは、「Automated Personalizationのトラブルシューティング」を参照してください。

詳細を見る

Automated Personalizationは、各モデル用に構築された最新の​ ランダムフォレスト ​ モデルに基づいて、最も予測された成功指標を持つエクスペリエンスに訪問者をルーティングします。 この推定値は、訪問者の特定の情報と訪問のコンテキストに基づいて算出されます。

例えば、Automated Personalization アクティビティに、それぞれ2つのオファーを含む2つの場所があるとします。 1 つ目の場所では、特定の訪問者に対するオファー A の推定コンバージョン率が 3％、オファー B の推定コンバージョン率が 1％です。 2 つ目の場所では、同一の訪問者に対するオファー C の推定コンバージョン率が 2％、オファー D の推定コンバージョン率が 5％です。 したがって、Automated Personalizationは、この訪問者にオファーAとオファーDのエクスペリエンスを提供します。

詳細を見る

Automated Personalizationは、常に最適化される「常時稼動」のパーソナライゼーションとして使用できます。 特にエバーグリーンコンテンツの場合、Automated Personalization アクティビティを停止する必要はありません。 現在Automated Personalization アクティビティにあるオファーとは異なるコンテンツを大幅に変更する場合は、新しいアクティビティを開始することをお勧めします。 新しいアクティビティを開始すると、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できます。

詳細を見る

通常、モデルがアクティビティを構築するのにかかる時間は、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よって異なります。 Traffic Estimatorを使用して、モデルがアクティビティを構築するのにかかる予想期間を決定します。

詳細を見る

いいえ。パーソナライゼーションは、アクティビティで少なくとも 2 つのモデルが構築されてから開始されます。

詳細を見る

モデルが構築されたエクスペリエンスに対して、モデルが構築されたエクスペリエンス（緑のチェックマーク）で2つ以上のエクスペリエンスを作成した後に、Automated Personalization アクティビティの結果を確認できます。

詳細を見る

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。

• 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。
• 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。
• アクティビティから除外できるエクスペリエンスはありますか？ 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。
• このアクティビティがより成功するトラフィックの高いページはありますか？ 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。

詳細を見る

Automated Personalization個のアクティビティは、セッションごとに1回評価されます。 特定のエクスペリエンスに適格なアクティブなセッションがあり、新しいオファーが追加された場合、訪問者には、以前に表示したオファーと共に新しいコンテンツが表示されます。 このような訪問者は、以前それらのエクスペリエンスに適格であったため、セッション中にそれらのエクスペリエンスが表示されます。 ページ訪問ごとに評価するには、Experience Targeting （XT） アクティビティタイプに変更する必要があります。

詳細を見る

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、Auto-Allocate、Auto-Target、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。

詳細を見る

Adobeは、Automated PersonalizationのアクティビティにReset Report Data オプションを使用することを推奨しません。 目に見えるレポートデータは削除されますが、このオプションでは、Automated Personalization 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。 Automated Personalization アクティビティにReset Report Data 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、Auto-AllocateおよびAuto-Targetのアクティビティにも適用されます。

詳細を見る

ひとつのモデルは、パーソナライズされた戦略のパフォーマンスを特定するように構築されており、ランダムにトラフィックを提供するか、全体的な勝者エクスペリエンスにすべてのトラフィックを送信するかを決定します。 このモデルでは、ヒットとコンバージョンはデフォルト環境でのみ考慮されます。

2番目のモデル セットからのトラフィックは、各モデリング グループ （Automated Personalization）またはエクスペリエンス （Auto-Target）に対して構築されます。 これらのモデルごとに、すべての環境にわたるヒットおよびコンバージョンが考慮されます。

したがって、リクエストは、環境に関係なく、同じモデルで提供されます。 ただし、識別された全体的な勝者エクスペリエンスが実際の動作と一致するように、複数のトラフィックをデフォルト環境から取得する必要があります。