Automated Personalizationの 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。

詳細を見る

Automated Personalization をデフォルト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、そのベースラインパフォーマンスを把握するには、レポートの「Control」セグメントをクリックし、結果のオファーレベル レポートでその特定のオファーを見つけます。 このオファーで記録されたコンバージョン率を使用して、「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

• トラフィックが少ないページのパーソナライズをおこなう場合や、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ことを計画しているオファーや場所を対象とした A/B Test アクティビティを実施し、それらのオファーや場所が最適化目標の達成に効果的かどうかを確認することをお勧めします。 A/B Test アクティビティで有意な差異が示されなかった場合は、上昇率が生み出され Automated Personalization い可能性も高くなります。

  • A/B…N テストでエクスペリエンス間の統計的に有意な違いが示されない場合、おそらく次の 1 つ以上の状況が原因です。

    • オファー間に十分な違いが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。
    • 最適化の目標はコンバージョンファネル内で大きすぎて、選択したオファーの影響を受けません。

• トラフィック見積もりを使用して、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。

• 目標に基づいて、アクティビティを開始する前にコントロールとターゲットの間の配分を決定します。

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

  • コントロールおよびアクティビティの目標としてのランダムエクスペリエンスは、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：パーソナライゼーションアルゴリズムの評価を目標とする場合、上昇率をより正確に把握する必要があります。 また、単にコンバージョン（ランダムに提供されるコントロール）を行った場合も、エクスペリエンスやオファーのコンバージ A/B Test 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。
  • コントロール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が 「ランダムエクスペリエンス」です：アルゴリズムに慣れ、最大限のトラフィックをパーソナライズしたい場合は、コントロールへの 10%～30% の配分をお勧めします。 ここでのトレードオフは、リフト情報に表示される精度です。 コントロールトラフィックの信頼区間は、流入するトラフィックが少なくなるので、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した場合、そのトラフィックはアクティビティ内のすべてのオファーやエクスペリエンスに広がることはありません。

• 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。

• レポートグループによって、Automated Personalization アクティビティの成功が制限されることがあります。 レポートグループは特定の条件下でのみ使用します。

  • 次の条件を満たす場合にのみ、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、新しいオファーを置換または追加する予定があります。
    • レポートグループ内のオファーは、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の全体的な応答率はほぼ同じです。

  • 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はありません。 オファーはすべて、パーソナライゼーションモデルによって同じものとして扱われます。

  • 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均一にランダムに提供されます。

詳細を見る

Target には 30,000 個のエクスペリエンスというハードリミットがありますが、作成されるエクスペリエンスが 10,000 個未満の場合に最も適した状態で機能します。

アクティビティで「Disalow Duplicates」オプションが有効になっていても、この同じ制限が適用されます。

Target ークフローのアクティビティやその他の要素に影響する文字制限やその他の制限（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、最も期待される売上高またはコンバージョンの可能性が高いオファーを選択します。 オファーターゲティングは、機械学習アルゴリズム Target 有効性に影響を与えるため、できるだけ慎重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み出すには、次の 4 つの要因が必要です。

• 各場所のオファーは、訪問者に影響を与える十分な異なる必要があります。
• 場所は、最適化目標に違いをもたらす場所にする必要があります。
• 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。

最善の方法は、まず、パーソナライズされていないシンプルな A/B Test アクティビティを使用して、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、全体的な応答率に真に影響を与えていることを確認することです。 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、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。

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、各モデルで構築された最新の ランダムフォレストモデルに基づいて、成功指標の推定値が最も優れているエクスペリエンスを訪問者に提供します。 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 のアクティビティに、それぞれ 2 つのオファーがある 2 つの場所があったとします。 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。Automated Personalization のため、この訪問者にはオファー A とオファー D のエクスペリエンスが提供されます。

詳細を見る

Automated Personalization は、常に最適化を行う「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。 Automated Personalization しいアクティビティで、現在のオファーとは違う大幅な変更をコンテンツに加える場合は、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様々なコンテンツと混同したり関連付けたりするのに役立ちます。

詳細を見る

アクティビティでのモデルの作成に要する時間は、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依存します。 トラフィック見積もりを使用して、アクティビティでのモデルの作成に要する予想時間の長さを決定します。

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のために、モデルが構築（緑色のチェックマーク）された状態で、少なくとも 2 つのエクスペリエンスを作成した後、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レビューし、モデルの構築速度を改善するために行う変更がある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ドロップ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。

詳細を見る

Automated Personalization 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合したアクティブセッションがあり、新しいオファーが追加された場合、訪問者には、以前表示されたオファーと共に、新しいコンテンツが表示されます。 これらの訪問者は、以前はこれらのエクスペリエンスに適合していたので、セッション中は引き続きこれらのエクスペリエンスを表示します。 ページを訪問するたびにこれを評価するには、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 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。実行後にア Adobe 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、レポートソースとして Target または Analytics （A4T）を使用する Auto-Allocate、Auto-Target および Automated Personalization アクティビティに適用されます。

詳細を見る

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はお勧めしませ Adobe。 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 のアクティビティに 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にします。 このガイダンスは、Auto-Allocate と Auto-Target のアクティビティにも適用されます。

詳細を見る

1 つのモデルは、パーソナライズされた戦略とランダムに提供されたトラフィックのパフォーマンスを識別し、すべてのトラフィックを勝者エクスペリエンス全体に送信するように構築されています。 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 つ目のモデルセットからのトラフィックは、モデリンググループ（Automated Personalization）またはエクスペリエンス（Auto-Target）ごとに作成されます。 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行動と一致していることを確認するために、複数のトラフィックはデフォルト環境から取得する必要があります。