Target アクティビティタイプ
Adobe Target の様々なアクティビティタイプについて説明するインタラクティブな PDF をダウンロードします。
各アクティビティの機能 section_4ECAACC68723402EB3649033190E1BBC
手動 A/B Test
複数のエクスペリエンスを比較して、事前に指定したテスト期間内で最もコンバージョンが向上したエクスペリエンスを確認します。
詳しくは、A/B テストを参照してください。
Auto-Allocate
複数のエクスペリエンスの中から勝者を特定し、その勝者エクスペリエンスにトラフィックを配分し直すことで、テストと学習を続けながらコンバージョンを増やしていきます。
詳しくは、自動配分を参照してください。
Auto-Target
高度な機械学習を使用してコンテンツをパーソナライズし、コンバージョンを促進します。その際は、マーケターが定義した高パフォーマンスのエクスペリエンスを複数特定したうえで、個々の顧客プロファイルや同様の訪問者の過去の行動を基にして、各訪問者に詳細にカスタマイズしたエクスペリエンスを配信します。
詳しくは、パーソナライズされたエクスペリエンスの自動ターゲットを参照してください。
Automated Personalization (AP)
高度な機械学習を使用して特定のオファーやメッセージを組み合わせて、個々の顧客プロファイルに合わせて各訪問者に様々なオファーのバリエーションを表示しながら、コンテンツをパーソナライズしてコンバージョンを促進していきます。
詳しくは、Automated Personalization を参照してください。
Multivariate Test (MVT)
ページ上の要素のオファーの組み合わせを比較し、特定のオーディエンスに対して最も効果が高い組み合わせを確認します。事前に指定したテスト期間内で、コンバージョンを最も増やすことができたページ要素を見極めることもできます。
詳しくは、多変量分析テストを参照してください。
エクスペリエンスのターゲット設定(XT)
マーケターが定義した一連のルールや条件を基にして、特定のオーディエンスにコンテンツを配信します。
詳しくは、エクスペリエンスのターゲット設定を参照してください。
このタイプのアクティビティを使用する理由 section_46A70DD7CE3448749E635DDF5EAFC131
アクティビティのタイプを使用する必要があるマーケターの種類 section_A843D663D3E543FFB1A594266B560395
統計に関する知識が豊富。
結果を分析する際に、テスト期間が終わるまで待つことができる。
時間に余裕がない。
最適なエクスペリエンスを迅速に特定し、配信する必要がある。
テストの実施途中に結果を「垣間見」たい。
効果的なエクスペリエンスが複数ある。
動的に変化するプロファイルに合わせて、特定の訪問者に最適なタイミングでエクスペリエンスを配信したい。
1 つ以上のオファーがある。
様々な独自のプロファイルや行動を考慮し、特定の訪問者に合わせて効果的にパーソナライズされたエクスペリエンスを創出できるオファーの組み合わせを作成したい。
統計に関する知識が豊富。
1 つ以上のオファーがある。
ページ要素のインタラクションに関連するコンバージョンの傾向を分析したい。
統計面の詳細 section_22CF2D07DB054505AB5EC702B99A5BB0
利点と注意点 section_56C46ABEF7B945DDA0C1E6D714377123
ま A/B Test、サンプルサイズに達する前にテスト結果を調べると、不正確な結果に頼るリスクがあります(先に「覗き見」することはできません)。
Auto-Allocate とは異なり、A/B テストでは、一部のエクスペリエンスが他のエクスペリエンスよりもパフォーマンスが優れていることを認識した後でも、トラフィック配分は固定されたままです。
A/B Test アクティビティのベストプラクティスについては、A/B テストを実行すべき期間および A/B テストによくある 10 の落とし穴とその回避方法を参照してください。
Auto-Allocate は勝者を識別しますが、敗者を区別しません。 各エクスペリエンスのパフォーマンスを把握したい場合は、A/B テストの方が適しています。
Auto-Allocate 機能は、「カウントを増分、アクティビティでユーザーを保持」という 1 つの高度な指標設定でのみ機能します。 リピートコンバージョンをカウントしたくない場合は、A/B テストを使用することをお勧めします。
複数のオファーを組み合わせる場合は、組み合わせ爆発が発生するので、膨大な量のトラフィックが必要になります。Automated Personalization のアルゴリズムは多くの要因を考慮するので、最もトラフィック量が必要になります。
Analytics for Target (A4T)のレポートを使用で Automated Personalization ません。
Multivariate Test は時間がかかり、複数の変数が作用するので、必ずしも自信を持って勝者エクスペリエンスを生み出すわけではありません。
多くの場合、テストの完了に必要なトラフィック量を確保することが課題になります。すべて Multivariate Test 実験は完全に要因によるものなので、一度に変更する要素が多すぎると、テストが必要な組み合わせを素早く追加できます。
トラフィックがかなり多いサイトであっても、25 を超える組み合わせを含むテストは、妥当な時間内での完了が困難になる場合があります。
Experience Targeting を使用すると、アクティビティの結果から推定されるインサイトに基づいてすばやくアクションを実行できます。
例えば、挑戦者がコントロールに勝っていない A/B テストを実行し、結果が特定の訪問者セグメントが挑戦者を使用した場合と比較して 4 倍のコンバージョンを示している場合、Experience Targeting を使用して挑戦者エクスペリエンスをその特定のセグメントに誘導できます。