의사 결정 FAQ decisioning-faq

단일 조건이 충족되는 즉시 오퍼가 제한됩니다. 최대 가용량 규칙이 여러 개 있는 경우 규칙이 임계값에 도달하면 오퍼가 표시되지 않습니다.

예:
오퍼에 대해 두 개의 최대 가용량 규칙을 정의하는 경우:

• 프로필당 주당 5회
• 모든 사용자 간 총 100배

총 상한인 100개에 아직 도달하지 않았더라도 일주일에 5번 본 오퍼는 사용자에게 표시되지 않습니다. 마찬가지로 총 노출 수가 100개에 도달하면 모든 사용자에게 오퍼가 표시되지 않습니다.

최대 가용량 규칙에 대해 자세히 알아보세요.

AI 모델을(를) 구성할 때 데이터 세트와 대상은 각각 다른 용도로 사용됩니다.

• 데이터 세트: 모델의 최적화 대상 역할을 하는 전환 이벤트(클릭 수, 주문 수, 매출)를 캡처합니다.
• 대상: 모델이 고객 세그먼트 멤버십에 따라 권장 사항을 개인화할 수 있도록 하는 예측 변수로 작동합니다.

대상은 모델의 범위를 제한하거나 확장하지 않습니다. 대신 상황별 속성을 제공하여 다양한 고객 세그먼트 간에 개인화된 예측을 수행할 수 있는 모델의 기능을 향상시킵니다.

두 구성 요소는 효과적인 개인화된 최적화 모델 모델 성능에 필요합니다.

자동 최적화 모델은 개인화된 최적화 모델이 지난 30일의 트래픽 데이터를 사용하는지 여부와 관계없이, 지난 14일의 트래픽 데이터를 기반으로 다음으로 가장 잘 사용 가능한 오퍼에 트래픽을 제공합니다.

여러 오퍼가 동시에 제거되고 나머지 오퍼가 14일 또는 30일 창 내에서 최소 트래픽 데이터를 갖는 경우, 모델은 제한된 노출 데이터에 기초하여 더 높은 전환율을 갖는 오퍼에 대한 무작위 분포 패턴 또는 바이어스를 포함하는 차선의 동작을 나타낼 수 있다.

모범 사례: 오퍼 컬렉션을 크게 수정할 때 나머지 오퍼에 모델 효과를 유지할 수 있는 충분한 내역 성능 데이터가 있는지 확인하십시오.

AI 모델은 다음 교육 주기에서 새로 제공되는 오퍼를 식별하고 테스트를 시작합니다.

• 자동 최적화​은(는) 다음 교육 주기에서 새 오퍼를 식별하고 테스트를 시작합니다. 자동 최적화 교육은 매일 3~4회, 약 6시간마다 실시됩니다.
• 개인화된 최적화​은(는) 오퍼 전략에 추가될 때 새 오퍼를 식별하고 테스트를 시작합니다. 그것들은 무작위 탐사 교통에 포함될 것이다. 그런 다음 이러한 오퍼는 모델의 다음 교육 주기에서 개인화되며 매주 발생합니다.

두 모델이 식별되면 성능을 테스트하고 효과에 대한 데이터를 수집하기 위해 일부 방문자에게 새 오퍼를 즉시 제공하기 시작합니다.

자동 최적화 및 개인화된 최적화 모델에 대해 자세히 알아보세요.

자동 최적화 및 개인화된 최적화 모델 모두 전용 제어 그룹의 필요성을 제거하는 "explore-exploit" 전략을 사용합니다.

• 초기 단계: 모델은 100% 탐색으로 시작하고 다른 오퍼를 테스트하여 기본 성능 데이터를 설정합니다.
• 적응형 최적화: 동작 이벤트가 누적되고 예측 정확도가 향상됨에 따라 모델은 탐색 및 활용의 균형을 자동으로 조정합니다.
• 진행 중인 학습: 대체 요소를 계속 테스트하는 동안 시스템은 점진적으로 더 많은 트래픽을 성과가 좋은 오퍼에 할당합니다.

이를 통해 별도의 제어 그룹 없이도 모든 트래픽에서 지속적인 학습 및 최적화가 가능합니다.

Adobe은 효과적인 모델 성능을 보장하기 위해 다음 최소 임계값을 권장합니다.

• 주당 오퍼/항목당 1,000개 노출 횟수
• 주당 오퍼/항목당 100개의 전환 이벤트

기본적으로 시스템은 노출 수가 1,000개 미만이거나 전환 이벤트가 50개 미만인 오퍼/항목에 대한 개인화된 모델을 구축하려고 시도하지 않습니다.

데이터 수집 요구 사항에 대해 자세히 알아보세요.

오퍼가 개별 고객 세그먼트에 호소할 때 AI 모델은 더 큰 개인화 이점을 생성합니다. 오퍼가 매우 유사한 경우 일반적으로 두 가지 결과가 있습니다.

• 동등한 성능: 오퍼는 동일하게 수행되며 거의 동일한 트래픽 분포를 받습니다.
• 주요 오퍼: 작은 차이로 인해 한 오퍼가 모든 세그먼트에서 다른 오퍼보다 뛰어난 성과를 보여 대부분의 트래픽을 캡처합니다.

모범 사례: 고유한 고객 세그먼트 환경 설정에 따라 AI 모델 효과를 극대화하는 의미 있는 차별화 요소가 있는 오퍼를 디자인합니다.

트래픽 예외 항목은 30일 롤링 기간 내에 비례적으로 모델에 통합되어 일시적인 트래픽 변동 중 모델 안정성을 제공합니다. 단기적인 급등이나 하락은 모형 예측이나 성과에 큰 지장을 주지 않는다.

비정상 트래픽은 30일 데이터 세트의 작은 부분을 나타내므로 임시 트래픽 스파이크(예: 일일 트래픽의 두 배)는 전체 모델 성능에 미치는 영향이 최소화됩니다.