Control vs.Targeted 차원을 사용하여 Target 앙상블 ML 모델을 컨트롤과 비교합니다.

기본 A4T 패널은 클래식(수동) A/B Test 또는 Auto-Allocate 활동을 위해 디자인되었습니다. 이 경우 개별 경험의 성능을 제어 경험과 비교하는 것이 목표입니다. 그러나 Auto-Target 활동에서는 컨트롤 전략 ​과(와) 타깃팅된 전략 간의 첫 번째 순서 비교가 필요합니다. 즉, 제어 전략에 대한 Auto-Target 앙상블 ML 모델의 전체 성능 상승도를 결정합니다.

이 비교를 수행하려면 Control vs Targeted (Analytics for Target) 차원을 사용하십시오. 끌어서 놓아 기본 A4T 보고서의 Target Experiences 차원을 바꾸십시오.

이 대체 함수는 A4T 패널에서 기본 Lift and Confidence 계산을 무효화합니다. 혼동을 방지하기 위해 다음 보고서를 남겨두고 기본 패널에서 이러한 지표를 제거할 수 있습니다.

Analysis Workspace 의 Experiences by Activity Conversions 패널

그림 2: Auto-Target 활동에 대한 권장 기준 보고서. 이 보고서는 타깃팅된 트래픽(앙상블 ML 모델에서 제공됨)을 제어 트래픽과 비교하도록 구성되었습니다.

NOTE
현재 Auto-Target에 대한 A4T 보고서의 Control vs Targeted 차원에 대해 Lift and Confidence개의 숫자를 사용할 수 없습니다. 지원이 추가되기 전까지 신뢰도 계산기를 다운로드하여 Lift and Confidence을(를) 수동으로 계산할 수 있습니다.

지표의 경험 수준 분류 추가

앙상블 ML 모델이 어떻게 작동하는지 자세히 알아보려면 Control vs Targeted 차원의 경험 수준 분류를 검사할 수 있습니다. Analysis Workspace에서 Target Experiences 차원을 보고서로 끌어온 다음 각 컨트롤 및 대상 차원을 별도로 분류합니다.

Analysis Workspace 의 Experiences by Activity Conversions 패널

그림 3: 대상 환경을 기준으로 대상 차원 분류

결과 보고서의 예가 여기에 나와 있습니다.

Analysis Workspace 의 Experiences by Activity Conversions 패널

그림 4: 경험 수준 분류가 있는 표준 Auto-Target 보고서. 목표 지표는 다를 수 있으며 제어 전략에는 단일 경험이 있을 수 있습니다.

TIP
Analysis Workspace에서 톱니바퀴 아이콘을 클릭하여 Conversion Rate 열에서 백분율을 숨겨 경험 전환율에 초점을 맞추십시오. 그러면 전환율은 소수로 포맷되지만 그에 따라 백분율로 해석됩니다.