Premium

Auto-Target 활동에 대해 Analysis Workspace에서 A4T 보고서 설정

마지막 업데이트: 2024년 8월 25일

작성 대상:

  • 중간
  • 사용자
IMPORTANT
Auto-Target 활동의 경우 Analytics Workspace에서 보고를 확인하고 A4T 패널을 수동으로 만들어야 합니다.

Auto-Target 활동에 대한 Analytics for Target (A4T) 통합에서는 Adobe Analytics 목표 지표를 사용하는 동안 Adobe Target ML(Ensemble Machine Learning) 알고리즘을 사용하여 각 방문자의 프로필, 동작 및 컨텍스트를 기반으로 최상의 경험을 선택합니다.

Adobe Analytics Analysis Workspace에서 다양한 분석 기능을 사용할 수 있지만 실험 활동(수동 A/B Test 및 Auto-Allocate)과 개인화 활동(Auto-Target) 간의 차이로 인해 Auto-Target 활동을 올바르게 해석하려면 기본 Analytics for Target 패널을 몇 가지 수정해야 합니다.

이 자습서에서는 다음 주요 개념을 기반으로 하는 Analysis Workspace의 Auto-Target 활동을 분석하기 위한 권장 수정 사항을 안내합니다.

  • Control vs Targeted 차원은 Control 경험과 Auto-Target 앙상블 ML 알고리즘에서 제공하는 경험을 구별하는 데 사용할 수 있습니다.
  • 경험 수준 성능 분류를 볼 때 방문 횟수를 표준화 지표로 사용해야 합니다. 또한 Adobe Analytics의 기본 계산 방법론에는 사용자가 실제로 활동 컨텐츠를 보지 못하는 방문이 포함될 수 있지만 적절한 범위의 세그먼트를 사용하여 이 기본 동작을 수정할 수 있습니다(아래 세부 정보).
  • 지정된 속성 모델에서 "방문 전환 확인 기간"이라고도 하는 방문 전환 확인 범위 속성은 Adobe Target ML 모델이 교육 단계에서 사용하며, 목표 지표를 분류할 때 동일한(기본값이 아닌) 속성 모델을 사용해야 합니다.

Analysis Workspace에서 Auto-Target 패널에 대한 A4T 만들기

Auto-Target 보고서에 대한 A4T를 만들려면 아래와 같이 Analysis Workspace의 Analytics for Target 패널로 시작하거나 자유 형식 테이블로 시작합니다. 그런 다음 다음을 선택합니다.

  1. Control Experience: 모든 경험을 선택할 수 있지만 나중에 이 선택을 재정의합니다. Auto-Target 활동의 경우 제어 경험은 실제로 제어 전략이며, a) 모든 경험에서 임의로 제공되거나 b) 단일 경험을 제공합니다(이 선택은 Adobe Target의 활동 생성 시 수행됩니다). 선택(b)을 선택하더라도 Auto-Target 활동에서 특정 경험을 제어로 지정했습니다. Auto-Target 활동에 대한 A4T 분석을 위해 이 자습서에 설명된 접근 방식을 따라야 합니다.

  2. Normalizing Metric: Visits 선택.

  3. Success Metrics: 보고할 지표를 선택할 수 있지만 일반적으로 Target에서 활동을 만드는 동안 최적화를 위해 선택한 지표와 동일한 지표에 대한 보고서를 확인해야 합니다.

    Auto-Target 활동에 대한 Analytics for Target 패널 설정입니다.

    그림 1: Auto-Target 활동에 대한 Analytics for Target 패널 설정.

TIP
Auto-Target 활동에 대해 Analytics for Target 패널을 설정하려면 모든 제어 경험을 선택하고 Visits을(를) 표준화 지표로 선택한 다음 Target 활동 생성 중 최적화를 위해 선택한 것과 동일한 목표 지표를 선택하십시오.

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.