Nesta página: saiba como configurar a experimentação de caminho com a atividade Otimizar para testar diferentes caminhos de jornada usando experimentos A/B ou de bandit com vários braços, identificar o tratamento com melhor desempenho por métrica de sucesso e dimensionar o vencedor.
A experimentação permite testar caminhos diferentes com base em uma divisão aleatória para determinar qual tem o melhor desempenho com base em métricas de sucesso predefinidas.
Para configurar a experimentação de caminho em uma jornada, siga as etapas abaixo.
Digamos que você deseje comparar três caminhos:
- um caminho com um email;
- um segundo caminho com um nó Wait de dois dias e um email;
- um terceiro caminho com um email e, em seguida, uma mensagem SMS.
-
Na seção Orquestração, arraste e solte a atividade Otimizar na tela de jornada.
-
Adicione um rótulo opcional, que pode ser útil para identificar a atividade em relatórios e logs do modo de teste.
-
Selecione Experimento na lista suspensa Método.
-
Clique em Criar experimento.
-
Selecione a Métrica de sucesso que você deseja definir para o seu experimento. Saiba mais sobre as métricas disponíveis e como configurar a lista em esta seção.
-
Selecione o Tipo de experimento para o seu experimento de caminho:
-
Experimento A/B — Defina a divisão de tráfego entre tratamentos no início do teste. O desempenho é avaliado com base na métrica primária escolhida; os relatórios mostram o aumento observado entre os tratamentos.
-
Bandit multi-armed — o tráfego dividido entre tratamentos é manipulado automaticamente. A cada 7 dias, o desempenho na métrica primária é revisado e os pesos são ajustados de acordo. Os relatórios continuam a mostrar aumento, assim como para testes A/B.
➡️ Saiba mais sobre a diferença entre experimentos A/B e Multi-armed bandit
-
-
Você pode optar por adicionar um grupo de Contenção à sua entrega. Este grupo não irá inserir nenhum caminho a partir deste experimento.
note NOTE A ativação da barra de alternância ocupará automaticamente 10% da sua população. Você pode ajustar essa porcentagem, se necessário. -
Você pode alocar uma porcentagem precisa para cada Tratamento ou simplesmente alternar na barra de alternância Distribuir uniformemente.
-
Ative o experimento de dimensionamento automático para implantar automaticamente a variação vencedora do seu experimento. Saiba mais sobre como dimensionar o vencedor
-
Clique em Criar.
-
Defina os elementos desejados para cada ramificação resultante do experimento, por exemplo:
-
Arraste e solte uma atividade Email na primeira ramificação (Tratamento A).
-
Arraste e solte uma atividade Aguardar de dois dias na primeira ramificação, seguida por uma atividade Email (Tratamento B).
-
Arraste e solte uma atividade Email na terceira ramificação, seguida por uma atividade SMS (Tratamento C).
-
-
Opcionalmente, use o Adicionar um caminho alternativo em caso de tempo limite ou erro para definir uma ação de fallback. Saiba mais
-
Publique sua jornada.
Quando a jornada estiver ativa, os usuários serão atribuídos aleatoriamente para percorrer caminhos diferentes. Journey Optimizer rastreia qual caminho tem melhor desempenho e fornece insights acionáveis.
Siga o sucesso da sua jornada com o relatório Experimento de caminho de Jornada. Saiba mais
Atribuição de caminho na reentrada da jornada path-assignment
A atribuição de caminho é persistente para um perfil em várias entradas na mesma versão do jornada. Por exemplo, se um perfil entrar em uma jornada no dia 1 e for atribuído ao caminho A e entrar novamente na jornada no dia 2, ele será atribuído novamente ao caminho A. Isso garante uma experiência consistente para o usuário e é necessário para relatórios e análises estatisticamente válidos.
No entanto, as atribuições só são persistentes em uma determinada versão do jornada. Depois de publicar uma nova versão do jornada, a aleatoriedade é alterada e um perfil pode acabar sendo atribuído a um caminho diferente.
Se você tiver várias atividades de experimentação de caminho em uma jornada, cada atividade aplicará uma atribuição aleatória independente.
Casos de uso de experimentos uc-experiment
Os exemplos a seguir mostram como usar a atividade Otimizar com o método Experimento para determinar qual caminho funciona melhor em geral.
Teste se o envio da primeira mensagem por email ou por SMS gera conversões mais altas.
➡️ Use a taxa de conversão como métrica de sucesso (por exemplo: compras, inscrições).
Execute um experimento para verificar se o envio de um email contra três emails em uma semana resulta em mais compras.
➡️ Use compras ou a taxa de cancelamento de inscrição como métrica de sucesso.
Compare uma espera de 24 horas com uma de 72 horas antes de um acompanhamento para determinar qual tempo maximiza o engajamento.
➡️ Use a taxa de click-through ou a receita como métrica de sucesso.
Dimensionar o vencedor scale-winner
A opção “Dimensionar o vencedor” permite implantar de forma automática ou manual a variação vencedora de um experimento em todo o seu público-alvo. Esse recurso garante que, uma vez determinado o vencedor, você possa ampliar seu alcance e eficácia sem monitorar constantemente o experimento.
Você pode escolher entre dois modos:
-
Dimensionamento automático: defina as configurações de dimensionamento automático ao criar seu experimento escolhendo o tempo e as condições para dimensionar o tratamento vencedor ou uma opção de fallback se nenhum vencedor surgir.
-
Escala Manual: analise manualmente os resultados do experimento e inicie a implantação do tratamento vencedor, mantendo o controle total sobre o tempo e as decisões.
Dimensionamento automático autoscaling
O dimensionamento automático permite definir regras predefinidas para quando implantar o tratamento vencedor ou um fallback, com base nos resultados do experimento.
Observe que após o dimensionamento automático, o dimensionamento manual não estará mais disponível.
Para ativar a escala automática em seus experimentos:
-
Defina sua jornada e configure seu experimento conforme necessário. Saiba mais
-
Ative a opção de dimensionamento automático ao configurar seu experimento.
-
Selecione quando o vencedor deve ser dimensionado:
- Assim que o vencedor for encontrado.
- Após o experimento ficar ativo pelo tempo selecionado.
A hora de dimensionamento automático deve ser agendada antes da data de término do experimento. Se for definido para um período posterior à data de término, um aviso de validação será exibido e a jornada não será publicada.
-
Escolha o comportamento de fallback se nenhum vencedor for encontrado por tempo de escala:
- Continue o experimento até que ele termine como programado.
- Dimensione o tratamento alternativo após um tempo especificado.
Depois que todos os parâmetros forem atendidos, o tratamento vencedor ou alternativo será enviado para o público-alvo.
Dimensionamento manual manual-scaling
O dimensionamento manual oferece a capacidade de analisar os resultados do experimento e decidir quando implantar o tratamento vencedor de acordo com seu próprio cronograma.
Observe que, se você dimensionar manualmente o vencedor antes do tempo de dimensionamento automático programado, a dimensionamento automático será cancelada.
Para dimensionar manualmente o vencedor de seus experimentos:
-
Defina sua jornada e configure seu experimento conforme necessário. Saiba mais
-
Deixe o experimento ser executado até que um vencedor seja identificado ou até que a significância estatística seja alcançada.
-
Abra a jornada e selecione a atividade Otimizar que contém o experimento de caminho.
Revise os resultados na exibição Experimento de caminho para identificar o tratamento com melhor desempenho.
-
Clique em Dimensionar tratamento para encaminhar o tratamento vencedor ao restante do público-alvo.
-
Selecione o tratamento que deseja dimensionar no menu suspenso e clique em Escala.
Observe que o dimensionamento do tratamento pode levar até uma hora. Você receberá uma notificação quando o processo de dimensionamento manual for concluído.
This section contains structured knowledge intended to support interpretation, retrieval, and question answering related to this topic.
For complete understanding, this information should be combined with the documentation on this page. Neither source is intended to stand alone; the page describes the feature, while this section provides additional context that helps disambiguate terminology, intent, applicability, and constraints.
- TL;DR: This page explains how to configure and run path experimentation in Adobe Journey Optimizer journeys using A/B or Multi-armed bandit methods, and how to scale the winning treatment automatically or manually.
Intents:
- Set up an A/B or Multi-armed bandit path experiment in a journey
- Define success metrics to evaluate experiment performance
- Allocate traffic between treatment paths evenly or by custom percentage
- Add a holdout group to exclude a portion of the audience from all treatments
- Enable auto-scaling to automatically roll out the winning treatment
- Manually scale the winning treatment after reviewing experiment results
Glossary:
- Optimize activity: A journey canvas activity used to split profiles into different paths for experimentation or targeting (product-specific)
- Treatment: A single path variant in a path experiment (e.g., Treatment A, Treatment B) (product-specific)
- Success metric: The KPI used to evaluate which treatment performs best in an experiment (product-specific)
- Multi-armed bandit: An experiment type where traffic split is adjusted automatically every 7 days based on primary metric performance (product-specific)
- Scale the Winner: A feature that rolls out the winning treatment to the full remaining audience, either automatically or manually (product-specific)
- Holdout group: A segment of the audience excluded from all experiment treatments, used as a control group (product-specific)
Guardrails:
- Scale the Winner is only available for unitary journeys (event-triggered and Audience Qualification); it is not available for Read Audience journeys.
- Auto-scale time must be scheduled before the experiment’s end date, or the journey will not publish.
- Once auto-scaling has occurred, manual scaling is no longer available.
- Manual scaling the winner before the scheduled auto-scale time cancels the auto-scale.
- Scaling the treatment may take up to one hour.
Terminology:
- Canonical name: Path Experimentation — Acronym: none — variants: journey experimentation, A/B path test
- Synonyms: “Optimize activity” = “experiment activity” = “path split activity”
- Do not confuse: “A/B experiment” ≠ “Multi-armed bandit” (A/B has fixed traffic split; Multi-armed bandit adjusts weights dynamically every 7 days)
FAQ:
- Q: What is the difference between A/B experiment and Multi-armed bandit? — A/B experiment uses a fixed traffic split defined at the start, while Multi-armed bandit automatically adjusts traffic weights every 7 days based on the primary metric performance.
- Q: Can I use Scale the Winner in a Read Audience journey? — No; Scale the Winner is only available for unitary (event-triggered and Audience Qualification) journeys.
- Q: What happens if no winner is found by the auto-scale time? — You can configure a fallback: either continue the experiment until its scheduled end, or scale an alternative treatment after a specified time.
- Q: How is traffic distributed if I do not configure treatment percentages manually? — You can enable the Distribute evenly toggle to split traffic equally across all treatments.
- Q: Can I edit a path experiment after the journey is published? — The journey enters read-only mode after publishing; to make changes, create a new version of the journey.