Auto-Target vanliga frågor och felsökning

Svar

• Bestäm om affärsvärdet för ett Revenue per Visit (RPV)-framgångsmått är värt de extra trafikkraven. RPV behöver vanligtvis minst 1 000 konverteringar per upplevelse för att en aktivitet ska fungera jämfört med konvertering.

• Bestäm allokeringen mellan kontroll och personaliserade upplevelser innan du påbörjar aktiviteten utifrån era mål.

• Kontrollera om du har tillräckligt med trafik till sidan där din Auto-Target-aktivitet körs för att personaliseringsmodeller ska kunna byggas inom en rimlig tid.

• Om du testar personaliseringsalgoritmen bör du inte ändra upplevelser eller lägga till eller ta bort profilattribut när aktiviteten är aktiv.

• Överväg att slutföra en A/B-aktivitet mellan erbjudandena och platserna som du planerar att använda i din Auto-Target-aktivitet för att säkerställa att platserna och erbjudandena påverkar optimeringsmålet. Om en A/B-aktivitet inte kan visa en signifikant skillnad, kommer Auto-Target troligtvis inte att generera någon lyft.

  Om ett A/B-test inte visar några statistiskt signifikanta skillnader mellan upplevelserna, är det troligt att de erbjudanden du överväger inte skiljer sig tillräckligt mycket från varandra, att de platser du valde inte påverkar framgångsmåttet eller att optimeringsmålet är för långt i konverteringsprocessen för att påverkas av dina valda erbjudanden.

• Försök att inte göra några större ändringar av upplevelserna under aktiviteten.

Svar

Din optimala trafikallokeringsdelning beror på vad du vill uppnå.

Om målet är att personalisera så mycket trafik som möjligt kan ni behålla 90 % riktad tilldelning och 10 % kontroll över aktivitetens livstid. Om målet är att köra ett experiment där personaliserade algoritmer jämförs med kontrollen, är en delning på 50/50 bäst under aktivitetens livstid.

Det bästa sättet är att behålla uppdelningen av trafikallokeringen under aktivitetens livstid så att besökarna inte växlar mellan målinriktade upplevelser och kontrollupplevelser.

Svar

Nej, endast besökare som är kvalificerade för och visar aktiviteten Auto-Target räknas i rapporteringen.

Svar

Det krävs fyra faktorer för att en Auto-Target-aktivitet ska kunna generera lyft:

• Erbjudandena måste vara tillräckligt olika för att påverka besökarna.
• Erbjudandena måste finnas någonstans som gör skillnad för optimeringsmålet.
• Det skall finnas tillräckligt med trafik och statistisk "effekt" i provningen för att upptäcka hissen.
• Personaliseringsalgoritmen måste fungera bra.

Det bästa sättet att agera är att först se till att det innehåll och de platser som utgör aktivitetsupplevelserna verkligen gör skillnad i den totala svarsfrekvensen med hjälp av ett enkelt, icke-personaliserat A/B-test. Se till att beräkna provstorlekarna i förväg för att säkerställa att det finns tillräckligt med kraft för att se en rimlig lyft och köra A/B-provningen under en fast varaktighet utan att stoppa den eller göra några ändringar.

Om resultaten från ett A/B-test visar en statistiskt signifikant förbättring av en eller flera av upplevelserna är det troligt att en personaliserad aktivitet kommer att fungera. Personalisering kan förstås fungera även om det inte finns några skillnader i den totala svarsfrekvensen för upplevelserna. Vanligtvis beror problemet på erbjudanden och platser som inte har tillräckligt stor inverkan på optimeringsmålet för att kunna identifieras med statistisk betydelse.

Svar

Auto-Target kan användas som"alltid aktiverad"-personalisering som ständigt optimeras. I synnerhet för omogna innehåll finns det ingen anledning att stoppa din Auto-Target-aktivitet.

Om du vill göra omfattande ändringar av innehållet i din Auto-Target-aktivitet är det bästa sättet att starta en ny aktivitet så att andra användare inte blandar ihop eller relaterar tidigare resultat med annat innehåll.

Svar

Den tid det tar för modeller att bygga in din Auto-Target-aktivitet beror vanligtvis på trafiken till de valda aktivitetsplatserna och konverteringsgraden som är kopplad till din aktivitets framgångsmått.

Auto-Target försöker inte skapa en anpassad modell för en viss upplevelse förrän det finns minst 50 konverteringar för den upplevelsen. Om den skapade modellen dessutom har otillräcklig kvalitet (enligt offlineutvärdering av spärrdata, med ett mätvärde som kallas AUC), används modellen inte för att hantera trafik på ett personligt sätt.

Några andra punkter att tänka på när det gäller modellbygget för Auto-Target:

• När en aktivitet har publicerats tar Auto-Target hänsyn till upp till de 45 senaste dagarna med slumpmässigt betjänade data vid försök att skapa modeller. Styr till exempel trafiken, plus vissa extra data som spelas upp slumpmässigt av algoritmen.
• När Revenue per Visit är ditt framgångsmått behöver dessa aktiviteter vanligtvis mer data för att skapa modeller på grund av den högre datavariationen som vanligtvis finns i besöksinkomster jämfört med konverteringsgraden.
• Eftersom modellerna byggs per upplevelse innebär en ersättning av en upplevelse med en annan att tillräcklig trafik (minst 50 konverteringar) måste samlas in för den nya upplevelsen innan personaliserade modeller kan återskapas.

Svar

Nej, det måste finnas minst två modeller i din aktivitet för att personaliseringen ska kunna börja.

Svar

Du kan börja titta på resultatet av ditt Auto-Target-test efter att du har minst två upplevelser med färdiga modeller (grön bock) för den upplevelse som har skapat modeller.

Svar

Du kan välja en upplevelse som ska användas som kontroll när du skapar en Automated Personalization - (AP) eller Automatiskt mål (AT)-aktivitet.

Med den här funktionen kan du dirigera hela kontrolltrafiken till en viss upplevelse, baserat på den procentandel av trafikallokering som har konfigurerats i aktiviteten. Sedan kan ni utvärdera prestandarapparna för den personaliserade trafiken mot kontrolltrafiken till den upplevelsen.

Mer information finns i Använd en specifik upplevelse som kontroll.

Svar

Adobe rekommenderar inte att du ändrar målmåttet genom en aktivitet. Även om det går att ändra målmåttet under en aktivitet med användargränssnittet för Target bör du alltid starta en ny aktivitet. Adobe garanterar inte vad som händer om du ändrar målmåttet i en aktivitet efter att den har körts.

Den här rekommendationen gäller Auto-Allocate, Auto-Target och Automated Personalization aktiviteter som använder antingen Target eller Analytics (A4T) som rapportkälla.

Svar

Du bör inte använda alternativet Reset Report Data för Auto-Target-aktiviteter. Även om synliga rapportdata tas bort, tas inte alla utbildningsposter bort från modellen Auto-Target. I stället för att använda alternativet Reset Report Data för Auto-Target-aktiviteter skapar du en ny aktivitet och inaktiverar den ursprungliga aktiviteten.

Den här vägledningen gäller även för Auto-Allocate- och Automated Personalization-aktiviteter.

Svar

Target bygger en modell per upplevelse, så om du tar bort en upplevelse innebär det att Target skapar en modell med mindre storlek och inte påverkar modeller för de andra upplevelserna.

Anta till exempel att du har en Auto-Target-aktivitet med åtta upplevelser och att du inte gillar en upplevelse. Ni kan ta bort den upplevelsen och den påverkar inte modellerna för de sju återstående upplevelserna.

Felsökningsförslag

Det finns flera ändringar av aktivitetsinställningarna som kan minska den förväntade tiden att skapa modeller, inklusive antalet upplevelser i din Auto-Target-aktivitet, trafiken till din webbplats och det valda framgångsmåttet.

Lösning: Granska din aktivitetsinställning och se om det finns några ändringar du vill göra för att förbättra hastigheten som modellerna bygger med.

• Om du har angett ett framgångsmått på RPV, kan du ändra till konvertering? Konverteringsaktiviteter kräver ofta mindre trafik för att skapa modeller. Du kommer inte att förlora aktivitetsdata om du ändrar resultatmåttet från RPV till konvertering.
• Når er framgångsstatistik långt ned i säljprocessen från era aktivitetsupplevelser? En lägre aktivitetskonverteringsfrekvens ökar de trafikkrav som krävs för modeller att bygga, eftersom ett minsta antal konverteringar krävs.
• Finns det några upplevelser du kan släppa från din aktivitet? Om du minskar antalet upplevelser i en aktivitet tar det kortare tid att skapa modeller.
• Finns det någon sida med högre trafik där den här aktiviteten skulle bli mer framgångsrik? Ju mer trafik och konverteringar ni har på er aktivitetsplats, desto snabbare blir modellerna.

Felsökningsförslag

Det krävs fyra faktorer för att en Auto-Target-aktivitet ska kunna generera lyft:

• Erbjudandena måste vara tillräckligt olika för att påverka besökarna.
• Erbjudandena måste finnas någonstans som gör skillnad för optimeringsmålet.
• Det skall finnas tillräckligt med trafik och statistisk "effekt" i provningen för att upptäcka hissen.
• Personaliseringsalgoritmen måste fungera bra.

Lösning: Kontrollera först att din aktivitet personaliserar trafik. Om modeller inte har byggts för alla upplevelser är din Auto-Target-aktivitet fortfarande slumpvis betjänad av en stor del av besöken för att försöka skapa alla modeller så snabbt som möjligt. Om modeller inte har skapats personaliserar Auto-Target inte trafik.

Se sedan till att erbjudandena och aktivitetsplatserna verkligen gör skillnad i den totala svarsfrekvensen med hjälp av ett enkelt, icke-personaliserat A/B-test. Se till att beräkna provstorlekarna i förväg för att säkerställa att det finns tillräckligt med kraft för att se en rimlig lyft och köra A/B-provningen under en fast varaktighet utan att stoppa den eller göra några ändringar. Om resultaten från ett A/B-test visar en statistiskt signifikant förbättring av en eller flera av upplevelserna är det troligt att en personaliserad aktivitet fungerar. Personalization kan fungera även om det inte finns några skillnader i den totala svarsfrekvensen för upplevelserna. Vanligtvis beror problemet på erbjudanden och platser som inte har tillräckligt stor inverkan på optimeringsmålet för att kunna identifieras med statistisk betydelse.

Felsökningsförslag

Detta förväntas.

I en Auto-Target-aktivitet frisläpps användaren från upplevelsen när ett konverteringsmått (oavsett om optimeringsmål eller postmål) har konverterats och aktiviteten startas om.

Det finns till exempel en aktivitet med ett konverteringsmått (C1) och ett ytterligare mått (A1). A1 är beroende av C1. När en besökare går in i aktiviteten för första gången och villkoren för konvertering av A1 och C1 inte konverteras, konverteras inte mätvärdena A1 på grund av beroendet av framgångsmått. Om besökaren konverterar C1 och sedan konverterar A1, konverteras A1 fortfarande inte eftersom besökaren frigörs när C1 konverteras.