[Premium]{class="badge positive" title="Se vad som ingår i Target Premium."}
Auto-Target Summary report
Information om hur du tolkar Auto-Target Summary-rapporter i Adobe Target.
Så här visar du Auto-Target Summary-rapporter:
-
Klicka på önskad Auto-Target-aktivitet på sidan Activities.
Om du har många aktiviteter klickar du på ikonen Filter (
-
Klicka på fliken Reports och sedan på önskad ikon:
- Table View (
- Graph View (
- Automated Segments (
- Important Attributes** (
- Table View (
Tabellvy
Några tips och överväganden när du tolkar dina Auto-Target-rapporter:
-
De olika raderna i tabellen hjälper dig att förstå aktivitetsprestanda.
- De två översta raderna i tabellen på rapportsidan visar resultaten av ett A/B-test mellan de besökare som tilldelats kontrollen (det vill säga slumpmässigt hanterade upplevelser) och de besökare som tilldelats personaliseringsalgoritmen. Den här informationen kan användas för att mäta hur personaliseringsalgoritmen utfördes jämfört med den slumpmässigt hanterade kontrollen.
- De återstående raderna visar resultat på erfarenhetsnivå. För varje upplevelse finns det en jämförelse mellan det genomsnittliga svaret från besökare som visades den upplevelsen som en slumpmässigt hanterad kontroll och det genomsnittliga svaret från besökare som visades upplevelsen med personaliseringsalgoritmen.
-
Den gröna bockikonen bredvid varje upplevelse i rapporten anger att en anpassad maskininlärningsmodell har skapats för den upplevelsen. Klockikonen anger att det inte finns tillräckligt med trafik för att skapa modellen.
- Eftersom modellen är byggd per upplevelse är det möjligt att se en modell för vissa upplevelser med en grön bock och andra med en klockikon.
- I det här fallet skickas ytterligare trafik till upplevelser med obyggda modeller för att öka hastigheten på de aktiviteter som har modeller byggda för alla upplevelser.
- Det måste finnas minst två upplevelser med byggda modeller (grön bock) för att personaliseringen ska kunna börja.
-
Att jämföra konverteringsgraden för upplevelsen A med upplevelsen B är inte rätt jämförelse i Auto-Target. Frågan är om upplevelsen A fungerar bättre när det används på ett intelligent sätt jämfört med ett slumpmässigt sätt (med andra ord kontra kontrollen). Marknadsförarna bör också vara försiktiga med att tolka lyft från enskilda upplevelser, eftersom personaliseringsalgoritmen försöker optimera för framgångsmätningen över hela aktiviteten, inte över varje enskild upplevelse.
-
Erfarenheter med störst lyft kan anses ha den största skillnaden inom befolkningen. Det innebär att algoritmen har hittat ett segment som gillar den speciella upplevelsen mest.
-
De olika kolumnerna i tabellen visar antalet besök, konverteringsgraden, den genomsnittliga lyften och konfidensnivån samt förtroendet. Mer information finns i Statistiska beräkningar i A/B-tester.
Diagramvy
Använd de två nedrullningsbara listrutorna för att välja önskad statistik, beräkningsmetod med mera. Mer information finns i Översikt över rapportinställningar:
Automatiska segment
Den här rapporten visar hur olika besökare svarar annorlunda på erbjudanden/upplevelser i din AP/AT-aktivitet. Den här rapporten visar hur olika automatiserade segment som definierats av personaliseringsmodellerna i Target svarade på erbjudandena/upplevelserna i aktiviteten.
Mer information finns i rapporten Automatiska segment.
Viktiga attribut
Den här rapporten visar hur olika attribut är viktigare (eller mindre) i olika aktiviteter för hur modellen bestämmer sig för att personalisera. Den här rapporten visar de viktigaste attributen som påverkade modellen och deras relativa betydelse.
Mer information finns i rapporten Viktiga attribut.