匿名访客Web个性化

此参考计划提供了实施指南，用于根据会话中行为信号向匿名（未识别）访客提供个性化Web内容。 它涵盖了完整的实施生命周期（从Web SDK配置和边缘受众定义到内容交付和性能报告），专为使用Adobe Journey Optimizer (AJO)、Adobe Real-Time Customer Data Platform (RT-CDP)和Adobe Experience Platform (AEP)的解决方案架构师、营销技术人员和实施工程师而设计。

使用此计划可了解架构、评估实施选项、做出明智的配置决策以及找到每个实施阶段的相关Experience League文档。

模式只对有限的数据起作用 — 只有可以在当前会话中观察到的内容，以及以前使用同一设备或Cookie访问累积的任何匿名边缘配置文件。 这使得它适用于funnel顶部个性化，即访客没有帐户或没有进行身份验证。

用例概述

匿名访客Web Personalization满足了向尚未识别身份的网站访客提供相关、个性化内容的业务需求，这些访客尚未登录，没有已知的身份，并且无法解析为统一的客户个人资料。 尽管存在此限制，但可以使用会话中行为信号来实现有意义的个性化：页面查看次数、网站逗留时间、滚动深度、反向链接来源、地理位置、设备类型和UTM促销活动参数。

此模式使用AJO的Web渠道表面和基于代码的体验来实时修改页面内容。 Edge分段是主要的评估方法，因为当访客导航网站时，必须在不到一秒钟的延迟内做出决策。 Web SDK收集行为信号并将它们发送到AEP Edge Network，边缘评估的受众规则将决定要投放的内容变体。

与利用完整的统一配置文件和区段成员资格的已知访客Web/应用程序个性化不同，此模式受当前会话中可观察的数据以及与访客的ECID (Experience Cloud ID)关联的任何匿名边缘配置文件的限制。 这种区分对于实施规划至关重要：可用于个性化的行为信号仅限于Web SDK捕获的内容以及通过基于Cookie的ECID跨会话保留在边缘配置文件存储中的内容。

主要业务目标

此用例模式支持以下业务目标。

提高网站参与度

通过针对匿名访客信号量身定制的相关体验，缩短网站访问时间、每次会话页面数以及与网络内容的交互。

提供个性化的客户体验

根据个人的偏好、行为和生命周期阶段定制内容、选件和消息 — 即使对于尚未标识自己的访客。

提高转化率

通过根据行为上下文提供最相关的内容，提高完成所需操作（如购买、注册或表单提交）的访客和潜在客户的百分比。

战术用例示例

以下示例说明了可应用此模式的特定场景。

关键绩效指标

使用以下KPI衡量此用例模式的有效性。

用例模式

下面描述了此用例的核心模式和功能链。

匿名访客Web Personalization

通过AJO Web渠道，根据会话中行为信号为未识别的访客提供个性化内容。

函数链： Web表面配置>行为规则评估>内容交付>展示跟踪>报告

应用程序

在此用例模式中使用以下应用程序。

基本函数

必须具备以下基本功能才能使用此用例模式。 对于每个函数，状态都指示它通常是必需的、假定为预配置还是不适用。

支持功能

以下功能增强此用例模式，但核心执行不需要这些功能。

应用程序功能

此计划从“应用程序功能目录”中练习以下功能。 函数会映射到实施阶段而不是编号步骤。

Journey Optimizer (AJO)

Real-Time CDP (RT-CDP)

先决条件

请在开始实施之前完成以下操作。

实施选项

本节介绍了三种实施方法。 选择最适合您的个性化要求的选项。

选项A：基于规则的Web个性化

最适合：​简单、确定性的个性化 — 地理定位横幅、特定于引用源的头条、特定于设备的布局、新增与回访访客的消息传递。 当可以通过直接条件逻辑确定内容变体时（如果条件X，则显示内容Y），请选择此选项。

工作方式：

基于规则的个性化使用边缘计算的受众区段来确定访客看到的内容变体。 每个受众区段都通过营销活动中定义的条件规则映射到特定内容变体。 当访客加载页面时，Web SDK向Edge Network发送行为信号，后者根据定义的受众规则（以毫秒为单位）评估访客的边缘配置文件。 匹配的内容变体在Edge Network响应中返回并在页面上呈现。

此方法需要在RT-CDP中定义不同的受众区段（例如“来自Google搜索的访客”、“加利福尼亚的访客”、“移动设备访客”），并在AJO中创建相应的内容变体。 营销活动使用条件内容规则将每个受众捆绑到其内容变体，或者为每个区段单独捆绑营销活动。 不涉及AI排名或流量拆分 — 受众与内容之间的关系是确定性的。

关键注意事项：

优点：

限制：

Experience League：

选项B：基于试验的Web个性化

最适合： A/B和多变量测试 — 测试标题变体、CTA按钮颜色、版面选择、促销优惠 — 具有统计意义测量。 在提交永久个性化规则之前，如果您需要验证哪个内容变体的表现最佳，请选择此选项。

工作方式：

基于试验的个性化使用AJO内容试验将访客随机分配给内容处理组，并衡量哪个变体对于定义的成功量度表现最佳。 流量在变量之间拆分（例如，A/B为50/50，A/B/C为33/33/34），并跟踪性能，直到达到统计显着性为止。

该实验嵌入在AJO Web营销活动中。 当访客加载页面时，Edge Network会根据配置的流量分配将它们分配给处理组。 在实验期间，访客始终看到相同的处理方式（会话级或访客级持久性取决于配置）。 成功量度（点击次数、转化次数、参与事件）通过Web SDK进行跟踪并在AJO试验报告中报告。

此选项不需要预定义的受众区段进行定位 — 所有访客（或目标子集）都参与试验。 目标是发现哪些内容表现最佳，而不是以预定内容定位已知区段。

关键注意事项：

优点：

限制：

Experience League：

选项C：基于决策的Web个性化

最佳选择：​动态内容选择 — 类别亲和度推荐、退出意图优惠、行为推荐 — 决策策略在此过程中评估会话信号并从合格项目的目录中选择最佳内容。 当内容选择逻辑对于简单规则而言过于复杂，或者您想要进行人工智能排名优化，或者符合条件的内容项集较大且动态时，可选择此选项。

工作方式：

基于Decisioning的个性化使用AJO Decisioning评估行为信号，并从受管理的内容项目（选件）目录中为每位访客选择最佳内容变体。 每个内容项都具有资格规则（符合条件的人员）、表示形式（内容在每个投放位置中看起来是什么样子）和可选的上限限制（可以显示的频率）。 决策策略将投放位置（内容显示在页面上）链接到内容项集合，并应用排名策略来选择最佳选项。

当访客加载页面时，Web SDK发送包含决策范围的Edge Network请求。 决策引擎根据内容项目资格规则评估访客的边缘配置文件，应用排名策略（基于优先级、基于公式或人工智能排名），并返回入选的内容项目。 这种情况发生在边缘，延迟时间为亚秒。

排名策略确定合格内容项的排序方式。 基于优先级的排名使用手动分配的优先级值。 基于公式的排名使用自定义表达式（例如，为页面查看的回访间隔加权）。 人工智能排名使用的机器学习模型会随着时间的推移优化所选的成功量度，但需要至少1,000个转化事件才能进行训练。

关键注意事项：

优点：

限制：

Experience League：

选项比较

下表比较了三个实施选项（基于主要标准）。

选择正确的选项

使用以下决策逻辑选择适当的实施选项：

组合选项：​这些选项不互斥。 一个常见的进展是首先从选项B（试验）开始发现入选内容，然后使用选项A（基于规则）部署入选者以进行持续交付。 对于需要基于目录进行动态选择的用例，可以将选项C（决策）栈叠到顶部，而选项A处理更简单的确定性规则。

实施阶段

以下阶段描述了端到端实施工作流程。

阶段1：配置Web界面

应用程序函数： AJO：渠道配置

定义Web渠道界面，用于指定在您的网站上交付个性化内容的位置。 Web表面标识特定页面URL或URL模式以及AJO可以插入或替换内容的页面位置（CSS选择器或基于代码的体验表面）。

此阶段中的​决策点：

用户界面导航： Journey Optimizer >管理>渠道> Web配置

密钥配置详细信息：

Experience League文档：

第2阶段：定义行为受众

应用程序函数： RT-CDP：受众评估

根据推动个性化定位的会话中行为信号定义边缘评估的受众区段。 这些受众可确定哪些访客符合每个个性化体验的资格。 Edge评估对于此模式是强制性的，因为必须在访客浏览网站时于次秒时间范围内做出个性化决策。

此阶段中的​决策点：

UI导航：​客户>受众>创建受众>生成规则

密钥配置详细信息：

选项差异的位置：

选项A的​（基于规则）：
为每个内容变体创建不同的受众区段。 每个区段表示一个特定的行为条件（例如，“反向链接= Google和地域=美国”映射到内容变量A）。 受众数等于个性化规则数。

选项B的​（试验）：
受众定义是可选的。 如果试验面向所有访客，则不需要受众 — 流量拆分处理变量分配。 如果试验以特定子集为目标（例如，仅移动访客），请为试验资格定义单个定位受众。

选项C （决策）的​：
定义受众以用作内容项目的资格规则。 这些受众可确定哪些访客符合决策策略中哪些内容项目的条件。 该决策引擎处理从合格项目中的内容选择。

Experience League文档：

阶段3：创作内容并创建变体

应用程序功能： AJO：消息创作，AJO：内容试验（选项B），AJO：决策（选项C）

创建将根据受众成员资格（选项A）、试验分配（选项B）或决策逻辑（选项C）交付给访客的个性化内容变体。 此阶段涵盖使用AJO Web设计器或基于代码的体验编辑器创建内容，以及控制内容选择方式的试验或决策配置。

此阶段中的​决策点：

UI导航： Journey Optimizer >营销活动>选择营销活动>编辑内容

密钥配置详细信息：

选项差异的位置：

选项A的​（基于规则）：
为阶段2中定义的每个受众区段创作不同的内容变体。 使用营销活动配置中的条件内容规则将每个变体绑定到其目标受众。 确保存在与任何受众规则都不匹配的访客的默认内容变体。

选项B的​（试验）：
创作处理变量（A、B、C等） 用于试验。 在营销活动上启用内容实验，定义治疗变体的内容，设置流量分配百分比，并配置成功量度。

选项C （决策）的​：
设置决策组件栈栈，并将其集成到营销活动中。

Experience League文档：

阶段4：配置活动和投放

应用程序函数： AJO：营销活动执行

创建并激活AJO Web营销活动，该活动会将Web界面（阶段1）、受众定位或试验配置（阶段2-3）和内容变体（阶段3）绑定到可交付成果单元中。 营销活动控制向访客提供个性化内容的时间和方式。

此阶段中的​决策点：

UI导航： Journey Optimizer >营销活动>创建营销活动

密钥配置详细信息：

选项差异的位置：

选项A的​（基于规则）：
为每个个性化规则创建一个营销活动，每个营销活动均面向不同的边缘受众及其对应的内容变体。 或者，使用具有条件内容规则的单个营销活动，这些条件内容规则会将受众成员资格映射到一个营销活动中的内容变体。

选项B的​（试验）：
创建启用了内容实验的单个营销活动。 试验配置（变体、流量分配、成功量度）在阶段3中定义。 激活营销活动以开始试验。

选项C （决策）的​：
创建嵌入阶段3中配置的决策策略的营销活动。 营销活动的内容操作引用决策范围，该范围会在边缘触发决策引擎。 激活营销活动以开始交付基于决策的内容。

Experience League文档：

阶段5：报告和分析性能

应用程序函数： AJO：报表和性能分析

使用AJO内置报告监控个性化性能，还可以选择使用CJA扩展分析，以更深入地了解跨渠道信息。 此阶段包括访问实时和历史活动报告、审查实验结果和构建自定义分析工作区。

此阶段中的​决策点：

UI导航： Journey Optimizer >营销活动>选择营销活动>查看报告

密钥配置详细信息：

选项差异的位置：

选项A的​（基于规则）：
查看每个受众区段的促销活动报表，以比较不同个性化内容变体的交付情况和参与量度。 使用CJA构建一个比较工作区，用于衡量个性化内容与默认内容的转化影响。

选项B的​（试验）：
查看试验报告以了解统计置信度、治疗提升度和入选者识别。 等待达到置信度阈值后，再声明入选者。 将入选内容作为永久变量应用（过渡到选项A以进行持续交付）。

选项C （决策）的​：
审查决策绩效指标，包括优惠展示率、选择频度和每个内容项目的转化归因。 分析排名策略的执行方式以及回退内容的提供是否过于频繁（表明资格规则过于严格）。

Experience League文档：

实施注意事项

此部分涵盖此用例模式的护栏、常见隐患、最佳实践和取舍决策。

护栏和限制

在实施之前和期间查看以下护栏。

常见陷阱

避免出现以下常见实施错误。

最佳实践

请遵循这些建议以便成功实施。

权衡决定

在规划实施时，请考虑以下取舍。

相关文档

以下Experience League资源提供了有关此用例模式中所用功能的更多详细信息。

Web渠道体验和基于代码的体验

受众和分段

Personalization和内容

内容试验

决策管理

营销活动

Web SDK和数据收集

身份和配置文件

数据建模

报告和分析

数据治理和隐私

护栏