[Premium]{class="badge positive" title="查看Target Premium中包含的内容。"}

Automated Personalization (AP)

Adobe Target中的Automated Personalization (AP)活动将选件或消息组合在一起，并使用高级机器学习根据每位访客的个人客户配置文件将不同的选件变体与其匹配，以便个性化内容并促进提升。

与Auto-Target类似，Automated Personalization使用随机林算法（一种领先的数据科学组合方法）作为其主要个性化算法，来确定向访客显示的最佳体验。 Automated Personalization在测试的发现阶段可能很有价值。 当定位各种不同的访客时，它也有助于机器学习确定最有效的内容。随着时间的推移，该算法会学习预测最有效的内容并显示最有可能实现您的目标的内容。

要查找有关Automated Personalization与Auto-Target不同之处的详细信息，请参阅自动定位。

营销人员在他们的网站上实施一个文件，使他们能够指向并单击任何内容，然后使用Visual Experience Composer (VEC)为该区域直观地创建和选择其他内容选项。 之后，该算法会根据系统提供的有关每一位访客的所有行为数据自动确定向该访客提供的内容块，从而提供个性化体验。由于Automated Personalization可以适应访客行为的变化，因此它可以在没有设定结束日期的情况下运行，以提供持续的提升和个性化。 此模式有时称为“始终运行”。 营销人员不需要先运行测试、分析结果、交付入选者，然后再实现从优化中发现的提升，这是实施标准 A/B 活动结果的标准操作顺序。

讨论Automated Personalization时，以下术语很有用：

使用Automated Personalization时请考虑以下详细信息：

Automated Personalization使用随机林算法进行个性化

随机林是一种领先的机器学习方法。 在数据科学术语中，它是一种集成分类或回归方法，通过构建基于访客和访问属性的多个决策树来工作。 在Target内，随机林用于确定哪个体验对于每个特定访客具有最高的转化可能性（或每次访问的最高收入）。 例如，使用Chrome的访客是金会员忠诚会员，并且星期二访问您的网站可能会更倾向于使用体验A转化。来自纽约的访客可能更倾向于使用体验B转化。有关Target中随机林的详细信息，请参阅随机林算法。

个性化模型会针对每次访问进行优化

个性化模型可适应访客行为的变化

模型会不断优化单个目标量度

Target自动收集关于访客的信息以构建个性化模型

Target自动使用所有Adobe Experience Cloud共享受众来构建个性化模型

营销人员可以上传离线数据、倾向得分或其他自定义数据来构建个性化模型

在构建个性化模型时，离线数据（如CRM信息或客户流失倾向分数）可能非常有价值。 有几种方法可在Automated Personalization (AP)和Auto-Target个性化算法中输入数据。

有关Automated Personalization和Auto-Target个性化算法自动收集和使用的数据的信息，请参阅Automated Personalization数据收集。

培训视频：活动类型

以下视频介绍了 Target 中可用的活动类型。对 Automated Personalization 的讨论开始于 5:55。