[Premium]{class="badge positive" title="檢視Target Premium包含的內容。"}

Automated Personalization (AP)

Adobe Target中的Automated Personalization (AP)活動會結合選件或訊息，並使用進階機器學習來根據訪客的個別客戶設定檔比對每位訪客的不同選件變數，以個人化內容並促進提升度。

與Auto-Target類似，Automated Personalization使用隨機森林演演算法 （一種主流的資料科學整體方法）作為主要的個人化演演算法，以決定要向訪客顯示的最佳體驗。 Automated Personalization在測試的探索階段可能很有價值。 鎖定多種訪客時，允許機器學習以決定最有效的內容也相當實用。演算法會隨著時間學習預測最有效的內容，並顯示最可能達成您的目標的內容。

若要瞭解Automated Personalization與Auto-Target有何不同，請參閱自動鎖定目標。

行銷人員在他們的網站上實作一個檔案，這可讓他們指向和點選任何內容，然後使用Visual Experience Composer (VEC)為該區域以視覺化方式建立並選取其他內容選項。 接著，演算法會根據系統所擁有有關訪客的行為資料，自動判斷要為每一個人提供何種內容，藉此提供個人化的體驗。因為Automated Personalization可以適應訪客行為的變更，所以它可以在不設定結束日期的情況下執行，以提供持續的提升度和個人化。 此模式有時稱為「隨時待命」。 在瞭解從最佳化發現的提升度之前，行銷人員不需要執行測試、分析結果，然後傳送獲勝者 (這是實施標準 A/B 活動成果的標準作業順序)。

討論Automated Personalization時，下列字詞相當實用：

使用Automated Personalization時，請考慮下列詳細資料：

Automated Personalization使用隨機森林演演算法來進行個人化

隨機森林是領先的機器學習方法。 在資料科學術語中，這是一種整體分類或回歸方法，會根據訪客和造訪屬性建構許多決策樹。 在Target內，隨機森林用於決定每個特定訪客的預期轉換可能性最高（或每次造訪收入最高）的體驗。 例如，使用Chrome的訪客為金會員忠誠會員，且於週二存取您的網站時，可能較容易透過體驗A轉換。來自紐約的訪客則較容易透過體驗B轉換。如需Target中隨機森林的詳細資訊，請參閱隨機森林演演算法。

個人化模型會針對每次造訪進行最佳化

個人化模型會因應訪客行為的變化

模型會持續將單一目標量度最佳化

Target會自動收集關於訪客的資訊以建置個人化模型

Target會自動使用所有Adobe Experience Cloud個共用對象來建置個人化模型

行銷人員可以上傳離線資料、傾向分數或其他自訂資料，以建立個人化模型

離線資料（例如CRM資訊或客戶流失傾向分數）在建置個人化模型時可能極具價值。 有數種方式可以在Automated Personalization (AP)和Auto-Target個人化演演算法中輸入資料。

有關Automated Personalization和Auto-Target個人化演演算法自動收集和使用之資料的資訊，請參閱Automated Personalization資料收集。

訓練影片: 活動類型

此影片說明 Target 中的可用活動類型。上午 05:55 處開始討論 Automated Personalization。