Show Menu
TEMAS×

Segmentación automática

La segmentación automática utiliza aprendizaje automático avanzado para seleccionar entre varias experiencias de alto rendimiento definidas por expertos en marketing para personalizar el contenido y dirigir las conversiones. La segmentación automática proporciona la experiencia más adaptada a cada visitante según su perfil de cliente individual y el comportamiento de visitantes anteriores con perfiles similares.
La segmentación automática está disponible como parte de la solución Target Premium. Esta característica no está disponible en Target Standard sin una licencia de Target Premium. For more information about the advanced features this license provides, see Target Premium .
Al crear una actividad A/B mediante el flujo de trabajo guiado de tres pasos , tiene la opción de asignar el tráfico con la opción Segmentación automática para experiencias personalizadas:

Información general

La opción de segmentación automática dentro del flujo de actividad A/B le permite aprovechar el aprendizaje automático para personalizar en un solo clic basándose en un conjunto de experiencias definidas por el especialista en marketing. La segmentación automática está diseñada para ofrecer una optimización máxima, en comparación con las pruebas A/B tradicionales o la asignación automática, determinando qué experiencia mostrar para cada visitante. Al contrario que en una actividad A/B, cuyo objetivo es encontrar un único ganador, la segmentación automática determina la mejor experiencia para un visitante específico (según su perfil e información adicional) y así ofrecerle una experiencia con un alto nivel de personalización.
De forma parecida a la Personalización automatizada, la segmentación automática utiliza un algoritmo de bosque aleatorio (un método puntero de ensamblado de la ciencia de datos) para determinar la mejor experiencia para mostrar a un visitante. Debido a que la segmentación automática se puede adaptar a los cambios en el comportamiento de los visitantes, se puede ejecutar de forma perpetua para proporcionar un aumento. A veces, este modo se denomina “siempre-activo”.
Al contrario que en una actividad A/B, en la que la asignación de experiencias para un visitante dado es fija, la segmentación automática optimiza el objetivo comercial especificado en cada visita. Al igual que en la Personalización automática, la segmentación automática, de forma predeterminada, reserva parte del tráfico de la actividad como grupo de control para medir el aumento. A los visitantes del grupo de control se les sirve una experiencia aleatoria en la actividad.
Hay algunas cosas importantes que debe tener en cuenta al usar la segmentación automática:
  • No puede cambiar una actividad específica de segmentación automática a Personalización automatizada y viceversa.
  • No puede pasar de la asignación de tráfico manual (prueba tradicional A/B) a la orientación automática y viceversa después de que una actividad esté activa.
  • Al usar hosts y entornos (grupos de hosts), los modelos solo se crean para el entorno “Producción”. Todos los entornos aportan datos a la hora de crear modelos para las campañas de “Producción”.
  • Hay que usar un mínimo de dos experiencias.

Terminología

Los siguientes términos pueden resultar útiles al tratar el tema de la segmentación automática:
Término
Definición
Multi-armed bandit
Un método multi-armed bandit en la optimización equilibra el aprendizaje de exploración y la explotación de dicho aprendizaje.
Bosque aleatorio
El bosque aleatorio es una solución pionera de aprendizaje automático. En el ámbito de la ciencia de datos, es un método de clasificación o regresión del ensamblado que funciona construyendo un gran número de árboles de decisión basados en los atributos del visitante y de la visita. En Target, el bosque aleatorio se utiliza para determinar qué experiencia se prevé que tendrá la mayor probabilidad de conversión (o los mayores ingresos por visita) para cada visitante específico. Para obtener más información sobre el bosque aleatorio, consulte Algoritmo de bosque aleatorio .
Muestreo Thompson
El objetivo del muestreo Thompson es determinar qué experiencia es la mejor globalmente (sin personalizar), al mismo tiempo que se minimiza el “coste” de encontrar dicha experiencia. El muestreo Thompson siempre selecciona un ganador, aunque no haya diferencias estadísticas entre las dos experiencias. Para obtener más información, consulte Muestreo Thompson .

Cómo funciona la segmentación automática

Obtenga más información acerca de los datos y algoritmos detrás de la segmentación automática y la Personalización automatizada en los siguientes vínculos:
Término
Detalles
El algoritmo de personalización principal de Target que se utiliza en la Segmentación automática y en la Personalización automatizada es el de bosque aleatorio. Los métodos de ensamblado, como el bosque aleatorio, utilizan varios algoritmos de aprendizaje para obtener un rendimiento más predictivo que el que podría obtenerse de cualquier algoritmo de aprendizaje constituyente. El algoritmo de bosque aleatorio del sistema de personalización automatizada es un método de clasificación o regresión que funciona creando una multitud de árboles de decisión en tiempo de aprendizaje.
Hay varias formas de introducir datos para los modelos de Segmentación automática y Personalización automatizada.
Los algoritmos de personalización de Target recopilan automáticamente una variedad de datos.

Determinación de la asignación de tráfico

Dependiendo del objetivo de su actividad, puede elegir una asignación de tráfico diferente entre control y experiencias personalizadas. Lo mejor es determinar este objetivo antes de realizar su actividad en vivo.
La lista desplegable Asignación personalizada le permite elegir entre las siguientes opciones:
  • Evaluar el Algoritmo de personalización
  • Maximice el tráfico de personalización
  • Asignación personalizada
Objetivo de la actividad
Asignación de tráfico sugerida
Compensaciones
Evaluar algoritmo de personalización (50/50) : Si su objetivo es probar el algoritmo, utilice un porcentaje de visitantes del 50% al 50% entre el control y el algoritmo de objetivo. Esta división proporciona la estimación más precisa del alza. Se sugiere utilizar con «experiencias aleatorias» como control.
50 % de control/50 % de experiencia personalizada dividida
  • Maximiza la precisión del aumento entre el control y el personalizado
  • Relativamente, tendrá menos visitantes una experiencia personalizada
Maximizar tráfico de personalización (90/10) : Si su objetivo es crear una actividad «siempre activa», coloque el 10% de los visitantes en el control para asegurarse de que hay suficientes datos para que los algoritmos continúen aprendiendo a lo largo del tiempo. Tenga en cuenta que la compensación aquí es que, a cambio de personalizar una mayor proporción de su tráfico, tendrá menos precisión en la estimación del alza. Independientemente del objetivo, es la división de tráfico recomendada al usar una experiencia específica como control.
Lo mejor es usar una división de Experiencia personalizada del 10 % - 30 %/70 % - 90 %
  • Maximiza el número de visitantes que tienen una experiencia personalizada
  • Maximiza el alza
  • Menos precisión en cuanto a lo que significa el aumento para la actividad
Asignación personalizada
Divida manualmente el porcentaje según lo desee.
  • Puede que no consiga los resultados deseados. Si no está seguro, siga las sugerencias de cualquiera de las opciones anteriores
Para ajustar el porcentaje de control, haga clic en los iconos de la columna Asignación. No se puede reducir el grupo de control por debajo del 10 %.

¿Cuándo se debe elegir la Segmentación automática en lugar de la Personalización automatizada?

Hay varios escenarios en los que puede preferir usar la Segmentación automática sobre la Personalización Automatizada:
  • Si quiere definir la experiencia completa y no ofertas individuales que se combinarán automáticamente para formar una experiencia.
  • Si desea aprovechar el conjunto completo de funciones del Compositor de experiencias visuales (VEC) que no admite Personalización automática: el editor de código personalizado, las audiencias de experiencia múltiple y más.
  • Si desea realizar cambios estructurales en su página en diferentes experiencias. Por ejemplo, si desea reorganizar el orden de los elementos en su página de inicio, sería más apropiado utilizar la Segmentación automática que la Personalización automatizada.

¿Qué tienen en común la Segmentación automática y la Personalización automatizada?

El algoritmo se optimiza para lograr un resultado positivo en cada visita.
  • El algoritmo predice la tendencia de un visitante a la conversión (o el resultado estimado de la conversión) para poder ofrecer la mejor experiencia.
  • Un visitante es apto para una nueva experiencia al finalizar una sesión existente (a menos que el visitante esté en el grupo de control, en cuyo caso la experiencia que se le asigna al visitante en su primera visita sigue siendo la misma para visitas posteriores).
  • En una sesión, la predicción no cambia para mantener la coherencia visual.
El algoritmo se adapta a los cambios de comportamiento de los visitantes.
  • El método multi-armed bandit garantiza que el modelo siempre destine una pequeña fracción de tráfico a seguir con el aprendizaje mientras dure el aprendizaje de la actividad y a evitar la sobreexplotación de las tendencias aprendidas anteriormente.
  • Los modelos subyacentes se regeneran cada 24 horas a partir de los últimos datos de comportamiento de los visitantes para garantizar que Target siempre explotando los cambios de preferencias de los visitantes.
  • Si el algoritmo no es capaz de determinar experiencias ganadoras para usuarios individuales, pasa automáticamente a mostrar la experiencia con mejor rendimiento general, sin dejar por ello de buscar ganadores personalizados. La experiencia con mejor rendimiento se determina empleando Muestreo Thompson .
El algoritmo se optimiza continuamente para lograr una única métrica de objetivos.
  • Esta métrica puede estar basada en la conversión o en los ingresos (más concretamente, Ingresos por visita).
El algoritmo no es compatible con el uso deAnalyticscomo fuente de datos o punto final de informes.
Target recopila automáticamente información sobre los visitantes para crear los modelos de personalización.
Target utiliza automáticamente todas las audiencias compartidas por Experience Cloud para crear los modelos de personalización.
  • No es necesario que haga nada para agregar audiencias al modelo. Para obtener información sobre el uso de Audiencias de Experience Cloud con Target, consulte Audiencias de Experience Cloud
Los expertos en marketing pueden cargar datos sin conexión, puntuaciones de inclinación u otros datos personalizados para crear modelos de personalización.

¿En qué se diferencian la segmentación automática y la personalización automatizada?

La segmentación automáticarequiere frecuentemente menos tráfico que la personalización automatizada para crear un modelo personalizado.
Aunque la cantidad de tráfico por experiencia requerida para los modelos de segmentación automática o personalización automática para compilar es la misma, usualmente hay más experiencias en una actividad de personalización automatizada que una actividad de segmentación automática. Por ejemplo, si tuvo una actividad de personalización automática en la que creó dos ofertas por ubicación con dos ubicaciones, habría cuatro (2 = 4) experiencias totales incluidas en la actividad (sin exclusiones). Utilizando la segmentación automática, puede configurar la experiencia 1 para incluir la oferta 1 en la ubicación 1 y la oferta 2 en la ubicación 2, y la experiencia 2 para incluir la oferta 1 en la ubicación 1 y la oferta 2 en la ubicación 2. Debido a que la segmentación automática le permite elegir tener múltiples cambios dentro de una experiencia, puede reducir la cantidad total de experiencias en su actividad.
Para la segmentación automática, se pueden usar reglas simples para comprender los requisitos de tráfico:
  • Cuando la conversión es su métrica de éxito: 1000 visitas y al menos 50 conversiones por día por experiencia; además, la actividad debe tener al menos 7000 visitas y 350 conversiones.
  • Cuando los ingresos por visita son su métrica de éxito: 1000 visitas y al menos 50 conversiones por día por experiencia, y además la actividad debe tener al menos 1000 conversiones por experiencia. Por lo general, el RPV requiere más datos para construir modelos debido a la mayor varianza de datos que normalmente existe en los ingresos de visita en comparación con la tasa de conversión.
La segmentación automáticacuenta con una funcionalidad de configuración completa.
  • Al estar integrado en el flujo de trabajo de la actividad A/B, la segmentación automática utiliza el compositor de experiencias visuales (VEC), una herramienta más antigua y completa. También puede aprovechar los vínculos de control de calidad con la segmentación automática.
La segmentación automáticaproporciona un amplio marco de pruebas en línea.
  • El método multi-armed bandit forma parte de un marco de pruebas en línea más amplio que permite a nuestros científicos de datos e investigadores comprender los beneficios de sus continuas mejoras en condiciones reales.
  • En el futuro, este banco de pruebas nos permitirá abrir nuestra plataforma de aprendizaje automático a nuestros clientes expertos en datos para que puedan traer sus propios modelos para aumentar los modelos de Target.

Informes y segmentación automática

Para obtener más información, consulte Informe Resumen de la segmentación automática en la sección Informes .

Preguntas más frecuentes sobre la segmentación automática

¿Cuáles son las prácticas recomendadas para configurar una actividad desegmentación automática?
  • Decida si el valor comercial de una métrica de éxito de Ingresos por visita (RPV) merece los requisitos de tráfico adicionales. Por lo general, RPV necesita al menos 1000 conversiones por experiencia para que una actividad funcione frente a la conversión.
  • Decida la asignación entre el control y las experiencias personalizadas antes de comenzar la actividad en función de sus objetivos.
  • Determine si tiene tráfico suficiente en la página donde se ejecutará su actividad de segmentación automática para que los modelos de personalización se creen en un periodo de tiempo razonable.
    • Si está probando el algoritmo de personalización, no debe cambiar experiencias o agregar/eliminar atributos de perfil mientras la actividad está activa.
  • Considere completar una actividad A/B entre las ofertas y las ubicaciones que planea utilizar en su actividad de segmentación automática para garantizar que la ubicación y las ofertas tengan un impacto en el objetivo de optimización. Si una actividad A/B no demuestra una diferencia significativa, la segmentación automática tampoco generará un alza.
    • Si una prueba A/B no muestra diferencias estadísticamente significativas entre las experiencias, es probable que las ofertas que está considerando no sean suficientemente diferentes entre sí, las ubicaciones que seleccionó no influyen en la métrica de éxito o el objetivo de optimización está demasiado lejos en el embudo de conversión como para verse afectado por las ofertas elegidas.
  • Trate de no hacer cambios sustanciales en las experiencias durante el curso de la actividad.
¿Las marcas de verificación indican que se ha creado un modelo para esa actualización de experiencia si cambia el intervalo de fechas del informe?
No, las marcas de verificación para la generación del modelo muestran solo los modelos creados hasta la fecha. No hay forma de volver y ver cuándo se completó un modelo.
Si un visitante NO ve la actividad de lasegmentación automáticay cambia, ¿la conversión cuenta en mi actividad?
No, solo los visitantes que califiquen y vean la actividad de segmentación automática se cuentan en los informes.
Mi actividad desegmentación automáticaparece que no está generando ningún alza. ¿A qué se debe?
Hay varios factores necesarios para que una actividad de segmentación automática genere un alza:
  • Las ofertas deben ser lo suficientemente diferentes como para influir en los visitantes.
  • Las ofertas deben ubicarse en algún lugar que marque una diferencia en el objetivo de optimización.
  • Debe haber suficiente tráfico y “poder” estadístico en la prueba para detectar el alza.
  • El algoritmo de personalización debe funcionar bien.
El mejor curso de acción es asegurarse primero de que el contenido y las ubicaciones que componen las experiencias de actividad marquen realmente una diferencia en las tasas de respuesta generales mediante una prueba A/B simple no personalizada. Asegúrese de calcular los tamaños de muestra antes de tiempo para asegurarse de que haya suficiente energía para ver un levantamiento razonable y ejecutar la prueba A/B durante un tiempo determinado sin detenerlo ni realizar ningún cambio.
Si los resultados de una prueba A/B muestran un aumento estadísticamente significativo en una o más de las experiencias, entonces es probable que una actividad personalizada funcione. Por supuesto, la personalización puede funcionar incluso si no hay diferencias en las tasas de respuesta general de las experiencias. Normalmente, el problema radica en que las ofertas/ubicaciones no tienen un impacto lo suficientemente grande en el objetivo de optimización para que se detecten con relevancia estadística.
¿Cuándo debería detener mi actividad desegmentación automática?
La segmentación automática se puede utilizar como una personalización “siempre activada” que se optimizará constantemente. Especialmente para contenido permanente, no es necesario detener su actividad de segmentación automática.
Si desea realizar cambios sustanciales en el contenido en su actividad de segmentación automática, la mejor práctica es comenzar una nueva actividad para que otros usuarios que revisen los informes no confundan ni relacionen resultados pasados con contenido diferente.
¿Cuánto tiempo debo esperar para que los modelos se creen?
La cantidad de tiempo que tardan los modelos en desarrollar su actividad de segmentación automática depende típicamente del tráfico a las ubicaciones de la actividad seleccionada y la métrica de éxito de la actividad.
Para la segmentación automática, se pueden usar reglas simples para comprender los requisitos de tráfico:
  • Cuando la conversión es su métrica de éxito: 1000 visitas y al menos 50 conversiones por día por experiencia; además, la actividad debe tener al menos 7000 visitas y 350 conversiones.
  • Cuando los ingresos por visita son su métrica de éxito: 1000 visitas y al menos 50 conversiones por día por experiencia, y además la actividad debe tener al menos 1000 conversiones por experiencia. Por lo general, el RPV requiere más datos para construir modelos debido a la mayor varianza de datos que normalmente existe en los ingresos de visita en comparación con la tasa de conversión.
Se ha creado un modelo en mi actividad. ¿Las visitas a esa experiencia están personalizadas?
No, debe haber al menos dos modelos integrados dentro de su actividad para que comience la personalización.
¿Cuándo puedo empezar a ver los resultados de mi actividad de lasegmentación automática?
Puede comenzar a observar los resultados de su actividad de segmentación automática después de que tenga al menos dos experiencias con los modelos creados (marca de verificación verde) para la experiencia que tienen los modelos generados.
¿Puedo especificar una experiencia específica para utilizarla como control?
You can select an experience to be used as control while creating an Automated Personalization (AP) or Auto-Target (AT) activity.
Esta función permite dirigir todo el tráfico de control a una experiencia específica, según el porcentaje de asignación de tráfico configurado en la actividad. Luego puede evaluar los informes de rendimiento del tráfico personalizado contra el tráfico de control a esa experiencia.
For more information, see Use a specific experience as control .

Solución de problemas de la segmentación automática

A veces, las actividades no salen como se esperaba. A continuación, le presentamos algunos de los posibles desafíos a los que se puede enfrentar al usar la segmentación automática y algunas soluciones sugeridas.
Miactividad de segmentación automáticaestá tardando demasiado en crear modelos.
Hay varios cambios en la configuración de la actividad que pueden disminuir el tiempo esperado para crear modelos, incluida la cantidad de experiencias en su actividad de segmentación automática, el tráfico hacia su sitio y la métrica de éxito seleccionada.
Solución: revise la configuración de su actividad y vea si hay algún cambio que esté dispuesto a hacer para mejorar la velocidad a la que se crean los modelos.
  • Si su métrica de éxito está configurada en RPV, ¿puede cambiar a conversión? Las actividades de conversión tienden a requerir menos tráfico para construir modelos. No perderá datos de actividad si cambia la métrica de éxito de RPV a conversión.
  • ¿Su métrica de éxito está muy por debajo del embudo de ventas de sus experiencias de actividad? Una tasa de conversión de actividad más baja aumentará los requisitos de tráfico necesarios para que los modelos se creen, ya que se requiere un número mínimo de conversiones.
  • ¿Hay algunas experiencias que puede retirar de su actividad? Disminuir el número de experiencias en una actividad reducirá la cantidad de tiempo para construir modelos.
  • ¿Hay una página con mayor tráfico en la que esta actividad sería más exitosa? Cuanto más tráfico y conversiones haya en sus ubicaciones de actividad, más rápido se crearán los modelos.
Mi actividad desegmentación automáticano está generando ningún alza.
Hay varios factores necesarios para que una actividad de AP genere un alza:
  • Las ofertas deben ser lo suficientemente diferentes como para influir en los visitantes.
  • Las ofertas deben ubicarse en algún lugar que marque una diferencia en el objetivo de optimización.
  • Debe haber suficiente tráfico y “poder” estadístico en la prueba para detectar el alza.
  • El algoritmo de personalización debe funcionar bien.
Solución: primero, asegúrese de que su actividad personalice el tráfico. Si los modelos no están diseñados para todas las experiencias, su actividad de segmentación automática todavía estará sirviendo aleatoriamente una porción significativa de visitas para intentar construir todos los modelos lo más rápido posible. Si los modelos no están construidos, la segmentación automática no está personalizando el tráfico.
A continuación, asegúrese de que las ofertas y los lugares de actividad marquen realmente la diferencia en las tasas de respuesta generales mediante una prueba A/B simple, no personalizada. Asegúrese de calcular los tamaños de muestra antes de tiempo para asegurarse de que haya suficiente energía para ver un levantamiento razonable y ejecutar la prueba A/B durante un tiempo determinado sin detenerlo ni realizar ningún cambio. Si los resultados de una prueba A/B muestran un aumento estadísticamente significativo en una o más de las experiencias, entonces es probable que una actividad personalizada funcione. Por supuesto, la personalización puede funcionar incluso si no hay diferencias en las tasas de respuesta general de las experiencias. Normalmente, el problema radica en que las ofertas/ubicaciones no tienen un impacto lo suficientemente grande en el objetivo de optimización para que se detecten con relevancia estadística.
Las métricas que dependen de la métrica de conversión nunca se convierten.
Esto es esperable.
En una actividad de Segmentación automática, una vez convertida la métrica de conversión (ya sea por objetivos de optimización o de anuncio), el usuario se libera de la experiencia y se reinicia la actividad.
Por ejemplo, existe una actividad con una métrica de conversión (C1) y una métrica adicional (A1). A1 depende de C1. Cuando un visitante entra a la actividad por primera vez y no se convierten los criterios de conversión de A1 y C1, la métrica A1 no se convierte debido a la dependencia de métrica de éxito. Si el visitante convierte C1 y luego convierte A1, A1 aún no se convierte porque en cuanto se convierte C1, se libera el visitante.

Vídeo de formación: Aspectos básicos de las actividades de Segmentación automática

Este vídeo explica cómo configurar una actividad A/B de Segmentación automática.
Tras completar esta formación, debe ser capaz de:
  • Definición de las pruebas de Segmentación automática
  • Comparación y contraste entre la Segmentación automática y la Personalización automatizada.
  • Creación de actividades de Segmentación automática