Target 활동 유형

활동 유형

세부 사항

수동 A/B 테스트

사전 지정된 테스트 기간 동안 전환을 최고로 향상시킨 경험을 확인하기 위해 둘 이상의 경험을 비교합니다.

자세한 내용은 A/B 테스트를 참조하십시오.

자동 할당

둘 이상의 경험에서 승자를 확인한 후 트래픽을 우승 경험으로 리디렉션하여 테스트가 실행되고 학습이 진행됨에 따라 전환을 늘립니다.

자세한 내용은 자동 할당을 참조하십시오.

자동 타겟팅

고급 머신 러닝을 사용하여 높은 성과를 보이는, 마케터가 정의한 여러 경험을 식별한 후 개별 고객 프로필 및 비슷한 방문자의 이전 동작을 기준으로 방문자에게 가장 잘 조정된 경험을 제공함으로써 콘텐츠를 개인화하고 전환을 유도합니다.

자세한 내용은 맞춤형 경험 자동 타겟팅을 참조하십시오.

Automated Personalization (AP)

고급 머신 러닝을 사용하여 특정 오퍼나 메시지를 결합한 후 개별 고객 프로필을 기준으로 방문자에게 다양한 오퍼 변형을 일치시켜 콘텐츠를 개인화하고 전환을 유도합니다.

자세한 내용은 Automated Personalization을 참조하십시오.

다변량 테스트 (MVT)

한 페이지의 요소 간에 오퍼 조합을 비교하여 특정 대상자에 가장 뛰어난 성과를 나타낸 오퍼의 조합을 확인합니다. 또한 사전 지정된 테스트 기간 동안 전환을 최고로 향상시킨 페이지 요소를 식별합니다.

자세한 내용은 다변량 테스트를 참조하십시오.

경험 타겟팅(XT)

마케터가 정의한 규칙 및 기준 세트를 기준으로 특정 대상자에게 콘텐츠를 전달합니다.

자세한 내용은 경험 타겟팅을 참조하십시오.

활동 유형

이유

수동 A/B 테스트

규칙보다는 비율에 따라 분할하여 트래픽을 강력한 제어 방식으로 측정함으로써 테스트 데이터를 분석하고 대상자에 대한 명확한 정보를 얻으며 가장 높은 성과를 나타내는 경험을 파악할 수 있습니다.

자동 할당

가장 성과가 좋은 경험을 식별하고 방문자에게 우승 경험을 가능한 한 빠르게 전달할 수 있도록 트래픽 할당을 조정하여 전환을 더 빠르게 수행하고 전환 가능성을 높이도록 하는 방법입니다.

자동 타겟팅

여러 경험 사이에서 승자를 식별한 후 특정 방문자에게 가장 적합한 경험을 전달하는 방법입니다. 이 알고리즘에서는 특정 시간에 특정 경험에 대한 방문자의 전환 성향을 예측하므로 시간이 지남에 따라 방문자의 관심사가 변하면서 타겟팅도 조정됩니다.

Automated Personalization (AP)

오퍼 세트(단일 페이지의 요소에서 또는 여러 페이지 간에 만들어지거나 미리 정의됨)를 개인화하고 특정 방문자를 가장 잘 끌어오는 오퍼 조합을 전달하는 방법입니다.

다변량 테스트 (MVT)

여러 요소에 여러 오퍼를 표시한 다음, 결과로 나타나는 고유한 여러 경험을 특정 목표에 대해 동시에 테스트함으로써 가장 성공적인 요소 변형을 판별하는 방법입니다. MVT 활동을 통해 방문자의 상호 작용에서 가장 긍정적인 영향 또는 부정적인 영향을 미치는 요소를 확인할 수도 있습니다.

경험 타겟팅 (XT)

정의된 할당 규칙 집합을 기준으로 특정 콘텐츠를 특정 대상자로 타겟팅하는 방법입니다.

활동 유형

마케터

수동 A/B 테스트

통계에 정통합니다.

테스트 기간이 끝날 때까지 대기했다가 결과를 분석할 시간이 있습니다.

자동 할당

기간이 짧습니다.

최상의 경험을 파악하고 신속하게 제공해야 합니다.

테스트 실행 시 결과를 “빠르게 확인”하려고 합니다.

자동 타겟팅

몇 가지 적합한 경험이 있습니다.

동적 및 변화하는 프로필을 기준으로 최적 시간에 특정 방문자에게 경험을 일치시키려고 합니다.

Automated Personalization (AP)

하나 이상의 오퍼가 있습니다.

다양한 고유 프로필 및 동작을 통해 특정 방문자를 위한 개인화된 최적 경험을 생성하는 오퍼 조합을 만들려고 합니다.

다변량 테스트 (MVT)

통계에 정통합니다.

하나 이상의 오퍼가 있습니다.

페이지 요소 상호 작용과 관련된 전환 트렌드를 분석하려고 합니다.

경험 타겟팅 (XT)

특정 대상자에게 특정 경험이나 콘텐츠를 제공해야 합니다.

활동 유형

세부 사항

수동 A/B 테스트

이 테스트는 각 도전자 경험을 제어 경험과 비교한 다음, 모든 경험의 성과에 대해 등급을 매김으로써 제어 경험과 비교할 때 가장 성과가 좋은 경험과 가장 성과가 낮은 경험을 식별합니다.

자동 할당

이 테스트는 진정한 승자에 대한 통계적 보증을 바로 생성한 후 이러한 가장 성과가 좋은 경험으로 전환할 가능성이 더 높은 대상자 쪽으로 더 많은 트래픽을 전송합니다.

자동 타겟팅

최적화 메커니즘은 시간에 따른 상승도의 증가 및 감소를 보여줌으로써 각 경험에 적합한 대상자를 식별하고, 어떤 방문자에게 어떤 경험을 전달할지 결정하기 전에 정보를 얻습니다. 최적화 메커니즘은 전환, 세그먼트, 매개변수 및 프로필 스크립트를 통해 정보를 얻습니다. 여기서 메커니즘은 더 높은 상승도 및 전환율을 생성하기 위해 사용할 알고리즘을 자동으로 선택합니다.

Automated Personalization (AP)

오퍼의 성과가 동시 통제군을 기준으로 측정되면서 최적화 메커니즘은 새 방문자 행동 및 비슷한 방문자의 과거 행동을 기준으로 어떤 방문자에게 어떤 경험을 전달할지를 지속적으로 조정합니다.

다변량 테스트 (MVT)

이 테스트는 특정 요소가 전환에 미치는 상대적인 영향을 알아내는 데 도움이 됩니다.

경험 타겟팅 (XT)

이 방법은 특정한 경험 또는 특정 콘텐츠를 특정 대상자에게 타겟팅하는 규칙을 정의합니다. 고객은 경험 수준에서 업데이트를 수행할 수 있습니다.

활동 유형

이점

고려 사항

수동 A/B 테스트

A/B 테스트를 통해 최상의 성과를 보이는 경험 뿐만 아니라 각 경험의 성과 수준을 완전하게 이해할 수 있습니다.

A/B 테스트에서 샘플 크기에 도달하기 전에 테스트 결과를 볼 경우 부정확한 결과에 의존할 위험이 있습니다(이전에 “빠르게 확인”할 수 없는 경우).

자동 할당과 달리, A/B 테스트에서는 일부 경험이 다른 경험보다 뛰어난 성과를 보인다는 사실을 인식하더라도 트래픽 분산이 고정된 상태를 유지합니다.

A/B 테스트 모범 사례에 대한 자세한 내용은 A/B 테스트를 실행하는 기간과 10가지 일반적인 A/B 테스트 위험 및 이를 방지하는 방법을 참조하십시오.

자동 할당

자동 할당은 수동 A/B 테스트보다 전반적으로 더 높은 전환율을 유지하므로 일반적인 A/B 테스트 비용을 절감합니다. 자동 할당은 최고 성과를 보이는 경험으로 더 많은 트래픽을 푸시하므로 전환율이 더 높습니다. 즉, 테스트 기간이 끝나기 전에 가장 성과가 높은 경험의 이점을 실현할 수 있습니다.

자동 할당은 승자를 식별하지만 패자 간의 구분하지 않습니다. 각 경험의 성과를 알려면 A/B 테스트가 권장됩니다.

자동 할당 기능은 고급 지표 설정인 “증분 카운트 및 사용자를 활동에 유지”에 따라서만 작동합니다. 반복 전환을 카운트하지 않으려는 경우 A/B 테스트를 대신 사용해야 합니다.

자동 타겟팅

자동 타겟팅을 사용할 경우 다중 페이지 경험을 비롯한 모든 종류의 경험에 머신 러닝이 적용됩니다. 또한 자동 타겟팅 활동을 통해 익숙한 A/B 테스트 워크플로를 사용하면서 Automated Personalization의 가치를 얻을 수 있습니다.

자동 타겟팅을 사용하며 좀 더 자주 오퍼 콘텐츠를 변경하려는 경우 이 알고리즘은 각 변경 후에 충분한 시간이 필요합니다. 그래야 학습한 내용을 활용하여 해당 콘텐츠를 적절한 방문자에게 전달할 수 있기 때문입니다.

Automated Personalization (AP)

Automated Personalization을 사용하면 한 곳에서 모든 오퍼를 수집할 수 있으며, 이 알고리즘은 가장 성과가 좋은 오퍼 조합을 결정합니다. 개별 경험을 지정하거나 빌드할 필요가 없습니다. Automated Personalization는 자동 타겟팅과 동일한 머신 러닝 알고리즘을 사용합니다.

여러 오퍼를 조합할 경우 조합 수가 많아지면서 상당한 양의 트래픽이 필요해질 수 있습니다. Automated Personalization 알고리즘은 여러 요소를 처리하므로 가장 많은 양의 트래픽을 요구합니다.

Automated Personalization은 Analytics for Target(A4T)의 보고서를 사용할 수 없습니다.

다변량 테스트 (MVT)

다변량 테스트를 사용하면 여러 요소를 동시에 테스트할 수 있습니다.

다변량 테스트는 시간이 많이 소요되고 여러 변수가 사용되므로 반드시 신뢰도가 높은 최고 성과의 경험을 생성하지는 않습니다.

테스트를 완료하는 데 필요한 트래픽 양에 도달하기 어려운 경우도 종종 있습니다. 모든 다변량 테스트 실험은 완전히 계수 방식이므로 한 번에 너무 많은 요소가 변경되면 테스트해야 하는 가능한 조합 수가 빠르게 커질 수 있습니다.

적절한 수준의 트래픽이 발생하는 사이트의 경우도 실행 가능한 시간에 25개가 넘는 조합으로 테스트를 완료하는 데 문제가 있을 수 있습니다.

경험 타겟팅 (XT)

경험 타겟팅을 사용할 경우 활동 결과를 통해 추론된 정보를 토대로 신속하게 작업할 수 있습니다.

예를 들어 도전자가 제어 경험보다 더 나은 성과를 보이지 못했으나 방문자의 특정 세그먼트가 제어 경험을 사용했을 때보다 도전자 경험으로 4배 더 많이 전환되었다는 결과가 나타나면 경험 타겟팅을 사용하여 도전자 경험을 해당 특정 세그먼트로 보낼 수 있습니다.

경험 타겟팅에서 여러 대상자 간의 경험 분할 비율을 제어할 수는 없습니다.