Target 활동 유형
Adobe Target의 다양한 활동 유형을 설명하는 대화형 PDF를 다운로드하십시오.
활동 유형별 역할 section_4ECAACC68723402EB3649033190E1BBC
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.
이 활동 유형을 사용하는 이유는? section_46A70DD7CE3448749E635DDF5EAFC131
각 활동 유형을 사용해야 하는 마케터 section_A843D663D3E543FFB1A594266B560395
통계에 정통합니다.
테스트 기간이 끝날 때까지 대기했다가 결과를 분석할 시간이 있습니다.
기간이 짧습니다.
최상의 경험을 파악하고 신속하게 제공해야 합니다.
테스트 실행 시 결과를 “빠르게 확인”하려고 합니다.
몇 가지 적합한 경험이 있습니다.
동적 및 변화하는 프로필을 기준으로 최적 시간에 특정 방문자에게 경험을 일치시키려고 합니다.
하나 이상의 오퍼가 있습니다.
다양한 고유 프로필 및 동작을 통해 특정 방문자를 위한 개인화된 최적 경험을 생성하는 오퍼 조합을 만들려고 합니다.
통계에 정통합니다.
하나 이상의 오퍼가 있습니다.
페이지 요소 상호 작용과 관련된 전환 트렌드를 분석하려고 합니다.
통계적 세부 정보 section_22CF2D07DB054505AB5EC702B99A5BB0
이점 및 고려 사항 section_56C46ABEF7B945DDA0C1E6D714377123
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 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.
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 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 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.