Premium
请参阅Target Premium中包含的内容。

自动定位概述

自动定位 中的活动 Adobe Target 使用高级机器学习从多种由营销人员定义的体验中选择表现好的体验,以便个性化内容并促进转化。 自动定位 根据每位访客的个人客户配置文件和具有相似配置文件的先前访客的行为,向每位访客提供量身定制的体验。

NOTE
  • 自动定位作为 Target Premium 解决方案的一部分提供。如果没有 Target Premium 许可证,则此功能在 Target Standard 中不可用。有关此许可证提供的各项高级功能的更多信息,请参阅 Target Premium

  • 目标分析 (A4T)支持 自动定位 活动。 有关更多信息,请参阅自动分配和自动定位活动支持 A4T

使用自动定位的真实成功案例 success

一家大型服装零售商最近使用 自动定位 具有十个基于产品类别的体验(加上随机控制)的活动,以便为每位访客提供适当的内容。 "添加到购物车“”被选为主要优化量度。 目标体验的平均提升度为29.09%。 构建之后 自动定位 之后,将活动设置为90%的个性化体验。

在短短10天内,就实现了超过170万美元的提升。

继续阅读以了解如何使用 自动定位 以增加贵组织的提升度和收入。

概述 section_972257739A2648AFA7E7556B693079C9

同时 创建A/B活动 使用三步引导式工作流,选择 自动定位以提供个性化体验 上的选项 定位 页面(步骤2)。

“自动定位以提供个性化体验”选项

通过 A/B 活动流程中的自动定位选项,您可以利用机器学习功能,只需一次单击即可根据营销人员定义的一组体验进行个性化。自动定位 旨在提供最大程度的优化,而传统的A/B测试或 自动分配,确定要为每个访客显示的体验。 与目标是找到一个入选者的A/B活动不同, 自动定位 自动确定给定访客的最佳体验。 最佳体验基于访客的个人资料和其他上下文信息,以提供高度个性化的体验。

类似于 Automated Personalization, 自动定位 使用 随机林算法是一种领先的数据科学组合方法,用于确定向访客显示的最佳体验。 因为 自动定位 可以适应访客行为的变化,它可以一直运行以实现提升。 此方法有时称为“始终运行”模式。

与 A/B 活动不同,自动定位会优化每次访问的指定业务目标,而 A/B 活动为给定访客分配的体验是具有粘性的。与自动个性化一样,默认情况下,自动定位会将部分活动流量作为控制组保留以便测量提升度。在活动中,控制组的访客会得到随机体验。

注意事项

使用时,请牢记一些重要注意事项 自动定位:

  • 您无法从切换特定活动 自动定位 到 Automated Personalization,反之亦然。

  • 您无法从 手动 流量分配(传统) A/B测试)到 自动定位,方式与将活动另存为草稿后的相反。

  • 我们构建了一个模型,用来识别个性化策略相对于随机提供流量的表现,以及如何将所有流量发送到整个入选体验。 此模型仅考虑默认环境中的点击和转化。

    为每个建模组(AP)或体验(AT)构建来自第二组模型的流量。 对于这些模型中的每一个,都会考虑所有环境中的点击量和转化量。

    无论环境如何,均使用相同的模型为请求提供服务,但多个流量应来自默认环境,以确保确定的整体入选体验与真实行为一致。

  • 至少使用两个体验。

术语 section_A309B7E0B258467789A5CACDC1D923F3

讨论自动定位时,以下术语很有用:

术语
定义
多臂老虎机
多臂老虎机优化方法可在探索式学习和对该学习的利用之间进行平衡。
随机森林
随机林是一种领先的机器学习方法。在数据科学中,它是一种集成分类方法,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。 范围 Target,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)。
汤普森采样
汤普森采样的目标是确定哪个体验是最佳的整体(非个性化)体验,同时最大限度地降低找到该体验的“成本”。 即便两种体检之间没有统计意义上的差异,汤普森采样算法还是会选出一个入选者。

自动定位的工作方式 section_77240E2DEB7D4CD89F52BE0A85E20136

请通过以下链接,了解与自动定位和自动个性化的数据和算法相关的更多信息:

术语
详细信息
随机林算法
Target的主要个性化算法,用于 自动定位 和 Automated Personalization 是随机森林。 集成方法(如随机森林)使用多种学习算法以获得比任何组成学习算法都更好的预测性能。 中的随机林算法 Automated Personalization 和 自动定位 活动是一种分类或回归方法,通过在训练时构建大量决策树来操作。
正在上载以下项的数据 Target的个性化算法
有几种方法可以为自动定位和自动个性化模型输入数据。
数据收集对象 Target的个性化算法
Target的个性化算法会自动收集各种数据。

确定流量分配 section_AB3656F71D2D4C67A55A24B38092958F

根据您的活动目标,您可以选择向控制体验和个性化体验分配不同的流量。最佳实践是在活动开始之前确定此目标。

“自定义分配”下拉列表可让您从以下选项中进行选择:

  • 评估个性化算法
  • 最大化个性化流量
  • 自定义分配

“分配目标”下拉列表

活动目标
建议的流量分配
权衡
评估个性化算法 (50/50):如果您的目标是测试算法,则可以在控制和目标算法之间按 50/50 的百分比拆分访客。这种拆分可让您对提升进行最精确的评估。建议将“随机体验”用作控制。
按 50% 控制体验/ 50% 个性化体验进行拆分
  • 最大限度地提高控制体验和个性化体验之间提升度的准确性
  • 具有个性化体验的访客相对较少
最大化个性化流量(90/10):如果您的目标是创建“一直开启”的活动,则可以在控制中放入10%的访客,以确保算法有足够的数据来不断学习。 这里做出的权衡是,为了对更大比例的流量进行个性化,提升度的准确性将会降低。 无论您的目标如何,在使用特定体验作为控制时,都建议按此比例拆分流量。
最佳实践是使用 10% - 30% 控制体验 / 70% - 90% 个性化体验的拆分方式
  • 最大化拥有个性化体验的访客数量
  • 最大化提升度
  • 对于该活动具有的提升度,准确度较低
自定义分配
根据需要手动拆分百分比。
  • 您可能无法获得所需的结果。如果您不确定,请按照上述任一选项的建议进行操作

要调整 控件 百分比,单击 分配 列。 您不能将控制组降至 10% 以下。

更改自动定位流量分配

您可以选择特定体验作为控制,也可以使用“随机体验”选项。

您应于何时选择 自动定位 超过 Automated Personalization? section_BBC4871C87944DD7A8B925811A30C633

在以下几种情况中,您可能希望使用 自动定位 超过 Automated Personalization:

  • 如果您想定义整个体验,而不是单个选件(会自动组合形成体验)。
  • 如果要使用 可视化体验编辑器 不支持的(VEC)功能 自动个性化:自定义代码编辑器、多个体验受众等。
  • 如果您想在不同的体验中对页面进行结构性更改。例如,如果要重新排列主页上的元素, 自动定位 比更适合使用 Automated Personalization.

什么是 自动定位 与具有共同点 Automated Personalization? section_2A601F482F9A44E38D4B694668711319

算法会对每次访问进行优化以获得有利的结果。

  • 该算法预测访客的转化倾向(或估计的转化收入)以提供最佳体验。
  • 访客有资格在现有会话结束后获得新体验(除非访客位于控制组中,在这种情况下,首次访问时分配的访客体验在后续访问中保持不变)。
  • 在会话内,预测不会更改,以保持视觉一致性。

算法会根据访客行为的变化自行调整。

  • 多臂老虎机确保模型始终“花费”一小部分流量以在活动学习的整个生命周期中继续学习,并防止过度利用之前学习到的趋势。
  • 每24小时使用最新的访客行为数据重建基础模型,以确保 Target 总是利用访客偏好的变化。
  • 如果该算法无法为个人用户确定入选体验,则会自动切换为显示总体性能最佳的体验,同时仍继续查找个性化入选者。使用汤普森采样查找性能最佳的体验。

算法会针对单个目标量度不断进行优化。

  • 此量度可以基于转化,也可以基于收入(更具体地说, 每次访问的收入)。

Target 会自动收集关于访客的信息来构建个性化模型。

TargetAdobe Experience Cloud 会自动使用所有 共享受众来构建个性化模型。

  • 您无需执行任何特定操作来将受众添加到模型中。有关将 Experience Cloud Audiences 与 Target 配合使用的信息,请参阅 Experience Cloud 受众

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。

如何 自动定位 不同于 Automated Personalization? section_BA4D83BE40F14A96BE7CBC7C7CF2A8FB

与自动个性化相比,自动定位通常需要较少的流量即可构建个性化模型。

尽管构建自动定位或自动个性化模型所需的​ 每个体验 ​的流量数量相同,但自动个性化活动中的体验通常多于自动定位活动中的体验。

例如,如果您拥有 自动个性化 您在活动中通过两个位置为每个位置创建了两个选件,则该活动中总共会包含四个(2 = 4)体验(不含排除项)。 在使用自动定位时,您可以将体验 1 设置为在位置 1 中包含选件 1,在位置 2 中包含选件 2,将体验 2 设置为在位置 1 中包含选件 1,在位置 2 中包含选件 2。由于自动定位允许您选择在一个体验中进行多次更改,因此您可以减少活动中的体验总数。

对于自动定位,可以使用简单的经验规则来了解流量要求:

  • 当“转化”是您的成功量度时: ​每个体验每天有 1,000 次访问和至少 50 次转化,此外,该活动至少需要 7,000 次访问和 350 次转化。
  • 当“每次访问带来的收入”(RPV) 是您的成功量度时: ​每个体验每天有 1,000 次访问和至少 50 次转化,此外,该活动的每个体验必须至少有 1,000 次转化。RPV 通常需要更多的数据才能构建模型,这是因为与转化率相比,访问收入通常存在着较大的数据差异。

自动定位具有全面的设置功能。

  • 因为 自动定位 嵌入在A/B活动工作流中, 自动定位 从更成熟和成熟的产品中受益 可视化体验编辑器 (VEC)。 您还可以使用 QA链接 替换为 自动定位.

自动定位提供广泛的在线测试框架。

  • 多臂老虎机是更大的在线测试框架的一部分,该框架允许 Adobe 数据科学家和研究人员,以了解他们在现实世界中的条件持续改善所带来的好处。
  • 将来,这个测试台将允许我们打开 Adobe 面向精通数据的客户,让他们能够引入自己的模型来扩展 Target 模型。

报表和自动定位 section_42EE7F5E65E84F89A872FE9921917F76

有关更多信息,请参阅 报表和自动定位.

培训视频:了解自动定位活动

本视频介绍了如何设置自动定位 A/B 活动。

完成此培训后,您应该能够:

  • 定义自动定位测试
  • 将自动定位与自动个性化进行比较和对比
  • 创建自动定位活动
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654