Target 活动类型

手动 A/B 测试

比较两个或更多体验，以查看在预先指定的一段测试时间内，哪个体验最有利于提高转化。

有关更多信息，请参阅 A/B 测试。

自动分配

从两个或更多体验中确定入选者，然后将流量重定向到入选体验，随着测试的运行和学习而提高转化。

有关更多信息，请参阅自动分配。

自动定位

采用先进的机器学习技术，确定多个高性能、由营销人员定义的体验，然后根据访客各自的客户配置文件和过去类似访客的行为，为其提供量身定制的体验，从而实现内容的个性化并推动转化。

有关更多信息，请参阅自动定位以提供个性化体验。

Automated Personalization (AP)

采用先进的机器学习技术，结合特定选件或消息，然后根据访客各自的客户配置文件将不同的选件变体与其进行匹配，从而实现内容的个性化并推动转化。

有关更多信息，请参阅 Automated Personalization。

多变量测试 (MVT)

比较页面上元素之间的选件组合，看哪个选件组合对于特定受众表现最佳。此外，在预先指定的整个测试期间，确定该页面的哪个元素最有利于提高转化。

有关更多信息，请参阅多变量测试。

体验定位 (XT)

根据营销人员定义的一套规则和标准向特定受众投放内容。

有关更多信息，请参阅体验定位。

熟知相关统计数据知识。

具有足够的时间等待测试期结束来分析结果。

时间范围较短。

必须确定最佳体验并快速投放。

希望能够在测试运行时“偷看”结果。

拥有几个符合条件的体验。

想要根据其动态和不断变化的配置文件，在最佳时间将体验与特定访客匹配。

具有一个或多个选件。

想要创建选件组合，以便通过各种唯一的配置文件和行为来为特定访客提供最佳的个性化体验。

熟知相关统计数据知识。

具有一个或多个选件。

想要分析与页面元素交互相关的转化趋势。

在 A/B 测试中，如果您在达到样本量之前查看测试结果，则可能存在这样的风险：您依赖的结果并不准确（您不能提前“偷看”！）。

与自动分配不同，在 A/B 测试中，即使在您了解到某些体验优于其他体验之后，A/B 测试的流量分配仍保持不变。

有关 A/B 测试活动的最佳实践的信息，请参阅 A/B 测试应该持续多长时间和十个常见的 A/B 测试隐患以及避免方法。

自动分配会识别入选者，但不区分落选者。如果您必须了解每个体验的性能，那么 A/B 测试更适合。

自动分配功能只能与一项高级量度设置配合使用，即“递增计数并保持用户处于活动中”。如果您不想计算重复的转化次数，则应改用 A/B 测试。

当您合并多个选件时，会发生组合爆炸，导致需要大量的流量。Automated Personalization 算法将多个因素考虑在内；因此，需要的流量最多。

Automated Personalization 无法使用 Analytics for Target (A4T) 中的报告。

Multivariate Test 非常耗时，并且由于存在多个变量，因此不一定会产生具有置信度的入选体验。

达到完成这种测试所需的流量通常是一项困难的挑战。由于所有多变量测试都是全因子实验，因此，在同一时间可能会有太多的变化元素，从而导致必须测试的可能组合会增大到一个较大的数量。

即使是流量相当高的网站也可能无法在可行的时间内完成超过 25 种组合的测试。

通过体验定位，您可以针对从任何活动结果推断出的分析进行快速行动。

例如，如果您进行了 A/B 测试，测试结果表明，挑战体验的表现并未超出控制体验，但与控制体验相比，访客的一个非常特定的区段实际上在挑战体验上的转化率高出了 4 倍多，那么此时，您可以使用体验定位将挑战体验引导至该特定区段。