Adobe Target 的工作原理

了解 Adobe Target 的工作原理，包括有关 JavaScript 库（Adobe Experience Platform Web SDK 和 at.js）的信息。 本文还介绍可使用 Target 创建的各种活动类型。 还可了解 Target 边缘网络、搜索引擎优化 (SEO) 以及 Target 如何检测机器人。

Adobe Target JavaScript 库 libraries

Target 使用 Experience Platform Web SDK 或 at.js 与网站集成：

请在您网站上的每个页面上都引用 Experience Platform Web SDK 或 at.js。例如，可将这些库之一添加到您的全局头部。或者，考虑使用 Adobe Experience Platform 中的标签来实施 Target。

以下资源包含帮助您实施 Experience Platform Web SDK 或 at.js 的详细信息：

每次访客请求已针对 Target 优化的页面时，都将一个请求发送到定位系统。该请求有助于确定要向该访客提供什么内容。实时进行此过程。每次加载页面时，系统都提出并履行对内容的请求。内容受营销人员控制的活动和体验的规则约束，并已定位到各个网站访客。其中提供每个网站访客最有可能作出响应、与其交互或最终购买的内容。个性化的内容有助于充分提高响应率、获客率和收入。

在 Target 中，页面上的每个元素都是整个页面单次体验的一部分。每个体验均可在页面上包括多个元素。

向访客显示的内容取决于您创建的活动类型：

A/B 测试

从您分配给活动的体验中随机选择在基本 A/B 测试中显示的内容。可分配每个体验的流量分配百分比。流量的这种随机分摊导致可能耗费大量初始流量后，百分比才能趋于稳定。例如，如果您创建了两个体验，则会随机选取起始体验。如果流量很少，访客的百分比可能会偏向其中一个体验。随着流量增加，百分比逐渐均衡。

您可以为每个体验指定百分比定位。在这种情况下，会生成随机编号，这个编号用于选择要显示的体验。最终的百分比可能与指定定位不完全匹配，但是流量越多，体验的划分应越接近定位目标。

有关更多信息，请参阅创建 A/B 测试。

自动分配

自动分配在两个或更多体验中找出入选的体验。自动分配自动将更多流量重新分配给入选的体验，这样有助于在测试继续运行和学习的同时提高转化率。

有关更多信息，请参阅自动分配。

自动定位 (AT)

自动定位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。自动定位提供最适合每位访客的体验。体验投放基于个别客户个人资料以及个人资料相似的以往访客的行为。使用自动定位使内容个性化并促进转化。

有关更多信息，请参阅自动定位。

自当个性化 (AP)

Automated Personalization (AP) 将选件或消息组合在一起，并使用高级机器学习将不同的选件变体与每位访客相配。 体验投放基于个别客户个人资料以使内容个性化并促进提升。

有关更多信息，请参阅自动个性化。

Experience Targeting (XT)

体验定位 (XT) 根据一组营销人员定义的规则和标准向特定受众提供内容。

体验定位（包括地理定位）对于定义规则以将特定体验或内容定位到特定受众非常有用。可以在活动中定义多个规则，以将不同的内容变体交付到不同的受众。当访客查看您的网站时，体验定位 (XT) 会进行评估以确定访客是否符合您设置的标准。 如果他们符合标准，则可以进入活动，并会看到专为符合条件的受众设计的体验。您可以在一个活动中为多个受众创建体验。

有关更多信息，请参阅体验定位。

多变量测试 (MVT)

Multivariate Testing (MVT) 比较页面上各元素中选件的不同组合以确定哪个组合对特定受众的表现最好。 MVT 有助于找出哪个元素对活动取得成功影响最大。

更多信息，请参阅多变量测试。

推荐

“推荐”活动可根据以往用户活动或其他算法自动显示客户可能感兴趣的产品或内容。“推荐”有助于引导客户查看在其他情况下他们可能不知道的相关项目。

有关更多信息，请参阅推荐。

边缘网络 concept_0AE2ED8E9DE64288A8B30FCBF1040934

“边缘”是一种按地理位置分布的服务架构，它确保请求内容的访客无论身在世界各地的何处，均可获得最佳的响应时间。

为了改善响应时间，Target 边缘仅存放活动逻辑、缓存的个人资料和选件信息。

活动和内容数据库、Analytics 数据、API 和营销人团用户界面存放在 Adobe 的中心群集中。 然后将更新发送到 Target 边缘。中心群集和边缘群集自动同步以不断更新已缓存的活动数据。所有 1:1 建模也都存储在每个边缘上，因此也可在边缘上处理那些更加复杂的请求。

每个边缘群集都具有响应访问者的内容请求并跟踪该请求的分析数据所需的所有信息。访客请求被路由到最近的边缘群集。

有关更多信息，请参阅《Adobe Target 安全概述》白皮书。

Target 解决方案托管在世界各地的 Adobe 自有和 Adobe 租赁的数据中心内。

中心群集地点包含数据收集中心和数据处理中心。边缘群集地点仅包含数据收集中心。每个报表包均分配给一个特定的数据处理中心。

七个边缘群集中距离最近的那个群集收集客户网站活动数据。这些数据被引向客户预先确定的中心群集目标（以下三个地点之一：俄勒冈、都柏林、新加坡）以供处理。 访客个人资料数据存储在距离网站访客最近的边缘群集。边缘群集地点包括中心群集地点以及弗吉尼亚、孟买、悉尼和东京。

距离访客最近的边缘群集处理请求，而非从单个地点响应所有定向请求。此过程有助于减轻穿行网络/Internet 的时间所造成的影响。

Target 中心群集，托管在 Amazon Web Services (AWS) 上，其中包括：

Target 边缘集群，托管在 AWS 上，其中包括：

Target Recommendations 服务托管在俄勒冈的一个 Adobe 数据中心内。

如果需要，可将 Target 边缘群集列入允许列表。有关详细信息，请参阅将 Target 边缘节点列入允许列表。

受保护的用户体验 concept_40A5E781D90A41E4955F80EA9E5F8F96

Adobe 确保定位基础设施的可用性和性能尽可能可靠。但是，访客的浏览器与 Adobe 的服务器之间通信中断可能会导致内容投放中断。

为了防止发生服务中断和连接问题，所有地点均设置为包括（由客户端定义的）默认内容。如果用户的浏览器无法连接到 Target，则显示此默认内容。

如果用户的浏览器无法在定义的超时期限（默认情况下：15 秒）内连接，则不会对页面进行任何更改。 如果达到此超时阈值，则会显示默认位置内容。

Adobe 通过优化和保障性能来保护用户体验。

搜索引擎优化 (SEO) 友好测试 concept_C0C865663CAB4251B66A1F250FD25E6A

Adobe Target 将遵循搜索引擎准则来进行测试。

Google 提倡用户测试。Google 在其文档中声明，只要遵循特定准则，A/B 和 Multivariate Testing 就不会影响自然搜索引擎排名。

有关更多信息，请参阅以下 Google 资源：

Google Webmaster Central Blog 中有篇博文介绍了相关准则。虽然该博文是在 2012 年发布的，但它是 Google 对此问题的最近说明，而且其中的准则仍然适用。

Google 指出，遵循这些准则“应会使您的测试对您的网站在搜索结果中的排名产生很小影响或不会产生任何影响”。

除了这些准则之外，Google 还在其 Content Experiments 工具的文档中提供了另外一个准则：

Google 举例说明“如果某个网站的原始页面加载了与向用户显示的组合无关的关键词，则我们可能会从索引中删除该网站。”

Adobe 认为难以无意中改变测试变体中原始内容的含义。但是，Adobe 建议了解页面上的关键字主题并保持这些主题。 对页面内容所做的更改，特别是添加或删除相关的关键词，可能会导致 URL 在自然搜索中的排名发生变化。Adobe 建议与 SEO 合作伙伴合作制定测试协议。

机器人 bots

Adobe Target 使用 DeviceAtlas 指标“isRobot”根据在请求标头中传递的用户代理字符串检测已知的机器人。

仍向被视为机器人生成的流量提供内容。对待机器人如同对待正常用户一样，以确保 Target 符合 SEO 准则。如果按照处理普通用户流量的方法来处理机器人流量，则使用机器人流量可能会使 A/B 测试或个性化算法产生偏差。因此，如果在 Target 活动中检测到已知的机器人，则对待该流量的方式略有不同。删除机器人流量可以更准确地测量用户活动。

具体而言，对于已知的机器人流量，Target 不执行以下操作：

对于使用 Analytics for Target (A4T) 时的已知机器人流量，Target 不会：

对于使用客户端日志记录时的已知机器人流量，Target 不会返回：