Predictive Targeting im Überblick

Read the full transcript

Heute werden wir Dynamic Yield’s neue Vorausschauende Targeting-Lösung besprechen. Ein maschinelles Lernsystem, das Markthändlern hilft, Leistung und Einnahmen ihrer Personalisierungs-Kampagnen zu maximieren und gleichzeitig wertvolle Zeit und Mühe zu sparen. Mit Vorausschauendem Targeting zu starten ist sehr einfach. Lass uns das einmal kurz anschauen. In diesem Beispiel testen wir den Einfluss einer mobilen Benachrichtigung auf die Einnahmen. Wir haben drei Tests vorbereitet, von denen jeder auf einen anderen Bereich der mobilen Seite zielt. Und jeder ist wie ein normaler A/B-Test aufgezogen. Wir haben die Tests für die Produkt- und die Kategorien-Seiten schon vorbereitet, jeder besteht aus einer Nachrichten-Variation und einer Kontrollgruppe, die die Nachricht nicht erhält. Wir schließen jetzt den Homepage-Test ab. Wir haben drei Targeting-Regeln aufgestellt, bestätigen dass unsere Variationen auf dem Platz mit der gewünschten Verkehrs-Verteilung sind, unser KPI aussuchen und starten. Die Vorausschauendes Targeting-Algorithmen starten in dem Moment, in dem ein Test started. Sie arbeiten hinter den Kulissen, und analysieren durchgehend die Leistung aller Verkehrs-Elemente jeder Test-Variation, um die optimale Targeting-Konfiguration für die Variationen des Tests zu identifizieren. Jetzt, da unser Test läuft, kann Vorausschauendes Targeting unsere Daten in Echtzeit analysieren. Sobald Möglichkeiten identifiziert werden, benachrichtigt Vorausschauendes Targeting und über Mail, ebenso wie in den Testberichten, was uns die Kontrolle gibt, schnell zu handeln. Aber bevor wir weitermachen, lasst uns die Testergebnisse anschauen. Im Testbericht sehen wir die ganze Analyse der Ergebnisse mit einem Anzeichen dass die Nachrichtenvariation der Gesamtsieger ist mit einem geplanten Aufstieg von 1,8%, wenn sie auf alle Besucher angewendet wird, bei denen Vorausschauendes Targeting eine Personalisierungs-Möglichkeit identifiziert hat, die einen noch größeren Aufstieg erzielen würde. Vorausschauendem Targeting besagt, wenn die Nachricht auf all den Verkehr angewendet würde, augeschlossen des Sale Lovers-Segments, würden wir einen Aufstieg von 13,6% sehen. Die Ergebnisse von Vorausschauendem Targeting zeigen, dass das Sale Lovers-Segment eine Ausnahme der Regel ist und besser Leistung zeigt, wenn es nicht unserer Nachricht ausgesetzt wird. Wir können den Vorschlag direkt anwenden, aber da Personalisierungen keine schwarzen Boxen sein sollen, wir haben Zugriff auf den Aufriss des Berichts, der uns die ganze Analyse von Vorausschauendem Targeting zeigt. Danach können wir die “Vor Veröffentlichung Überprüfen” Option auswählen um sicher zu stellen, dass alle Targeting-Regeln richtig angewendet sind. Wie wir sehen sind die Targeting-Voraussetzungen die gleichen wie vorher, mit Exklusion der Sale Lovers-Zielgruppe. Mit der Zuweisung der Variationen ist die Nachricht nun an 100% der User, die die neuen Targeting-Voraussetzungen erfüllen, gezielt. Nun starten wir, um den Aufstieg der Personalisation zu sehen.

Gehen Sie für Predictive Targeting durch echte Anwendungsfälle, eine neue KI-gestützte Lösung von Dynamic Yield, die es Unternehmen ermöglicht, A/B-Testergebnisse automatisch in effektive Personalisierungsmöglichkeiten umzuwandeln.