Vue d’ensemble du ciblage prédictif

Read the full transcript

Nous allons réviser aujourd’hui la nouvelle solution de ciblage prédictif de Dynamic Yield. Un engin d’apprentissage machine qui aide les négociants à maximiser la performance et le revenu de leurs campagnes de personnalisation tout en économisant du temps et de l’argent précieux. Démarrer avec le ciblage prédictif est vraiment facile. Jetons-y un coupe d’œil rapide. Dans cet exemple, nous testons l’impact d’une notification rapide sur les recettes. Nous avons mis en place trois tests, chacun ciblant une zone différente du site mobile. Et chacun mis en place comme tout test A/B ordinaire. Nous avons déjà fixé les tests pour les pages de produit et de catégories, chacune consistant d’une variation d’un message et d’un groupe de contrôle qui ne reçoit pas le message. Nous finalisons à présent le test de la page d’accueil. Nous avons établi les règles de ciblage, confirmé que nos variations sont en place avec la répartition désirée du trafic, sélectionné notre KPI et lancé. Les algorithmes du ciblage prédictif se lancent au moment où tout test est démarré. Ils s’exécutent dans les coulisses, et analysent continuellement la performance de tous les segments du trafic pour chaque variation de test et identifient la configuration de ciblage optimale pour les variations du test. À présent que notre test est en direct, le ciblage prédictif peut analyser nos données en temps réel. Une fois que les opportunités sont identifiées, le ciblage prédictif nous notifie par courrier électronique de même que par des rapports de test, nous permettant d’intervenir rapidement. Mais avant d’avancer, jetons un coup d’œil sur les résultats des tests. Dans le rapport du test, nous voyons tous les détails des résultats avec une indication que la variation du message est le gagnant dans l’ensemble, projeté de générer une augmentation de 1,8 % s’ils sont déployés sur tous les visiteurs où le ciblage prédictif a identifié une opportunité de personnalisation qui réaliserait une augmentation encore plus importante. Selon le ciblage prédictif, si le message est déployé sur tout le trafic, à l’exception du segments des amateurs de soldes, nous verrons une augmentation de 13.6 %. Les résultats du ciblage prédictif indiquent que le segment des amateurs de soldes est une exception à la règle et se porte mieux sans exposition à notre message. Nous pouvons aller de l’avant et directement appliquer la recommandation mais comme les personnalisations ne devraient pas être dans une boîte noire, nous pouvons accéder à un rapport détaillé qui montre une analyse complète du ciblage prédictif. Par la suite, nous pouvons voir l’option de Revoir avant de de publier pour nous assurer que toutes les règles du ciblage sont correctement appliquées. Comme nous l’avons vu, les nouvelles conditions de ciblage sont les mêmes qu’auparavant avec l’addition de l’exclusion de l’audience des amateurs de soldes. Dans le cadre de l’allocation de la variation, le message est à présent ciblé à 100 % des utilisateurs qui répondent aux nouvelles conditions de ciblage. À présent, nous lançons pour voir l’augmentation causée par la personnalisation.

Découvrez des cas d’utilisation réels de ciblage prédictif, une nouvelle solution alimentée par l’IA de Dynamic Yield, qui permet aux entreprises de convertir automatiquement les résultats de test A/B en opportunités de personnalisation efficaces.