Skip to main content
KI-Predictive Targeting ist ein Zusatzmodul, das sowohl in Web Experimentation als auch in Feature Experimentation verfügbar ist. Wenden Sie sich für weitere Informationen an Ihren Customer Success Manager.
Wenn Sie alle Besucher gleich ansprechen, behandeln Sie jemanden, der sehr wahrscheinlich konvertiert, genauso wie jemanden, bei dem das unwahrscheinlich ist. Das erschwert die Entscheidung, wann Sie eingreifen, welche Botschaft Sie anzeigen und wie stark (falls überhaupt) ein Anreiz sein soll. KI-Predictive Targeting löst dieses Problem, indem es ein Machine-Learning-Modell trainiert, das die Conversion-Wahrscheinlichkeit jedes Besuchers für ein bestimmtes Ziel schätzt. Sobald das Training abgeschlossen ist, können Sie die Bedingung Conversion-Wahrscheinlichkeit in Segmenten verwenden, um Besucher anhand ihrer vorhergesagten Conversion-Wahrscheinlichkeit anzusprechen und Ihre Kampagne entsprechend anzupassen.

​
Funktionsweise des Modells

Das Machine-Learning-Modell von Kameleoon schätzt die erwartete Conversion-Wahrscheinlichkeit jedes Besuchers anhand von drei Kategorien von Datenpunkten. Die Beispiele in jeder Kategorie sind nicht erschöpfend: Das Modell berücksichtigt die meisten Datenpunkte, die Kameleoon erfasst. Das vollständige Verzeichnis finden Sie unter Liste der erfassten Daten.

​
Vorherige Sitzungen

Datenpunkte aus den früheren Sitzungen des Besuchers, darunter:
  • Anzahl der Sitzungen
  • Durchschnittliche Zeit zwischen den Sitzungen
  • Anzahl der besuchten Seiten
  • Anzahl der Klicks

​
Statische Datenpunkte

Datenpunkte, die den Kontext des Besuchers beschreiben, darunter:
  • Browser
  • Betriebssystem
  • Einstiegsseite
  • Referrer
  • Zeit seit der letzten Sitzung

​
Dynamische Datenpunkte

Datenpunkte, die Kameleoon aus dem Verhalten des Besuchers während der aktuellen Sitzung ableitet, darunter:
  • Anzahl der besuchten Seiten
  • Anzahl der Klicks
  • Auf der Website verbrachte Zeit

​
Wie oft das Modell und die Scores aktualisiert werden

Das Modell ist nicht statisch. Kameleoon trainiert es alle 10 Minuten neu, während es neue Datenpunkte erfasst und mehr Besuche und Conversions analysiert. Kameleoon erstellt außerdem stündlich die Anwendungsdatei engine.js neu, um das neueste Modell bereitzustellen, es sei denn, eine Ihrer eigenen Änderungen (zum Beispiel die Aktualisierung einer Kampagne) hat bereits eine Neuerstellung ausgelöst. Der Score jedes Besuchers wird in Echtzeit aktualisiert: Kameleoon berechnet ihn bei jedem gemessenen Auslöser neu, zum Beispiel bei einem Schritt in der Customer Journey.

​
Modell mit eigenen Daten anreichern

Sie können die Vorhersagegenauigkeit verbessern, indem Sie Ihre eigenen Geschäftsdaten bereitstellen. Aktivieren Sie beim Erstellen eines benutzerdefinierten Datenpunkts Diese benutzerdefinierten Daten als Eingabe für KI-Predictive Targeting verwenden, um sie dem Modell zur Verfügung zu stellen.
Das Modell akzeptiert nur benutzerdefinierte Daten der Typen Zahl und Boolean. Vermeiden Sie das Hinzufügen sensibler Daten wie Datum, Zeitstempel oder eindeutige Besucheridentifikatoren (zum Beispiel E-Mail-Adressen oder Kontonummern), da diese Werte für prädiktive Modelle ungeeignet sind. Vermeiden Sie außerdem stark zielgerichtete benutzerdefinierte Daten, zum Beispiel Daten, die spezifisch für einzelne Besucher oder sehr kleine Segmente sind.
Anweisungen zur Einrichtung finden Sie unter Benutzerdefinierte Daten erstellen.

​
KI-Predictive Targeting einrichten

1

KI-Predictive Targeting für ein Ziel aktivieren

Wählen Sie ein Conversion-Ziel aus und aktivieren Sie KI-Predictive Targeting, um die Lernphase des Modells zu starten. Wählen Sie einen Auslöser, der einen bedeutsamen Moment in Ihrer Customer Journey repräsentiert, zum Beispiel eine Produktseitenansicht, eine Warenkorb-Hinzufügung oder einen Kaufabbruch. KI-Predictive Targeting für ein Ziel aktivieren
2

Auf den Abschluss der Lernphase warten

Das Modell benötigt 7 Tage Daten und 100.000 Besuche, und beide Bedingungen müssen erfüllt sein. Nach Abschluss des Trainings wechselt das Ziel-Badge von KI lernt zu KI aktiv, und Vorhersagen werden am nächsten Tag verfügbar. Was die einzelnen Badges bedeuten, erfahren Sie unter Statusabzeichen des KI-Modells.
3

Segment mit Conversion-Wahrscheinlichkeit erstellen

Verwenden Sie die Bedingung Conversion-Wahrscheinlichkeit, um ein Segment zu erstellen, das Besucher nach ihrer vorhergesagten Conversion-Wahrscheinlichkeit anspricht. Kameleoon gruppiert Besucher in fünf Score-Kategorien: Sehr niedrig, Niedrig, Mittel, Hoch und Sehr hoch. KI-Predictive Targeting in einem Segment verwendenSie können die Bedingung Conversion-Wahrscheinlichkeit auch über das Schnell-Targeting direkt auf ein Experiment anwenden, ohne ein wiederverwendbares Segment zu erstellen.
4

Segment auf eine Kampagne anwenden

Fügen Sie das Segment zu einem Web-Experiment, einer Personalisierung oder einem Feature-Experiment hinzu, um jedem Besucher basierend auf seiner Conversion-Neigung das richtige Erlebnis zu bieten.

​
Verwendung mit Feature Experimentation SDKs

Wenn Sie Besucherdaten über ein Feature Experimentation SDK abrufen, setzen Sie kcs in Ihrem getRemoteVisitorData-Aufruf auf true. Ohne dieses Flag gibt Kameleoon den Kameleoon Conversion Score (KCS) nicht zurück, und die Bedingung Conversion-Wahrscheinlichkeit hat keinen Score zur Auswertung. Die vollständige Parameterreferenz finden Sie unter getRemoteVisitorData in der SDK-Dokumentation. Der Parameter kcs ist in allen Kameleoon-SDKs verfügbar.