קמפיינים באופטימיזציית AI
קמפיין באופטימיזציית AI אינו שולח הודעה אחת לכולם. במקום זאת אתם מספקים קבוצת אפשרויות - הודעות שונות בערוצים שונים - וה-AI מחליט, עבור כל נמען בנפרד, באיזה ערוץ ולאיזו הודעה הוא צפוי להגיב. זוהי "התאמת הצעה": ההצעה הנכונה, לאדם הנכון, בערוץ הנכון.
בניגוד לבדיקת A/B (שמוצאת וריאנט מנצח אחד לכלל המשתמשים), אופטימיזציית AI מוצאת את הבחירה הטובה ביותר לכל משתמש על סמך המאפיינים וההתנהגות שלו.
איך זה עובד
עבור כל נמען, הסוכן מקבל החלטה אחת:
- ניצול (המודל) - מודל ייעודי לכל משתמש מדרג כל אפשרות זמינה לפי מאפייני הנמען ובוחר את זו שצפויה להשיג את היעד שלכם. זוהי ההתאמה האישית האמיתית - משתמשים שונים מקבלים בחירות שונות.
- חקירה (חכמה) - חלק קטן מהנמענים (בערך 10%) מקבלים אפשרות שעדיין קיימת אי-ודאות לגביה עבור אותו משתמש, במקום אפשרות אקראית שנבחרה באופן אחיד. כך הלמידה יעילה - המערכת מנסה אפשרויות מבטיחות שעדיין לא נבדקו, במקום לבזבז שליחות על אפשרויות שכבר נפסלו.
- התחלה קרה - לפני שהמודל למד את אפשרויות הקמפיין, האפשרויות מחולקות באופן מאוזן כך שכל אחת מהן נדגמת. המודל מקבל את ההחלטות אוטומטית ברגע שיש לו נתונים.
נשקלים רק ערוצים שבהם אפשר באמת להגיע לנמען - איש קשר ללא מספר טלפון לא יקבל אפשרות SMS או WhatsApp, למשל.
קבוצת ביקורת ו-lift
אחוז מוגדר מהנמענים מוקצה לקבוצת ביקורת (holdout) ומקבל אפשרות אקראית במקום בחירת ה-AI. השוואת קבוצת הביקורת לקבוצה המותאמת היא הדרך למדוד את ה-lift האמיתי שהאופטימיזציה מספקת.
לוח הבקרה של הקמפיין מציג זאת על סמך נתונים אמיתיים ככל שהם מצטברים: שיפור מול קבוצת הביקורת הכולל, עקומת למידה יומית, שיפור לפי פלח (למשל לפי מדינה, ברגע שלכל פלח יש מספיק משתמשים) וטווח ביטחון לכל הצעה שמצטמצם ככל שההצעה נמצאת בשימוש רב יותר. החלוניות נשארות מוסתרות עד שיש מספיק נתונים - לעולם לא יוצג מספר זמני.
לולאת הלמידה
כל החלטה נרשמת, והתוצאות מיוחסות להחלטה שהובילה אליהן, כך שהמודל ממשיך להשתפר ככל שמגיעות תוצאות (אימון מחדש מתבצע מדי יום).
- מה נחשב להצלחה נקבע לפי היעד: מעורבות מתגמלת פתיחות/הקלקות; המרה מתגמלת את אירוע ההמרה הספציפי שלכם (כולל אירוע מותאם כמו
signup); הכנסה מתגמלת ערך רכישה. - חלון ההמרה חשוב. המרה מיוחסת להחלטה רק אם היא מתרחשת בתוך חלון ההמרה של הקמפיין (מוגדר תחת מעקב המרות, ברירת מחדל 7 ימים) אחרי השליחה - כך הייחוס נשאר מדויק.
- שיטת הייחוס היא last-touch - המרה מיוחסת להחלטה הרלוונטית האחרונה עבור אותו משתמש. (קמפיין הוא שליחה חד-פעמית, ולכן last-touch הוא המודל הנכון. מסעות רב-שלביים עם כמה צמתי החלטת AI מחלקים את הקרדיט ביניהם - ראו צמתי החלטת AI.)
מכיוון שהמודל לומד מתוצאות, ותוצאות מגיעות רק לאחר זמן (שעות להקלקות, ימים לרכישות), קבוצת הצעות חדשה לגמרי אינה מותאמת אישית בשליחה הראשונה - היא מתחילה כבדיקה מאוזנת וההתאמה האישית משתפרת ככל שמצטברות תוצאות. אופטימיזציית AI משתלמת במיוחד בקמפיינים חוזרים ובהצעות שנעשה בהן שימוש חוזר. ראו גרסאות מותאמות אישית ב-בדיקות A/B לאותה התנהגות של התחלה קרה.
הגדרת קמפיין מותאם AI
- עברו אל קמפיינים, צרו קמפיין חדש ובחרו מותאם AI כסוג.
- בכרטיסיית משלוח הגדירו את האופטימיזציה:
- ערוצים - סמנו את הערוצים שמהם ה-AI רשאי לבחור (אימייל, SMS, Push, WhatsApp).
- יעד אופטימיזציה - מעורבות (פתיחות/הקלקות), המרה (אירוע מותאם), או הכנסה (ערך רכישה).
- אירוע המרה - מוצג כשהיעד הוא המרה; שם האירוע שנחשב להצלחה.
- מקסימום הודעות בשבוע - תקרת תדירות לכל נמען.
- אחוז קבוצת ביקורת - שיעור הנמענים בקבוצת הביקורת המשמשת למדידת lift.
- בכרטיסיית תבניות הוסיפו וריאנט לכל ערוץ - מערך האפשרויות שמתוכן ה-AI בוחר:
- אימייל - כתבו נושא וגוף, או בחרו תבנית אימייל שמורה.
- SMS / Push - כתבו את ההודעה ישירות.
- WhatsApp - בחרו חשבון WhatsApp ותבנית מאושרת, ומפו את משתני התבנית (WhatsApp דורש תבנית מאושרת).
- השיקו. הקמפיין מחליט לכל נמען בזמן השליחה ומתחיל ללמוד מהתוצאות.
אפשרויות נתמכות
| ערוץ | מה אפשר להגדיר |
|---|---|
| אימייל | נושא וגוף שנכתבו בקמפיין, או תבנית אימייל שמורה |
| SMS | הודעה שנכתבה בקמפיין |
| Push | כותרת וגוף שנכתבו בקמפיין |
| תבנית WhatsApp מאושרת (עם חשבון נבחר ומיפוי משתנים) |
אם אפשרות אינה ניתנת למשלוח כפי שהוגדרה (למשל וריאנט WhatsApp ללא חשבון נבחר), הקמפיין מדווח על כך בעת ההשקה במקום לשלוח הודעה לא תקינה.
טיפים
- תנו לו בחירות אמיתיות. ה-AI יכול לבצע אופטימיזציה רק על האפשרויות שתספקו - זוויות, הצעות או ערוצים שונים נותנים לו יותר ללמוד מהם מאשר וריאנטים כמעט זהים.
- בחרו את היעד הנכון. מעורבות מבצעת אופטימיזציה לפתיחות/הקלקות; בחרו המרה עם אירוע ספציפי כשמה שחשוב לכם באמת הוא פעולה במורד המשפך.
- שמרו על קבוצת ביקורת. בלי קבוצת ביקורת אי אפשר להוכיח את ה-lift. 10% הוא ברירת מחדל סבירה.
- התאזרו בסבלנות ביום הראשון. שליחות מוקדמות נשענות על חקירה בזמן שהמודל אוסף נתונים; ההתאמה האישית מתחזקת לאחר האימון הראשון.
נושאים קשורים
- בדיקת A/B - כשרוצים וריאנט מנצח אחד לכלל המשתמשים במקום בחירה נפרדת לכל משתמש.
- אופטימיזציית זמן שליחה - אופטימיזציית תזמון לכל משתמש, שמשתלבת באופן טבעי עם בחירת הצעה לכל משתמש.