Under vintern har Adobe släppt en förfinad version av egna produkten Adobe Target med några större förändringar. Dessa är, liksom allt Salesforce, Oracle, Microsoft och Adobe just nu gör berikade med AI och machine learning. I just detta fall baseras de på insikten om kopplingen mellan de stora, gärna av en människa individuellt “påverkade”, datamängder som krävs för att nå framåt inom machine learning samt sättet vi ser att digital A/B-test ska fungera. Som ett självlärande, självförbättrande test med tillhörande justeringar – inom vissa satta gränser.
Nya funktioner har aktiverats som låter webbplatsägare automatiskt rikta in sig, “auto-target“, mot olika typer av framtagna grafiska layouter, bildval, ordval, eller kombinationer av de tre. Allt för att mäta och sedan snabbt komma fram till vilka kombinationer som bäst resonerar med olika individer och målgrupper. När en lyckad kombination upptäckts förfinas sedan denna – flera gånger om.
A/B-test är enligt Adobe inte en enkel förändring, de fungerar absolut bäst när utmätta varianter i högre omfattning testas om och om igen. Allt för att nå fram till flera unika scenarios för bästa personlig kundupplevelsehantering.
För några år sedan insåg de flesta e-handels och CMS-tillverkare att A/B test inte går att sköta manuellt. Ett automatiskt stöd för att välja den bästa varianten och publicera den togs snart fram. Men med machine learning går det alltså även att identifiera exakt vilka delar som går extra bra i vissa scenarios och förbättra just dessa delfunktioner ned i minsta detalj på ett sätt som varit omöjligt för människor att hantera.
