위닝 배리언트 또는 개인화된 배리언트로 A/B 테스트 최적화
다변량 및 A/B 테스트를 생성할 때 위닝 배리언트 또는 개인화된 배리언트를 사용하는 방법을 알아보세요.
1회 발송으로 스케줄된 이메일, 푸시, 웹훅, SMS, WhatsApp 캠페인에 대해 A/B 테스트를 생성할 때 최적화를 선택할 수 있습니다. 최적화 옵션은 위닝 배리언트와 개인화된 배리언트 두 가지가 있습니다.

두 옵션 모두 타겟 세그먼트의 일정 비율에게 초기 테스트를 발송하는 방식으로 작동합니다. 테스트가 종료된 후, 나머지 오디언스에게는 가장 성과가 좋은 배리언트(위닝 배리언트) 또는 각 사용자가 가장 참여할 가능성이 높은 배리언트(개인화된 배리언트)가 발송됩니다.
최적화는 캠페인 생성의 타겟 오디언스 단계에서 A/B 테스트 아래에 있습니다.
위닝 배리언트
위닝 배리언트 발송은 표준 A/B 테스트와 유사합니다. 이 그룹의 사용자는 초기 테스트가 완료되면 위닝 배리언트를 수신합니다.
- 위닝 배리언트를 선택한 다음, 캠페인 오디언스 중 위닝 배리언트 그룹에 할당할 비율을 지정합니다.
- 다음 추가 설정을 구성합니다.
| 필드 | 설명 |
|---|---|
| 위닝 배리언트 결정 | 최적화할 측정기준입니다. 이메일의 경우 고유 열람 또는 클릭 수, 푸시의 경우 열람, 모든 채널의 경우 기본 전환율 중에서 선택합니다. 열람 또는 클릭 수를 선택하여 우승자를 결정하더라도 캠페인의 전환 이벤트에 대한 선택에는 영향을 미치지 않습니다. 대조군을 사용하는 경우, 대조군의 사용자는 열람 또는 클릭 수를 수행할 수 없으므로 대조군의 성과는 0이 됩니다. 따라서 대조군은 A/B 테스트에서 이길 수 없습니다. 그러나 메시지를 수신하지 않는 사용자에 대한 다른 측정기준을 추적하기 위해 대조군을 사용할 수도 있습니다. |
| 위닝 배리언트 발송 시간 | 위닝 배리언트가 발송되는 날짜와 시간입니다. |
| 위닝 배리언트를 결정할 수 없는 경우 | 통계적으로 유의미한 차이로 이기는 배리언트가 없을 때 어떻게 할지 결정합니다. 가장 성과가 좋은 배리언트를 그대로 발송하거나, 테스트를 종료하고 추가 메시지를 발송하지 않는 것 중에서 선택합니다. |
개인화된 배리언트
개인화된 배리언트를 사용하면 타겟 세그먼트의 각 사용자에게 가장 참여할 가능성이 높은 배리언트를 발송합니다.
각 사용자에게 가장 적합한 배리언트를 결정하기 위해, Braze는 타겟 오디언스의 일부에게 초기 테스트를 발송하여 사용자 특성과 메시지 선호도 간의 연관성을 파악합니다. 초기 테스트에서 사용자가 각 배리언트에 어떻게 반응하는지를 기반으로, 이러한 특성을 사용하여 나머지 사용자가 어떤 배리언트를 수신할지 결정합니다. 연관성이 발견되지 않아 개인화를 수행할 수 없는 경우, 위닝 배리언트가 나머지 사용자에게 자동으로 발송됩니다. 개인화된 배리언트가 결정되는 방식에 대해 자세히 알아보려면 다변량 및 A/B 테스트 분석을 참조하세요.
- 개인화된 배리언트를 선택한 다음, 캠페인 오디언스 중 개인화된 배리언트 그룹에 할당할 비율을 지정합니다.
- 다음 추가 설정을 구성합니다.
| 필드 | 설명 |
|---|---|
| 개인화된 배리언트 결정 | 최적화할 측정기준입니다. 이메일의 경우 고유 열람 또는 클릭 수, 푸시의 경우 열람, 모든 채널의 경우 기본 전환율 중에서 선택합니다. 열람 또는 클릭 수를 선택하여 우승자를 결정하더라도 캠페인의 전환 이벤트에 대한 선택에는 영향을 미치지 않습니다. 대조군을 사용하는 경우, 대조군의 사용자는 열람 또는 클릭 수를 수행할 수 없으므로 대조군의 성과는 0이 됩니다. 따라서 대조군은 A/B 테스트에서 이길 수 없습니다. 그러나 메시지를 수신하지 않는 사용자에 대한 다른 측정기준을 추적하기 위해 대조군을 사용할 수도 있습니다. |
| 개인화된 배리언트 발송 시간 | 개인화된 배리언트가 발송되는 날짜와 시간입니다. |
| 개인화된 배리언트를 결정할 수 없는 경우 | 개인화된 배리언트를 찾을 수 없을 때 어떻게 할지 결정합니다. 대신 위닝 배리언트를 발송하거나, 테스트를 종료하고 추가 메시지를 발송하지 않는 것 중에서 선택합니다. |
분석
최적화가 적용된 A/B 테스트 결과에 대해 알아보려면 다변량 및 A/B 테스트 분석을 참조하세요.