WolfSellers — Adobe Experience Cloud Partner en México

Artículo

Auto-Target vs Automated Personalization en Adobe Target

Cuándo usar Auto-Target, Automated Personalization o Auto-Allocate en Adobe Target: cómo decide cada uno, tráfico mínimo, A4T, CJA y un piloto de 90 días.

Por WolfSellers··17 min de lectura
Auto-Target vs Automated Personalization en Adobe Target
En esta página

Auto-Target, Automated Personalization (AP) y Auto-Allocate son los tres tipos de actividad de Adobe Target que deciden con machine learning qué ve cada visitante. Auto-Allocate busca un ganador y le manda más tráfico. Auto-Target elige, para cada visitante, la mejor de varias experiencias completas que tú diseñas. AP arma, para cada visitante, la mejor combinación de ofertas por ubicación. Esta nota es para equipos de marketing, ecommerce y analítica que usan Target, o lo van a contratar, y deben decidir cuál usar y con cuánto tráfico.

En WolfSellers implementamos Adobe Target junto con Adobe Experience Platform (AEP) para empresas en México. Si todavía no conoces el producto, empieza por nuestra guía de Adobe Target y A/B testing. Lo que afirmamos de cada actividad sale de la documentación oficial de Adobe en Experience League, revisada en noviembre de 2026.

Un dato de nombres: en las páginas de Target que revisamos ya no aparece "Adobe Sensei". Describen estas actividades como machine learning y, en el kit de bienvenida de Target, como Adobe AI.


Auto-Target, Automated Personalization o Auto-Allocate: tabla de decisión

Las seis formas de entregar contenido en Adobe Target se distinguen por qué decide cada una: el reparto del tráfico, la experiencia de cada visitante, la combinación de ofertas o nada, porque decides tú.

Actividad Qué decide Úsala cuando Lo que necesita Licencia
A/B manual Nada: tú fijas el porcentaje por experiencia Quieres medir y ordenar todas las experiencias El tamaño de muestra que marque la calculadora de Adobe Standard
Experience Targeting (XT) Nada: tú defines reglas por audiencia Ya sabes qué experiencia va con qué audiencia Audiencias bien definidas Standard
Auto-Allocate Cuánto tráfico recibe cada experiencia Quieres un solo ganador y aprovecharlo mientras la prueba corre 1,000 visitantes y 50 conversiones por experiencia antes de reasignar Standard
Auto-Target Qué experiencia completa ve cada visitante, en cada visita Crees que distintos visitantes prefieren distintas experiencias 1,000 visitas y 50 conversiones por día por experiencia Premium
Automated Personalization (AP) Qué combinación de ofertas ve cada visitante Tienes varias ofertas por ubicación y mucho tráfico El que más tráfico pide; se mide con el Traffic Estimator Premium
Recommendations Qué productos o contenidos recomendar Quieres sugerir artículos según la actividad previa Historial de actividad de los visitantes Premium

Auto-Target, AP y Recommendations forman parte de Target Premium. Las páginas de Premium llevan esa etiqueta en Experience League; las de A/B, Experience Targeting y Auto-Allocate no. Recommendations también puede ir como oferta dentro de una A/B, un Auto-Allocate, un Auto-Target o un XT, con licencia Premium.

Existe una séptima actividad, la prueba multivariante (MVT), que combina ofertas de varios elementos. Es factorial completa, y Adobe advierte que aun un sitio con tráfico alto batalla para terminar una prueba de más de 25 combinaciones.

¿Qué es Auto-Allocate y cuándo conviene?

Auto-Allocate es una prueba A/B en la que Target encuentra al ganador entre dos o más experiencias y le manda cada vez más tráfico mientras la prueba sigue corriendo. Se crea en el flujo normal de una A/B, con la opción Auto-Allocate to best experience en el paso de Targeting. No personaliza: busca el mejor resultado agregado, el mismo para todos los visitantes.

Cómo funciona el algoritmo de Auto-Allocate

  1. Calentamiento. Reparte el tráfico por igual hasta que cada experiencia tiene al menos 1,000 visitantes y 50 conversiones.
  2. Multi-armed bandit. Después asigna el 80% de los visitantes nuevos con su lógica y el 20% al azar entre todas las experiencias, para detectar cambios de comportamiento.
  3. Rondas cada hora. Los modelos se actualizan al menos una vez por hora con los datos acumulados.
  4. Ganador. Lo declara cuando el intervalo de confianza de la mejor experiencia ya no se cruza con el de ninguna otra. Usa intervalos basados en la desigualdad de Bernstein, que compensan las revisiones repetidas: puedes mirar los resultados mientras corre.
  5. Con solo dos experiencias. Reparte 50/50 hasta llegar a 75% de confianza; luego da dos tercios al ganador y, al llegar a 95%, el 90%.

Si esperas a que aparezca la insignia de ganador, Adobe garantiza 95% de confianza, es decir, 5% de falsos positivos.

Cuándo conviene Auto-Allocate y cuándo no

Conviene No conviene
Campañas con fecha de fin, donde no hay tiempo de esperar a que termine una A/B Necesitas ordenar a todas las experiencias: Auto-Allocate distingue a las mejores, no a las peores
Quieres que más visitantes vean la mejor versión desde que se nota No quieres contar conversiones repetidas: solo admite Increment Count and Keep User in Activity
Esperas diferencias grandes entre experiencias Las experiencias dependen del momento: "la oferta termina hoy" o "promoción de viernes"

Tres detalles que conviene saber antes de activarla:

  • Los visitantes que regresan no se reasignan. Siguen viendo su experiencia original; solo los nuevos se mueven hacia la ganadora.
  • Los que regresan seguido inflan la tasa de conversión de su experiencia. Adobe sugiere contar la métrica una sola vez por visitante que entra a la actividad.
  • Una vez activa no puedes pasarla a reparto manual, cambiar el tipo de métrica objetivo ni las opciones avanzadas.

Ojo en temporadas como Hot Sale o El Buen Fin, llenas de mensajes de urgencia. Adobe explica que ese sesgo por momento afecta más a Auto-Allocate que a una A/B, porque la A/B analiza un periodo más largo y Auto-Allocate reacciona a la tasa observada cada hora.

Auto-Allocate funciona con Analytics for Target (A4T) y con CJA como fuente de reporte. Con A4T, Adobe pide ignorar la estrella de ganador del reporte en Target, porque usa otro cálculo de confianza.

¿Qué es Auto-Target y qué necesita para funcionar?

Auto-Target también vive en el flujo de A/B, con la opción Auto-Target for personalized experiences, pero no busca un ganador único. Elige, para cada visitante y en cada visita, cuál de tus experiencias tiene más probabilidad de convertir, o más ingreso por visita, según su perfil y el comportamiento de visitantes parecidos. Requiere Target Premium y al menos dos experiencias.

Cómo decide Auto-Target qué experiencia mostrar

  • Random Forest. Cientos de árboles de decisión construidos sobre atributos del visitante y de la visita. Por lo general, Target arma un modelo por experiencia.
  • Arranque al azar. Al empezar, incluso el grupo personalizado ve experiencias al azar hasta que los modelos están listos. Target valida cada modelo por su AUC y solo personaliza cuando hay modelos válidos para al menos dos experiencias.
  • Reentrenamiento diario. Reconstruye los modelos cada 24 horas con el comportamiento más reciente.
  • Exploración permanente. Gasta siempre una fracción pequeña del tráfico en seguir aprendiendo (epsilon-greedy).
  • Plan B. Si no encuentra ganadores por visitante, muestra la mejor experiencia global, elegida con Thompson Sampling, mientras sigue buscando.
  • Estabilidad. La experiencia no cambia dentro de una sesión; puede cambiar en la siguiente visita, salvo en el grupo de control.

El grupo de control en Auto-Target

Auto-Target reserva por default una parte del tráfico como control, que ve una experiencia al azar o la que tú elijas. Ese grupo es lo que permite medir el lift del algoritmo.

Opción Reparto Para qué sirve
Evaluar el algoritmo (50/50) 50% control, 50% personalizado La medición más precisa del lift; Adobe la sugiere con experiencia aleatoria como control
Maximizar la personalización (90/10) Adobe recomienda de 10 a 30% control Actividades always-on; es la sugerida si el control es una experiencia específica
Personalizado El que tú definas El control no puede bajar de 10%

¿Cuánto tráfico necesita Auto-Target?

Adobe da estas reglas prácticas:

  1. Si la métrica es conversión: 1,000 visitas y al menos 50 conversiones por día por experiencia. Además, la actividad debe sumar al menos 7,000 visitas y 350 conversiones.
  2. Si la métrica es ingreso por visita (RPV): lo mismo por día y, además, al menos 1,000 conversiones por experiencia, porque el ingreso varía más que la tasa de conversión.

Son pisos, no garantías: Adobe aclara que en la práctica cada modelo suele necesitar más conversiones que el mínimo antes de ser válido. Para Auto-Target y AP recomienda de 4 a 6 ubicaciones con 4 a 6 ofertas por ubicación. Y si cambias seguido el contenido de las ofertas, el algoritmo necesita tiempo después de cada cambio para volver a aprovechar lo aprendido.

Auto-Target con Adobe Analytics como fuente

Auto-Target admite A4T con Web SDK o con at.js. Los datos de conversión de Analytics llegan con 6 a 24 horas extra de retraso, y el efecto es mayor en las primeras 48 horas; el comportamiento se acerca al de Analytics a los cinco días. Por eso Adobe sugiere Auto-Allocate para campañas cortas, cuyo tráfico se concentra en los primeros cinco días. Con A4T, además, las sesiones cierran a las seis horas y las conversiones posteriores no cuentan.

Manos combinan tarjetas de productos en distintas parejas, como las ofertas que Automated Personalization mezcla.

¿Qué es Automated Personalization y en qué se diferencia de Auto-Target?

Automated Personalization parte de ofertas sueltas, no de experiencias. En el Visual Experience Composer (VEC) defines varias opciones de contenido para cada ubicación de la página, y Target combina esas ofertas para cada visitante. Usa el mismo algoritmo, Random Forest, y los mismos datos que Auto-Target, requiere Target Premium y siempre se mide contra un grupo de control. Adobe recomienda poner en él al menos 10% de los visitantes.

Aspecto Auto-Target Automated Personalization
Qué defines Experiencias completas, cada una con varios cambios Ofertas por ubicación; Target arma las combinaciones
Editor Todo el VEC del flujo de A/B, con ligas de QA Sin editor de código personalizado ni audiencias por experiencia
Cambios estructurales de la página Más apropiado, por ejemplo, reacomodar el home Menos apropiado
Número de experiencias Normalmente menos Normalmente más: todas las combinaciones de ofertas y ubicaciones
Tráfico total Con frecuencia menos Con frecuencia más; es el que más pide
Reporte en A4T Sí No: siempre reporta en Target
Reporte en CJA No No
Cambiar de tipo No: una actividad de Auto-Target no se convierte en AP ni al revés Igual: hay que crear otra actividad

El tráfico necesario por experiencia es el mismo en las dos; cambia cuántas experiencias hay. Con dos ubicaciones y dos ofertas en cada una, AP ya tiene cuatro combinaciones. En Auto-Target puedes juntar varios cambios en una sola experiencia y quedarte con dos.

El Traffic Estimator de Automated Personalization

Antes de lanzar AP, abre el Traffic Estimator en el VEC. Le das la tasa de conversión típica, las visitas por día y la duración, y te dice si alcanza. Adobe considera bien dimensionada una actividad cuyos modelos están listos en la mitad de su duración o en 14 días, lo que ocurra primero. Si no alcanza, sugiere usar Auto-Target, reducir combinaciones o alargar la actividad.

Los límites de tamaño también cuentan: menos de 5,000 experiencias en total para mejores resultados y un tope duro de 30,000.

Aun con tráfico suficiente, Target solo despliega el modelo si le gana a la selección aleatoria. Si no le gana, Adobe dice que probablemente tus ofertas se parecen demasiado: hazlas más distintas en lo visual o en el mensaje.

¿Y si tu tráfico es bajo? Qué hacer en vez de forzar el machine learning

Lo vemos seguido en sitios B2B y de servicios: buen tráfico total, pero pocas conversiones por página. Ahí forzar AP o Auto-Target produce actividades que no llegan a personalizar: Target sigue sirviendo experiencias al azar o la mejor global. Usa los umbrales de Adobe como filtro: si una página no junta 50 conversiones diarias por experiencia, Auto-Target todavía no es para esa página.

Lo que sí funciona con poco tráfico:

  1. Haz la cuenta antes de lanzar. Para A/B, la calculadora de tamaño de muestra de Adobe, que recomienda 95% de significancia, 80% de poder y redondear la duración a semanas completas. Para AP, el Traffic Estimator.
  2. Prueba donde está el tráfico. Home, listados y fichas de producto con más visitas, no páginas de nicho.
  3. Usa menos experiencias y más distintas. Dos o tres bien diferenciadas; en Auto-Target, junta varios cambios en una sola experiencia.
  4. Considera una métrica más frecuente. Agregar al carrito o enviar un formulario ocurren más que un pedido. Es nuestra recomendación, no una regla de Adobe: decídelo antes de lanzar, porque Adobe no recomienda cambiar la métrica a medio camino.
  5. Auto-Allocate cuando esperas diferencias grandes. Según pruebas internas de Adobe, encuentra ganador más rápido que una prueba de horizonte fijo cuando una experiencia supera claramente a las demás, y tarda más cuando están parejas.
  6. Experience Targeting con audiencias de Adobe Real-Time CDP. Si ya sabes qué quiere cada segmento, como clientes recurrentes o compradores de una industria, una regla basta y no hay modelo que entrenar.
  7. A/B manual con un efecto mínimo detectable mayor. Detectar solo diferencias grandes pide mucha menos muestra.

Cómo armar el backlog de hipótesis y el programa de pruebas lo explicamos en CRO para ecommerce con Adobe Commerce.

Clienta navega en su tableta en casa al anochecer; dispositivo, hora y ubicación alimentan los modelos.

Qué datos alimentan los modelos de Adobe Target

Cuando un visitante entra a una actividad de Auto-Target o AP, Target guarda una foto de sus datos como registro de entrenamiento. Una parte la recolecta solo; otra existe solo si tú la envías.

Tipo de dato Ejemplos ¿Lo recolecta Target solo?
Entorno Sistema operativo, navegador, hora y día de la semana Sí
Geografía Ubicación obtenida por IP Sí
Dispositivo móvil Marca, modelo, si es tableta o teléfono Sí
Segmentos de reporte de Target Los que configuraste en los reportes Sí
Comportamiento en la sesión Páginas vistas Sí
Parámetros de página y perfil de Target Categoría vista, nivel de lealtad, propensión calculada No: tú los envías por parámetros, scripts de perfil o API
Atributos del cliente Datos de CRM cargados con el servicio Customer Attributes No: tú los cargas
Audiencias compartidas de Experience Cloud Audiencias de Adobe Analytics o Audience Manager Se usan solas cuando están compartidas con Target
Audiencias de Adobe Real-Time CDP Las compartidas mediante el destino de Target Se usan cuando las activas en ese destino

Si algún dato no debe influir en la personalización, puedes bloquearlo con la Models API para que ningún modelo de Auto-Target o AP lo use.

Cómo llegan las audiencias de Real-Time CDP a Target

  • Quién puede usarlo. El destino Adobe Target está disponible para organizaciones con Real-Time CDP y, desde agosto de 2026, también con Adobe Journey Optimizer (AJO). Tener el destino no significa tener Target: necesitas la licencia de Target y, para personalizar en la misma página, un datastream con el servicio de Target.
  • Personalización en la misma página o la siguiente. Requiere Web SDK o Edge Network API, un datastream con Target y Experience Platform, segmentación en el edge y una política de combinación active-on-edge.
  • Con at.js y sin datastream. Solo personalización en la siguiente sesión.
  • Qué audiencias. Solo de personas; no de cuentas B2B ni de prospectos.
  • Caducidad. El perfil en el edge expira tras 14 días sin actividad, y la primera visita después puede usar una vista histórica del perfil.

Cómo se construyen esas audiencias está en Adobe Real-Time CDP. Si la identidad no une al cliente de la web con el de la tienda o el CRM, el modelo aprende sobre perfiles partidos; lo explicamos en gobierno de datos en Adobe Experience Platform.

Cómo medir: Analytics for Target (A4T), CJA4T y los reportes de Target

Cada actividad usa una sola fuente de reporte, y no se puede cambiar una vez que está en vivo.

Fuente de reporte Qué es Actividades que soporta
Target Los reportes nativos de Target Todas; AP siempre reporta aquí
Analytics for Target (A4T) Los resultados se reportan en Adobe Analytics, con sus métricas y segmentos A/B, Auto-Allocate, Auto-Target, XT, MVT y Recommendations; no AP
Customer Journey Analytics (CJA4T) Las actividades se analizan en CJA con el panel de experimentación A/B manual, Auto-Allocate, XT, MVT y Recommendations; no Auto-Target ni AP

CJA4T es la forma corta, que Adobe usa en sus webinars de Experience League, para lo que su documentación llama reporteo de Target en Customer Journey Analytics (CJA). Es comparable a lo que A4T hace en Adobe Analytics, pero conectado a AEP. No trae un reporte armado como A4T: lo construyes en CJA con el panel de experimentación, y puedes elegir la métrica de éxito después de lanzar la actividad.

Lo que pide CJA4T:

  1. Accesos. CJA y Target para ti y tu empresa, el rol Approver o Editor en Target y un rol en AEP.
  2. Implementación. La preferida es el Web SDK. La alternativa es un conector de origen de Adobe Analytics, pero Adobe advierte que los resultados de Analytics y CJA probablemente no coincidan.
  3. Conexión en CJA. El dataset de eventos más el dataset de búsqueda Adobe Target Classification Events.
  4. Persistencia. En las dimensiones de actividad. Sin ella, una compra en otra página no se atribuye a la experiencia que vio el visitante.
  5. En Auto-Allocate, la vista de datos y la métrica de CJA son obligatorias.

Si hoy reportas en Adobe Analytics y piensas pasar a CJA, revisa cómo migrar de Adobe Analytics a Customer Journey Analytics. Qué preguntas resolver con esos datos está en ejemplos de análisis en Customer Journey Analytics, y la medición del ecommerce, en Adobe Analytics para ecommerce.

Cómo leer el reporte de Auto-Target y AP

  • Las dos primeras filas son una A/B entre control y algoritmo. Ese es el lift que importa para decidir.
  • No compares la experiencia A contra la B. Compara cada experiencia servida por el modelo contra la misma servida al azar. Las de mayor lift son las que encontraron un segmento que las prefiere.
  • Personalization Insights. Los reportes Automated Segments e Important Attributes muestran qué segmentos armó el modelo y qué atributos pesaron más. Aparecen tras 15 días en vivo con tráfico, solo con métricas de conversión, solo en el entorno default y solo con el tráfico personalizado.

Errores comunes con Auto-Target, AP y Auto-Allocate

  1. Cambiar la métrica objetivo o la fuente de reporte a medio camino. Adobe no garantiza qué pasa: crea otra actividad.
  2. Usar Reset Report Data. Borra lo visible, pero no los registros de entrenamiento del modelo. Adobe recomienda desactivar la actividad y crear una nueva.
  3. Elegir una métrica sin el volumen que pide. RPV en Auto-Target necesita al menos 1,000 conversiones por experiencia. Con A4T, las métricas calculadas no sirven como objetivo principal; usa un evento personalizado.
  4. Achicar el grupo de control al mínimo para "no perder ventas". Sin un control suficiente no sabes si el modelo aporta.
  5. Ofertas casi iguales. El modelo no le gana al azar y Target no lo despliega.
  6. Elegir ganador a ojo en Auto-Allocate. Espera la insignia: antes es fácil escoger la experiencia equivocada.
  7. Llevar tráfico importante a entornos que no son el default. Auto-Allocate modela solo con el entorno default, y la comparación global de Auto-Target también.

Gerente de e-commerce y analista revisan el plan impreso del piloto de 90 días por semanas.

Plan de piloto de 90 días con Adobe Target

Los plazos son nuestra propuesta de trabajo, no reglas de Adobe; ajústalos a tu tráfico.

  1. Semanas 1 y 2: diagnóstico. Compara las visitas y conversiones diarias de tus páginas contra los umbrales de cada actividad. Define la métrica objetivo y la fuente de reporte (Target, A4T o CJA). Revisa si tienes Web SDK: lo necesitas para CJA4T y para personalizar en la misma página con Real-Time CDP.
  2. Semanas 3 a 6: primera prueba. Lanza una A/B o un Auto-Allocate en la página de más tráfico, con dos o tres experiencias muy distintas. El objetivo es aprender qué mensajes mueven a tus visitantes.
  3. Semanas 4 a 6: primera regla con datos. Activa el destino de Target en Real-Time CDP y arranca un Experience Targeting para un segmento claro, como clientes recurrentes.
  4. Semanas 7 a 12: Auto-Target. Si la página pasa los umbrales, crea un Auto-Target con las experiencias que funcionaron, en 50/50 para evaluar el algoritmo.
  5. A los 15 días del Auto-Target: insights. Revisa Automated Segments e Important Attributes para entender a quién le sirve cada experiencia y alimentar nuevas hipótesis.
  6. Semanas 12 y 13: decisión. Si el algoritmo le gana al control, pásalo a 90/10 como actividad always-on. Si no, vuelve a Experience Targeting y A/B con lo aprendido. Considera AP solo si el Traffic Estimator te da luz verde.

Preguntas frecuentes

¿Cuál es la diferencia entre Auto-Target y Automated Personalization?

Los dos usan el mismo algoritmo (Random Forest) y los mismos datos. En Auto-Target diseñas experiencias completas y Target elige una por visitante; en AP defines ofertas por ubicación y Target arma la combinación. Por eso AP suele necesitar más tráfico total, y Auto-Target es mejor para cambios estructurales de la página.

¿Auto-Allocate personaliza la experiencia?

No. Auto-Allocate es una prueba A/B que encuentra un ganador agregado y le manda más tráfico, el mismo para todos. Si quieres que cada visitante vea su mejor experiencia, eso es Auto-Target o AP.

¿Cuánto tráfico necesita Auto-Target?

Con una métrica de conversión, la regla práctica de Adobe es de 1,000 visitas y 50 conversiones por día por experiencia, y 7,000 visitas y 350 conversiones en toda la actividad. Con ingreso por visita, suma 1,000 conversiones por experiencia.

¿Qué es CJA4T y qué actividades soporta?

Es usar Customer Journey Analytics como fuente de reporte de Adobe Target. Soporta A/B manual, Auto-Allocate, Experience Targeting, MVT y Recommendations. Auto-Target y Automated Personalization todavía no lo soportan.

¿Necesito Target Premium para estas actividades?

Para Auto-Target, Automated Personalization y Recommendations, sí. Auto-Allocate, las A/B y Experience Targeting no llevan la etiqueta Premium en la documentación de Adobe.

Servicios relacionados

Si este tema es relevante para tu negocio, estos servicios de WolfSellers pueden ayudarte a implementarlo:

¿Quieres profundizar en este tema?

Conversemos.

Somos Adobe Gold Partner en México con experiencia en implementaciones e integraciones Adobe. Si algo de este artículo aplica a tu operación, la primera consulta es sin costo.

O escríbenos a contacto@wolfsellers.com

Sigue leyendo

Chatear con nosotros por WhatsApp