到但最大的缺点之一是手动分配的资源成本增加。正如 在播客中所说， 在光谱的一端，你只有一种体验。在光谱的另一端，你有成千上万的经历。 所以希望找到足够的相关数据来找到可利用的段需要大量的工作甚至更多的错误。 优化 发现规则 为此， 安德鲁 安德森 推荐了一个发现和开发过程，这是他基于学科的方法的一种延续，但应用于基于发现阶段的细分市场（如下） 创建消息的多个执行 拿 到 条可以在那里使用的其他消息一条很可能是您的默认内容其他概念。
例如特定产品或特定
站点产品希望您只是重复使用现有内容。 将所有优惠服务于 所有人 分段看结果，通过给差异化体验计算总收益： 如果您是正确的，那么对于前一个购物者细分而言，效果最好的配方将是一条或两条发货消息。默认内容将成为非购买者细分市场 拉脱维亚手机号码列表 可比细分市场的赢家。 如果你错了，那么任何其他细分市场的任何报价都会有更高的赢家。对您从未想过的排列获胜持开放态度。错误的总是会提供最大的回报 然后是开发阶段，当你真正从你的发现中获得价值时 推动发现的。
最高创收机会正如安
德鲁所说这与那些在个性化方面失败的人有着根本的不同，后者通常看起来像这样： 将单件创意推向重复购买者细分市场。 希望 所以这就是基于发现的定位逻辑和基于意见的定位逻辑之间的真正区别。基于发现的方法源于一种已经成熟的优化方法，它简单地计算潜在不同体验的收益，然后在这些细分市场中进行开发。 机器学习规则 的 同意基 ER 列表 本细分的不足，因为它取决于分析师对哪些维度与目标最相关做出任意决定那么如何分配经验呢另一个优化是机器学习规则和。
