La principale différence entre la nouvelle version améliorée et la version formelle (ancienne) de l'algorithme STO réside dans la manière dont ils se comportent avec les nouveaux contacts et les contacts dont l'historique de comportement est relativement limité. Notez que l'historique de comportement limité inclut les cas où il existe une quantité importante de données d'engagement pour un contact, mais où les envois d'emails sont limités à quelques fois seulement. Comme décrit dans Send Time Optimization - Aperçu, l'algorithme s'appuie sur les schémas d'ouverture des comptes pour décider des heures d'envoi optimales pour ces contacts et explore leurs préférences personnelles au fil du temps. Bien que cela soit généralement vrai pour les deux algorithmes, il existe une différence dans la manière dont les informations relatives aux comptes sont utilisées dans le processus. Le nouvel algorithme utilise de manière plus sophistiquée les modèles d'ouverture au niveau du compte qui différencient les contacts en fonction de leur niveau d'activité global.

En règle générale, le processus d'apprentissage de l'algorithme amélioré est plus long que celui de l'ancien algorithme. Cependant, il en résulte une meilleure performance globale à long terme. Comme décrit dans Send Time Optimization - Aperçu, tout algorithme STO doit trouver un équilibre entre le coût de l'exploration des temps d'envoi sur lesquels nous n'avons que peu ou pas d'informations et les avantages que nous retirons de l'exploitation des informations dont nous disposons déjà. Il s'avère que l'algorithme STO formel a fait trop peu d'exploration pour certains contacts, ce qui a entraîné une performance sous-optimale. L'algorithme amélioré tend à explorer un plus grand nombre d'heures d'envoi potentielles et, par conséquent, il est plus susceptible d'apprendre les préférences réelles des contacts.

Toutes les données collectées par l'algorithme formel sont utilisées par l'algorithme amélioré. Cependant, comme décrit ci-dessus, la raison pour laquelle l'algorithme amélioré améliore la performance globale est qu'il établit un meilleur équilibre entre la collecte de nouvelles informations et l'exploitation des données existantes. Au début de son introduction, l'algorithme amélioré a tendance à explorer de nouvelles heures d'envoi potentielles au prix d'une baisse temporaire des performances. En revanche, cette phase d'exploration se traduit par une meilleure performance à long terme.

Les délais d'envoi inhabituels sont le résultat de la période d'apprentissage de l'algorithme amélioré. L'algorithme formel avait tendance à s'appuyer trop fortement sur les informations collectées sur les heures d'envoi les plus populaires, au risque de manquer l'occasion d'explorer les préférences individuelles des contacts. Grâce à des mesures approfondies, nous avons prouvé que l'exploration de ces heures d'envoi inhabituelles permet d'obtenir de meilleures performances à long terme dans la plupart des cas.

Oui, il pourra le détecter. L'algorithme amélioré est encore plus susceptible d'apprendre rapidement les nouveaux modèles de comportement de contact que l'algorithme formel n'a pu le faire.

Actuellement, l'algorithme traite les ouvertures AMPP comme un engagement réel (pas de changement par rapport à l'algorithme précédent sur ce point). Des recherches sont en cours sur la manière d'atténuer l'effet de ces fausses ouvertures. Parallèlement, nous surveillons les performances de l'algorithme STO à l'aide des augmentations du taux de clics qui, selon nous, ne sont pas affectées par la fonction AMPP.