Häufig gestellte Fragen zu vorhersagekräftigen Zielgruppen
- Themen:
- Algorithmische Modelle
Häufig gestellte Fragen zu Predictive Audiences.
Wann sollte ich Predictive Audiences anstatt Look-alike modeling verwenden?
Predictive Audiences und Look-alike modeling bedienen verschiedene Anwendungsfälle. Die wichtigsten Unterschiede zwischen den beiden Algorithmen sind:
- Look-alike modeling erwartet eine kleine Zielgruppe als Eingabe und erweitert diese. Predictive Audiences erwartet eine große Zielgruppe als Eingabe und teilt sie anhand der von Ihnen definierten Personas in kleinere eindeutige Zielgruppen auf.
- Die Anzahl der Basissegmente ist für jeden Algorithmus unterschiedlich. Predictive Audiences erfordert mindestens zwei Grundlinien, während Look-alike modeling höchstens eine Basislinie verwendet.
- Predictive Audiences wertet die Segmente in Echtzeit aus, während Look-alike modeling dies nicht tut.
Je nach Anwendungsfall sollten Sie entscheiden, welches Modell für Sie angemessener ist.
Sie können das Erstellen eines Predictive Audiences-Modells mit einer Reihe von Grundlinien dem Erstellen der gleichen Anzahl von Look-alike-Modellen vergleichen, nur ohne die Echtzeitauswertung und mit einer sehr hohen Wahrscheinlichkeit, dass Besucher mehreren verschiedenen Personas angehören, anstatt einer eindeutigen Persona.
Wie viele Personas/Modelle darf ich erstellen?
Sie können bis zu 10 Predictive Audiences-Modelle erstellen. Für jedes Modell können Sie bis zu 50 Grundlinieneigenschaften oder Segmente definieren.
Wie kann ich neue Segmente aus einem Predictive Audiences-Segment erstellen?
Gehen Sie zu Audience Data > Segments und klicken Sie auf den Ordner Predictive Audiences. Suchen Sie nach dem gewünschten Segment, duplizieren Sie es und bearbeiten Sie es nach Ihren Bedürfnissen.
Wann kann ich die ersten Ergebnisse meines Modells sehen?
Predictive Audiences-Modellergebnisse sind innerhalb von 24 Stunden nach der Modellerstellung verfügbar, wenn das Modell erfolgreich ausgeführt wird.
Sollte das Modell nicht innerhalb von 24 Stunden Ergebnisse liefern, wenden Sie sich bitte an Ihren Adobe-Support-Mitarbeiter.
Warum liefert mein Modell keine Ergebnisse oder zeigt den Warnungsstatus an?
Predictive Audiences-Modelle können aus einer Reihe von Gründen zu keinen Ergebnissen führen:
- Keines der ausgewählten traits/segments verfügt über ausreichend Benutzerprofile. Es wird empfohlen, Ihre traits oder segments so auszuwählen, dass jede Rolle mindestens einige hundert Benutzerprofile hat.
- Keines der ausgewählten traits/segments verfügt über genügend Daten in seinen Benutzerprofilen (nicht genügend Eigenschaften zum Analysieren).
- Die Zielgruppen-Eigenschaft/-segment hat keine aktiven oder integrierten Benutzer.
- Die Benutzer der Zielgruppe, die in den letzten 30 Tagen aktiv waren oder integriert wurden, verfügen nicht über genügend Daten in ihren Benutzerprofilen (nicht genügend Eigenschaften zum Analysieren).
- Das Zielgruppensegment verwendet einen anderen Profile Merge Rule als den, den Sie für das Modell ausgewählt haben.
- Die Datenquelle der Eigenschaften Ihrer Zielgruppe ist möglicherweise nicht in dem Profile Merge Rule enthalten, den Sie für das Modell ausgewählt haben.
Um optimale Ergebnisse zu erzielen, befolgen Sie die empfohlenen Richtlinien aus den Auswahlkriterien für Personas und den Auswahlkriterien für Zielgruppen.
Warum zeigt mein Modell den Error an?
Das Modell konnte nicht ausgeführt werden. Wenden Sie sich in solchen Fällen bitte an Ihren Adobe.
Wie kann ich die Profile Merge Rule für eine Predictive Audiences segment ändern?
Erstellen Sie ein neues Modell, indem Sie dieselben Personas und dieselbe Zielgruppe wie das vorherige Modell auswählen. Weisen Sie während der Modellerstellung eine andere Profile Merge Rule zu.
Welche Profile Merge Rule sollte ich wählen?
Analysieren Sie bei der Auswahl der Profile Merge Rule für Ihr Modell Ihren Anwendungsfall genau.
Nehmen wir an, Ihre Zielgruppe verwendet segment einen Profile Merge Rule, der auf authentifizierten Profilen und Device Graph Profilen basiert, und Sie wählen denselben Profile Merge Rule für die prädiktive segments aus. In diesem Fall werden sowohl traits auf Geräteebene als auch geräteübergreifend beim Trainieren des Modells und bei der Platzierung des Benutzers in eine prädiktive segment verwendet.
Wenn Sie jedoch eine Profile Merge Rule nur auf der Grundlage von Geräteprofilen auswählen, wird keine Ihrer geräteübergreifenden traits einflussreich und trägt nicht zur Platzierung von Benutzern in einer prädiktiven segment bei. Dies kann sich negativ auf die Modellgenauigkeit und -reichweite auswirken.
Analysieren Sie Ihren Anwendungsfall sorgfältig und entscheiden Sie, aus welchen trait das Modell lernen soll und welchen Datentyp das Modell für die Klassifizierung verwenden soll.
Kann ein vorkommen, dass ein Benutzer aus der Zielgruppe, der nicht Teil einer/s Persona-Eigenschaft/-Segments ist, nicht klassifiziert wird?
Ja, falls im Profil des Benutzer keine Eigenschaften angegeben sind. In diesem Fall erhält der Benutzer eine Übereinstimmungsbewertung von 0 für alle Persona-Eigenschaften/-Segmente und wird daher nicht in eines der Vorhersagesegmente klassifiziert.
Kann ein Benutzer, der in eines der Vorhersagesegmente klassifiziert wurde, in ein anderes Predictive Audiences-Segment umklassifiziert werden?
Ja. Da der Algorithmus täglich trainiert wird, wendet er die Änderungen für jede der Personas in Bezug auf die Bewertung der Eigenschaften an. Wenn ein Benutzer, der Teil eines Predictive Audiences-Segments ist, aktiv ist, können die Änderungen in seinem Eigenschaftswert die Classification basierend auf der Aktivität der letzten 30 Tage ändern.
Kann ich die Eigenschaften sehen, nach denen die Zielgruppe klassifiziert wurde?
Ja, Sie können alle einflussnehmenden Eigenschaften für alle Grundlinie auf der Seite mit den Modellberichten sehen. Siehe Einflussnehmende Eigenschaften.
Kann ich die Time to Live (TTL) für prädiktive Eigenschaften ändern?
Die TTL der prädiktiven Eigenschaft ist auf 0 (Lebensdauer) festgelegt und kann nicht geändert werden. Predictive Audiences können die Segmentierung von Benutzern aus prädiktiven Segmenten nur aufheben, wenn sie sich für das Basissegment qualifizieren oder in ein anderes prädiktives Segment reklassifiziert werden.
Bei Bedarf können Sie diese Funktion umgehen, indem Sie ein neues Segment erstellen, das sowohl ein prädiktives Merkmal als auch ein Aktivitätsmerkmal mit einer angegebenen TTL enthält.
Was passiert mit dem Modell, wenn ich eine seiner Grundlinieneigenschaften oder -segmente bearbeite?
Das Modellwertet die Eigenschaften oder Segmente einmal täglich aus. Die aktualisierte Classification sollte am nächsten Tag nach der Aktualisierung angezeigt werden.
Kann ich die Datenquellen auswählen, aus denen das Modell lernen soll?
Nein, die Auswahl von Datenquellen wird nicht unterstützt. Der Predictive Audiences-Algorithmus lernt von all Ihren Erstanbietereigenschaften.