ROAS durch Verwendung von algorithmischer (Look-alike) Models im Audience Manager erhöhen

Die wahre Stärke von Audience Manager Look-alike Modeling kommt, wenn Sie versuchen, Ihre Grundzielgruppe mit einer hochwertigen, brandneuen Benutzergruppe aus second party und third party data sources zu erweitern. In diesem Tutorial lernen Sie die Schritte kennen, die zum Erstellen eines model aus diesen Daten erforderlich sind.

Aktivieren Sie Second Party oder Third Party Daten-Streams aus dem Audience Marketplace

Um second party und third party Daten in einem Look-alike model zu verwenden, müssen wir diese Daten zunächst in Ihrer Audience Manager-Oberfläche aktivieren. Adobe verfügt über eine große Anzahl von second party und third party Datenanbietern, von denen Sie wählen können. Diese sind für Sie in einer Self-Service-Oberfläche in AAM über das Audience Marketplace verfügbar. Navigieren Sie zum Audience Marketplace und durchsuchen Sie die Möglichkeiten. Im folgenden Video erfahren Sie, wie Sie dies tun, einschließlich der Aktivierung kostenloser Streams vom Typ "try before you buy", sodass Sie die Daten einbinden können, die für Ihre Organisation am nützlichsten sind, bevor Sie sich zu den Preisen des Datenanbieters verpflichten.

Um Ihnen bei der Suche und Auswahl des Datenanbieters zu helfen, ist eine großartige Ressource die Adobe Audience Finder.

Identifizieren/Erstellen eines idealen Benutzers (Konversion) trait oder segment

Was versuchen Sie, Menschen dazu zu bringen, auf Ihrer Site zu tun? Was ist Ihr Konversionsereignis? Natürlich gibt es viele verschiedene Antworten auf diese Frage, abhängig von Ihrem Site-Typ/Ihrer Vertikale und Ihren Organisationszielen. In jedem Fall ist es in AAM üblich, trait für Besucher zu erstellen, die diese Kriterien erfüllt haben.

Im folgenden Video zeige ich Ihnen, wie Sie eine Konversion trait erstellen, die Sie während des gesamten Tutorials erhalten und ein Look-alike model erstellen möchten.

Wenn Sie Adobe Analytics-Ereignisse zum Erstellen von traits verwenden, müssen Sie außerdem einen wichtigen Fallschirm beachten, damit Sie nicht mehr Benutzer erfassen, als Sie für trait benötigen. Sehen Sie sich das folgende Video für die große Anzeige an. :)

HINWEIS: Im obigen Video geht das angezeigte Beispiel davon aus, dass Sie über Adobe Analytics verfügen. Das ist offensichtlich nicht der Fall. Wenn Sie Google Analytics (GA) haben, können Sie mit einem Modul Daten an AAM senden (siehe Dokumentation). Wenn Ihre Konversionsaktivität auf Ihrer Site von GA an AAM gesendet wird, können Sie daraus Ihre Konversionsrate trait erstellen. Wenn Sie über eine andere Analyselösung (oder keine Analyselösung) verfügen, können Sie weiterhin Daten über unseren DIL-Code und die submit-Funktion an AAM senden. (siehe Dokumentation). Erstellen Sie dann die Konvertierung trait basierend auf den Daten, die gesendet werden, wenn die Konversionsaktivität auf der Site durchgeführt wird.

Erstellen Sie einen Look-alike Model aus Second Party oder Third Party Daten

Nach Abschluss der obigen Schritte können wir nun einen algorithmischen (Look-alike) Model erstellen. Während wir model einrichten, verwenden wir die Konversion trait als Basis trait (wichtige Besucher, die wir duplizieren möchten) und verwenden den aktivierten third party-Datenstrom als unseren Personenpool, aus dem wir abrufen können.

Eine wichtige Best Practice

Beim Erstellen des algorithmischen model in Audience Manager möchten wir natürlich, dass das model so effektiv wie möglich ist. Da das model alle traits berücksichtigt, zu denen die Mitglieder Ihrer Basis trait/segment gehören, hilft es dem model nicht, wenn sich alle Personen in einem trait/segment befinden. Wenn Sie also über ein Super-generisches traits verfügen (wie alle, die Ihre Site besucht haben, oder alle, die eine Anzeige von Ihnen erhalten haben, usw.), stellen Sie sicher, dass das data source, zu dem sie gehören, NICHT im data sources in Ihrem model enthalten ist. Im Anwendungsfall dieses Artikels ist es unwahrscheinlich, dass Sie dies tun, da wir uns darauf konzentrieren, third party-Daten für unsere neuen Look-alikes zu betrachten. Es lohnt sich jedoch, auf jeden Fall zu erwähnen, und gilt für all Ihre algorithmischen models.

Erstellen eines Algorithmus Trait

Als Nächstes müssen wir einen algorithmischen Trait erstellen, damit die Ergebnisse von model verwendet werden können. Ohne Erstellen eines trait ist das Modell nutzlos. Nachdem model ausgeführt wird, stellen Sie sicher, dass Sie in das Dialogfeld trait gehen und einen algorithmischen Trait erstellen. Das folgende Video führt Sie durch und zeigt einige Tipps.

Erstellen von Segment aus den Model-Daten und Senden an DSP

Nachdem Sie ein algorithmisches Trait erstellt haben, können Sie ein neues segment erstellen, um es einzufügen, damit Sie die Daten aktivieren können (Sie können ein trait nicht aktivieren, sondern ein neues trait segment mit dem Algorithmus Trait erstellen, damit Sie das segment aktivieren (verwenden) können.)

Nachdem Sie ein segment aus diesem algorithmischen trait erstellt haben, werden Sie eine Zielgruppe potenzieller Kunden haben, die aussehen wie Personen, die bereits auf Ihrer Site konvertiert sind. Jetzt können Sie dieses segment jedem Ihrer DSP destinations im Audience Manager zuordnen. Sie können Ihr Marketing auf die Look-alikes ausrichten, die auf Ihrer Site mit höherer Wahrscheinlichkeit als nur die normale Öffentlichkeit konvertieren und so Ihren Return on Ad Spend steigern. Viel Glück!

Auf dieser Seite