Augmenter le RSDP en utilisant l'algorithme (ressemblance) Models dans l'Audience Manager

La puissance réelle de l'apparence de la Audience Manager Modeling vient lorsque vous cherchez à développer votre audience de base par rapport à un ensemble d'utilisateurs de second party et third party data sources de qualité flambant neuf. Dans ce didacticiel, découvrez les étapes nécessaires pour créer un model à partir de ces données.

Activez les flux de données Second Party ou Third Party à partir de l’Audience Marketplace.

Pour utiliser les données second party et third party dans un look identique model, nous devons d'abord activer ces données dans votre interface d'Audience Manager. L’Adobe dispose d’un grand nombre de fournisseurs de données second party et third party à partir desquels vous pouvez choisir. Ils sont disponibles pour vous dans une interface libre-service en AAM, via l'Audience Marketplace. Accédez à l’Audience Marketplace et parcourez les possibilités. La vidéo suivante vous montrera comment procéder, y compris comment activer les flux gratuits "Essayer avant d’acheter", afin que vous puissiez verrouiller les données qui seront les plus utiles à votre entreprise avant de vous engager à respecter les tarifs du fournisseur de données.

En outre, pour vous aider à rechercher et à décider quel fournisseur de données utiliser, une ressource intéressante est Adobe Audience Finder.

Identifier/créer un utilisateur idéal (conversion) trait ou segment

Qu'essayez-vous d'amener les gens à FAIRE sur votre site ? Quel est votre événement de conversion ? Bien sûr, il existe de nombreuses réponses différentes à cette question, selon le type de site/la verticale et les objectifs de votre organisation. Dans tous les cas, il est courant en AAM de créer un trait pour les visiteurs qui répondent à ces critères.

Dans la vidéo ci-dessous, je vais vous montrer comment créer une conversion trait, que vous souhaiterez mettre en place au fur et à mesure que vous poursuivrez ce didacticiel et créez une apparence model.

En outre, lors de l'utilisation des événements Adobe Analytics pour créer traits, il y a un problème majeur que vous devez garder à l'esprit, afin de ne pas collecter plus d'utilisateurs que vous ne devriez dans le trait. Regardez la vidéo suivante pour la révélation générale. 😃

REMARQUE : Dans la vidéo ci-dessus, l'exemple que je montre suppose que vous avez Adobe Analytics. Bien sûr, ce n'est peut-être pas le cas. Si vous disposez de Google Analytics (GA), nous disposons d'un module que vous pouvez utiliser pour envoyer des données à AAM (voir la documentation) et si votre activité de conversion sur votre site est envoyée à AAM par GA, vous pouvez créer votre conversion trait à partir de ce module. Si vous disposez d’une autre solution d’analyse (ou d’aucune solution d’analyse), vous pouvez toujours envoyer des données à AAM par l’intermédiaire de notre code DIL et de la fonction submit, etc. (voir la documentation). Créez ensuite la conversion trait en fonction des données envoyées lorsque l’activité de conversion est effectuée sur le site.

Créer un look identique Model à partir de Second Party ou de Third Party données

Après avoir suivi les étapes ci-dessus, nous sommes maintenant prêts à créer un algorithme (apparence) Model. Au moment de la configuration de model, nous utiliserons la conversion trait comme base trait (visiteurs clés que nous voulons duplicata), et nous utiliserons le flux de données third party activé pour attirer notre groupe de personnes.

Une bonne pratique importante

Lors de la création de l'algorithme model en Audience Manager, nous voulons évidemment que model soit aussi efficace que possible. Comme le model prend en compte tous les traits dont font partie les membres de votre base trait/segment, il n’aide pas le model si TOUTES les personnes sont dans un trait/segment. Par conséquent, si vous avez un traits super générique (comme tous ceux qui sont allés sur votre site, ou tous ceux qui ont reçu une publicité de votre part, etc.), assurez-vous que le data source auquel ils appartiennent n'est PAS inclus dans le data sources de votre model. Dans le cas d’utilisation de cet article, il est peu probable que vous le fassiez, car nous nous concentrons sur l’analyse des données third party pour nos nouveaux alias d’apparence, mais cela vaut la peine d’être mentionné, et cela s’applique à TOUTES vos données algorithmiques models.

Création d’un algorithme Trait

Ensuite, nous devrons créer un algorithme Trait, afin que les résultats de model puissent être utilisés. Sans créer de trait, le modèle est inutile. Ainsi, après l'exécution de model, veillez à ouvrir la boîte de dialogue trait et à créer un algorithme Trait. La vidéo ci-dessous vous présente quelques conseils.

Création d'une Segment à partir des données Model et envoi de celle-ci à DSP

Une fois que vous avez créé un Trait algorithmique, vous pouvez créer un segment pour l'insérer, de sorte que vous puissiez activer les données (vous ne pouvez pas activer un trait, mais plutôt en créer un nouveau trait segment avec le Trait algorithmique, de sorte que vous puissiez activer (utiliser) le segment).

Une fois que vous avez créé un segment à partir de cet algorithme trait, vous aurez une audience de clients potentiels qui ressemblent à des personnes qui ont déjà effectué des conversions sur votre site. Vous pouvez maintenant mapper segment à l'une de vos DSP destinations en Audience Manager. Vous serez en mesure de cible votre marketing à ces "look", qui sont plus susceptibles de convertir sur votre site que le public ordinaire, augmentant ainsi votre Retour sur dépenses publicitaires. Bonne chance !

Sur cette page