Aumenta il ROAS utilizzando l'Audience Manager Algorithmic (Look-Alike) Models

La vera potenza del look-alike di Audience Manager Modeling si ottiene quando si cerca di espandere il pubblico di riferimento rispetto a una qualità, nuovo set di utenti di second party e third party data sources. In questa esercitazione, scopri i passaggi necessari per creare un model da questi dati.

Abilitare i flussi di dati Second Party o Third Party dall'Audience Marketplace

Per utilizzare i dati second party e third party in un look-alike model, è necessario prima abilitare questi dati nell’interfaccia di Audience Manager. Adobe dispone di un numero elevato di provider di dati second party e third party da cui è possibile scegliere. Sono disponibili in un’interfaccia self-service in AAM tramite l’Audience Marketplace . Passa all’Audience Marketplace e sfoglia le possibilità. Il video seguente illustra come eseguire questa operazione, tra cui come abilitare i flussi "try before you buy" gratuiti, in modo da poter bloccare i dati che saranno più utili per la tua organizzazione prima di impegnarti nei prezzi del provider di dati.

Inoltre, per aiutarti a cercare e decidere quale provider di dati utilizzare, una grande risorsa è la Adobe Audience Finder.

Identificare/creare un utente ideale (conversione) trait o segment

Cosa stai cercando di fare alle persone sul tuo sito? Qual è l’evento di conversione? Naturalmente, ci sono molte risposte diverse a questa domanda, a seconda del tipo di sito/verticale e dei vostri obiettivi organizzativi. In ogni caso, è comune in AAM creare un trait per i visitatori che hanno soddisfatto tali criteri.

Nel video seguente, vi mostrerò come creare una conversione trait, che vorrai avere in posizione mentre prosegui questa esercitazione e creare un look-alike model.

Inoltre, quando si utilizzano gli eventi Adobe Analytics per creare traits, è necessario tenere presente un importante gotcha, in modo da non raccogliere più utenti di quanto si dovrebbe nel trait. Guarda il seguente video per la grande rivelazione. :

NOTA: Nel video precedente, l'esempio che mostro presuppone che tu disponga di Adobe Analytics. Ovviamente non è così. Se disponi di Google Analytics (GA), disponiamo di un modulo che puoi utilizzare per inviare dati in AAM (consulta la documentazione) e se l’attività di conversione sul tuo sito viene inviata a AAM da GA, puoi creare la conversione trait da questo. Se disponi di una soluzione di analisi diversa (o nessuna soluzione di analisi), puoi comunque inviare dati a AAM tramite il nostro codice DIL e la funzione submit, ecc. (consulta la documentazione). Quindi crea la conversione trait in base ai dati inviati quando l'attività di conversione viene eseguita sul sito.

Creare un lookalike Model da Second Party o Third Party dati

Dopo aver completato i passaggi precedenti, ora siamo pronti per creare un algoritmo (lookalike) Model. Durante la configurazione del model, utilizzeremo la conversione trait come base trait (visitatori chiave da duplicare) e il flusso di dati abilitato third party verrà utilizzato come pool di persone da cui effettuare il pull.

Una best practice importante

Quando crei l'algoritmo model nell'Audience Manager, ovviamente vogliamo che il model sia il più efficace possibile. Poiché il model sta considerando tutti i traits di cui fanno parte i membri della base trait/segment, non aiuta il model se TUTTE le persone si trovano in un trait/segment. Pertanto, se disponi di un traits super generico (come tutti coloro che sono andati sul tuo sito, o tutti coloro che hanno ricevuto un annuncio da te, ecc.), assicurati che il data source a cui appartengono NON sia incluso nel data sources nel tuo model. Nel caso d’uso di questo articolo, è improbabile che tu lo faccia, perché ci stiamo concentrando sulla ricerca di dati third party per i nostri nuovi look-alikes, ma vale la pena menzionarlo comunque, e si applica a TUTTI i tuoi algoritmi models.

Creazione di un algoritmo Trait

Successivamente, sarà necessario creare un algoritmo Trait in modo che sia possibile utilizzare i risultati di model. Senza creare un trait, il modello è inutile. Quindi, dopo l'esecuzione di model, assicurati di accedere alla finestra di dialogo trait e creare un algoritmo Trait. Il seguente video illustra la procedura dettagliata e mostra un paio di suggerimenti.

Creazione di un Segment dai dati Model e invio a DSP

Dopo aver creato un algoritmo Trait, è possibile creare un nuovo segment per inserirlo, in modo da poter attivare i dati (non è possibile attivare un trait, ma crearne uno nuovo-trait segment con l'algoritmo Trait in modo da poter attivare (utilizzare) il segment).

Dopo aver creato un segment da questo algoritmo trait, avrai a disposizione un pubblico di potenziali clienti che assomiglia a persone che si sono già convertite sul tuo sito. Ora puoi mappare questo segment a uno qualsiasi dei tuoi DSP destinations nell'Audience Manager. Potrai eseguire il targeting del tuo marketing per quei look-alikes, che hanno più probabilità di convertire sul tuo sito che solo il pubblico normale, aumentando il tuo Return on Ad Spend. Buona fortuna!

In questa pagina