FAQ sur les audiences prédictives

Questions fréquentes sur Predictive Audiences.

Quand dois-je utiliser Predictive Audiences plutôt que Look-alike modeling ?

Predictive Audiences et Look-alike modeling correspondent à des cas d’utilisation différents. Les principales différences entre les deux algorithmes sont les suivantes :

1. Look-alike modeling prend une petite audience comme entrée et la développe. Predictive Audiences prend une grande audience comme entrée et la divise en audiences distinctes plus petites, définies par vos personas.
2. Le nombre de segments de base est différent pour chaque algorithme. Predictive Audiences nécessite au moins deux lignes de base, alors que Look-alike modeling utilise au maximum une ligne de base.
3. Predictive Audiences effectue une évaluation de segmentation en temps réel, contrairement à Look-alike modeling.

Vous devez choisir le modèle qui vous convient le mieux en fonction de votre cas d’utilisation.

Vous pouvez considérer la création d’un modèle Predictive Audiences avec un certain nombre de lignes de base comme l’équivalent de la création d’un même nombre de modèles semblables, seulement sans l’évaluation en temps réel. Il est également très probable que les visiteurs appartiennent à plusieurs personas différentes, au lieu d’une seule persona distincte.

Combien de personas/modèles suis-je autorisé à créer ?

Vous pouvez créer jusqu’à 10 modèles Predictive Audiences. Pour chaque modèle, vous pouvez définir jusqu’à 50 caractéristiques ou segments de ligne de base.

Comment puis-je créer de nouveaux segments à partir d’un segment Predictive Audiences ?

Accédez à Audience Data > Segments, puis cliquez sur le dossier Predictive Audiences. Recherchez le segment souhaité, dupliquez-le et modifiez-le en fonction de vos besoins.

Quand puis-je voir les premiers résultats produits par mon modèle ?

Les résultats du modèle Predictive Audiences sont disponibles dans les 24 heures suivant la création du modèle, si celui-ci fonctionne correctement.

Si le modèle ne produit pas de résultats dans les 24 heures, contactez votre représentant Adobe.

Pourquoi mon modèle ne produit-il pas de résultats ou n’affiche-t-il pas l’état d’avertissement ?

Les modèles Predictive Audiences peuvent ne produire aucun résultat pour un certain nombre de raisons :

1. Aucun des personnages sélectionnés traits / segments ne dispose de suffisamment de profils utilisateur. Nous vous recommandons de choisir vos traits ou segments afin que chaque persona dispose d’au moins quelques centaines de profils utilisateur.
2. Aucun des personnages sélectionnés traits / segments ne dispose de suffisamment de données dans leurs profils utilisateur (caractéristiques insuffisantes pour l’analyse).
3. La caractéristique ou le segment de l’audience cible ne comporte aucun utilisateur principal ou intégré.
4. Les profils des utilisateurs de l’audience cible qui étaient actifs ou intégrés au cours des 30 derniers jours ne contiennent pas suffisamment de données (caractéristiques insuffisantes pour l’analyse).
5. Le segment d’audience cible utilise une Profile Merge Rule différente de celle que vous avez choisie pour le modèle.
6. La source de données de vos caractéristiques d’audience cible peut ne pas être incluse dans la balise Profile Merge Rule que vous avez choisie pour le modèle.

Pour obtenir des résultats optimaux, suivez les instructions proposées dans Critères de sélection des personas et Critères de sélection de l’audience cible.

Pourquoi mon modèle affiche-t-il l’ Error état ?

L’exécution du modèle a échoué. Dans ce cas, contactez votre représentant Adobe.

Comment puis-je modifier le Profile Merge Rule pour un Predictive Audiences segment?

Créez un modèle en sélectionnant les mêmes personnes et l’audience cible que votre modèle précédent. Lors de la création du modèle, affectez un Profile Merge Rule différent.

Que Profile Merge Rule devrais-je choisir ?

Lorsque vous choisissez la balise Profile Merge Rule pour votre modèle, analysez attentivement votre cas d’utilisation.

Supposons que votre audience cible segment utilise une balise Profile Merge Rule basée sur les profils authentifiés + Device Graph et que vous sélectionniez la même balise Profile Merge Rule pour la segments prédictive. Dans ce cas, les niveaux appareil et multi-appareils traits seront utilisés pour entraîner le modèle et pour placer l’utilisateur dans une segment prédictive.

Si, toutefois, vous sélectionnez une balise Profile Merge Rule en fonction des profils d’appareil, aucun de vos traits multi-appareils ne deviendra influent et ne contribuera pas au placement des utilisateurs dans une segment prédictive. Cela peut avoir une incidence négative sur la précision et la portée du modèle.

Analysez soigneusement votre cas d’utilisation et décidez des trait types à partir desquels vous souhaitez que le modèle apprenne et du type de données que vous souhaitez que le modèle utilise pour la classification.

Un utilisateur de l’audience cible qui ne fait partie d’aucun segment/caractéristique de persona peut-il ne pas être classé ?

Oui, lorsque le profil de l’utilisateur ne contient aucune caractéristique. Dans ce cas, l’utilisateur obtient une note de correspondance de 0 pour tous les segments/caractéristiques de persona et n’est donc classé dans aucun des segments prédictifs.

Un utilisateur qui a été classé dans l’un des segments prédictifs peut-il être reclassé dans un autre segment Predictive Audiences ?

Oui. Étant donné que l’algorithme est formé quotidiennement, il applique les modifications pour chacune des personas en termes de notation des caractéristiques. Si un utilisateur faisant partie d’un segment Predictive Audiences est actif, les modifications apportées à sa notation des caractéristiques peuvent modifier la classification en fonction de l’activité des 30 derniers jours.

Puis-je voir les caractéristiques utilisées pour la classification des audiences ?

Oui, vous pouvez voir toutes les caractéristiques influentes pour toutes les lignes de base dans la page de rapports de modèle. Voir Caractéristiques influentes.

Puis-je modifier la durée de vie (TTL) des caractéristiques prédictives ?

La durée de vie prédictive de la caractéristique est définie sur 0 (durée de vie) et ne peut pas être modifiée. Predictive Audiences ne peuvent dissocier les utilisateurs des segments prédictifs que s’ils remplissent les critères du segment de base ou s’ils sont reclassés dans un autre segment prédictif.

Si nécessaire, vous pouvez contourner cette fonctionnalité en créant un nouveau segment qui contient à la fois une caractéristique prédictive et une caractéristique d’activité avec une durée de vie spécifiée.

Qu’advient-il du modèle si je modifie l’un de ses segments ou caractéristiques de ligne de base ?

Le modèle évalue les caractéristiques ou les segments une fois par jour. Vous devriez voir la mise à jour de la classification le lendemain de votre mise à jour.

Puis-je sélectionner les sources de données qui serviront à former le modèle ?

Non, la sélection des sources de données n’est pas prise en charge. L’algorithme Predictive Audiences est formé à partir de toutes vos caractéristiques propriétaires.