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. Aucune des personnes sélectionnées traits / segments ne possède suffisamment de profils d’utilisateur. Nous vous recommandons de choisir traits ou segments afin que chaque personne dispose d’au moins quelques centaines de profils d’utilisateur.
2. Aucune des personnes sélectionnées traits / segments ne possède suffisamment de données dans son profil d'utilisateur (caractéristiques insuffisantes pour l'analyse).
3. La caractéristique / le segment d’audience de cible n’a 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 audience de cible utilise un Profile Merge Rule différent de celui que vous avez choisi pour le modèle.
6. Il est possible que la source de données de vos caractéristiques d'audience de cible ne soit pas incluse dans le Profile Merge Rule que vous avez choisi 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 le Error statut ?

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

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

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

Que Profile Merge Rule devrais-je choisir ?

Lorsque vous choisissez Profile Merge Rule pour votre modèle, analysez de près votre cas d'utilisation.

Supposons que votre audience de cible segment utilise un Profile Merge Rule profil basé sur des profils authentifiés + Device Graph et que vous sélectionniez le même Profile Merge Rule pour le segments prédictif. Dans ce cas, le niveau de l'appareil et le niveau de l'appareil croisé traits seront utilisés pour former le modèle et pour placer l'utilisateur dans un segment prédictif.

Si, toutefois, vous sélectionnez un Profile Merge Rule en fonction des profils du périphérique uniquement, aucun de vos traits inter-périphériques n'aura d'influence et ne contribuera pas à placer les utilisateurs dans un segment prédictif. Cela peut nuire à la précision et à la portée du modèle.

Analysez soigneusement votre cas d'utilisation et décidez des types trait dont vous souhaitez que le modèle tire des enseignements 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 changer le temps de vie (TTL) pour les caractéristiques prédictives ?

La caractéristique prédictive TTL est définie sur 0 (durée de vie) et ne peut pas être modifiée. Predictive Audiences ne peuvent désegmenter 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 un trait prédictif et un trait d’activité avec un TTL spécifié.

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.