預測受眾常見問題集

關於 Predictive Audiences 的常見問題集。

我何時應使用 Predictive Audiences 而非 Look-alike modeling?

Predictive Audiences 和 Look-alike modeling 運用在不同的使用案例。這兩種演算法的主要差異如下:

  1. Look-alike modeling 以小型受眾作為輸入,並加以擴充。Predictive Audiences 以大型受眾作為輸入,並將其劃分為由您的角色定義的較小不重複受眾。
  2. 每個演算法的基本區段數不同。Predictive Audiences 至少需要兩個基線,而最 Look-alike modeling 多使用一個基線。
  3. Predictive Audiences 執行即時區段評估,但 Look-alike modeling 不執行。

您應根據您的使用案例,決定相關度較高的模型。

您可以將建立含有多個基線的 Predictive Audiences 模型視為等同於建立相同數量的相似模型,差別在於不需進行即時評估,而且訪客很有可能屬於多個不重複角色,而非一個不重複角色。

我可以建立多少個角色/模型?

您最多可建立 10 個 Predictive Audiences 模型。針對每個模型,您最多可定義 50 個基線特徵或區段。

如何從 Predictive Audiences 區段建立新區段?

前往「Audience Data > Segments」,然後按一下 Predictive Audiences 資料夾。找到所需的區段,複製該區段,然後根據您的需求加以編輯。

何時才能看到模型產生的第一個結果?

如果模型成功運作,可在建立模型後 24 小時內取得 Predictive Audiences 模型結果。

若模型沒有在 24 小時內產生結果,請洽詢您的 Adobe 代表。

為什麼我的模型沒有產生結果或顯示警告狀態?

Predictive Audiences 模型可能由於以下幾個原因而無法產生結果:

  1. 所選角色traits / segments中沒有足夠的用戶配置檔案。 建議您選擇traits或segments,讓每個角色至少擁有幾百個使用者設定檔。
  2. 所選角色traits / segments的使用者設定檔中沒有足夠的資料(沒有足夠的特徵可進行分析)。
  3. 目標受眾特徵/區段沒有任何作用中或已上線的使用者。
  4. 過去 30 天內處於作用中狀態或已上線的目標受眾使用者,其使用者設定檔中的資料不足 (沒有足夠的特徵可進行分析)。
  5. 目標受眾區段會使用與您為模型選擇的不同Profile Merge Rule。
  6. 您為模型選擇的Profile Merge Rule中可能不包含目標對象特徵的資料來源。

為獲得最佳結果,請遵循角色選擇標準目標受眾選擇標準中的建議准則。

我的模型為何顯示狀 Error 態?

模型無法執行。在這種情況下,請聯繫您的Adobe代表。

如何為 Profile Merge Rule 變 Predictive Audiences segment更?

選取與上一個模型相同的角色和目標對象,以建立新模型。 在建立模型期間,指派不同的Profile Merge Rule。

警告

或者,您也可以使用區段產生器來手動建立具有現有預測性trait的segment,並指派您所選擇的Profile Merge Rule。

不過,我們不建議採用此做法,因為預測性traits會自動繼承其所屬模型的Profile Merge Rule,且這些模型是從符合模型Profile Merge Rule的具影響力的traits所建立。

我應 Profile Merge Rule 該選擇什麼?

為模型選擇Profile Merge Rule時,請仔細分析您的使用案例。

假設您的目標對象segment根據已驗證的設定檔+ Device Graph設定檔使用Profile Merge Rule,且您為預測性segments選取相同的Profile Merge Rule。 在這種情況下,設備級別和跨設備級別traits將用於訓練模型和將用戶放置到預測segment中。

但是,如果您僅根據裝置設定檔選取Profile Merge Rule,則您的跨裝置traits不會發揮影響力,且不會對將使用者放入預測segment中有貢獻。 這可能會對模型的準確度和觸及率產生負面影響。

請仔細分析您的使用案例,並決定您要模型學習的trait類型,以及您要模型用於分類的資料類型。

目標受眾中不屬於任何角色特徵/區段的使用者是否不可分類?

是的,萬一使用者的個人檔案中沒有任何特徵,在這種情況下,使用者的所有角色特徵/區段比對分數將為 0,因此不會分類為任何預測區段。

分類為其中一個預測區段的使用者是否可重新分類為不同 Predictive Audiences 區段?

是。由於演算法每天都在學習並進步,因此會將變更套用到每個角色的特徵分數上。如果屬於某個 Predictive Audiences 區段的使用者處於作用中狀態,其特徵分數的變化可根據過去 30 天的活動來變更分類。

我是否可檢視哪些受眾分類是依據哪些特徵?

是的,您可以在模型報表頁面中查看所有基線的所有具影響力的特徵。請參閱具影響力的特徵

我可以變更預測特徵的存留時間(TTL)嗎?

預測性特徵TTL設為0(存留期)且無法變更。 Predictive Audiences 只有在使用者符合基本區段資格或重新分類為不同預測區段時,才能從預測區段中取消細分使用者。

如有需要,您可以建立新區段來處理這項功能,區段中同時包含預測特徵和具有指定TTL的活動特徵。

如果編輯其中一個基線特徵或區段,模型會發生什麼事?

模型一天會評估一次特徵或區段。您應會在做出更新後的隔天看到更新的分類。

我是否可選擇模型要向哪個資料來源學習?

否,不支援選取資料來源。Predictive Audiences 演算法會向您的所有第一方特徵學習。

本頁內容