Predictive Audiences hilft Ihnen, eine unbekannte Zielgruppe in Echtzeit mithilfe fortschrittlicher datenwissenschaftlicher Techniken in eindeutige Personas zu klassifizieren.
Dieser Artikel enthält die Produktdokumentation, die Sie durch die Einrichtung und Nutzung dieser Funktion führen soll. Nichts in diesem Dokument ist Rechtsberatung. Wenden Sie sich an Ihren Rechtsbeistand, um rechtliche Hinweise zu erhalten.
In einem Marketing-Kontext ist eine Persona ein Zielgruppensegment, das durch Besucher, Benutzer oder potenzielle Käufer definiert wird, die bestimmte Eigenschaften wie demografische Daten, Surfgewohnheiten, Einkaufsverlauf usw. gemeinsam haben.
Predictive Audiences-Modelle gehen noch einen Schritt weiter und ermöglichen es Ihnen, mithilfe der maschinellen Lernfunktionen von Audience Manager unbekannte Zielgruppen in eindeutige Personas zu klassifizieren. Mit Audience Manager können Sie dies erreichen, indem Sie die Neigung Ihrer unbekannten Erstanbieterzielgruppe für eine Reihe bekannter Erstanbieterzielgruppen berechnen.
Wenn Sie ein Predictive Audiences-Modell erstellen, wählen Sie zunächst die Grundlinieneigenschaften oder Segmente aus, nach denen Ihre Zielgruppe klassifiziert werden soll. Diese Eigenschaften oder Segmente definieren Ihre Rollen.
Während der Auswertungsphase erstellt das Modell ein neues Predictive Audiences-Segment für jede Eigenschaft oder jedes Segment, die bzw. das Sie als Grundlinie definiert haben. Wenn der Audience Manager das nächste Mal einen Besucher aus Ihrer Zielgruppe sieht, der nicht für eine Persona klassifiziert ist (die sich nicht für eine Ihrer Grundlinieneigenschaften oder -segmente qualifiziert hat), bestimmt das Predictive Audiences-Modell, zu welchem der Vorhersagesegmente der Besucher gehören soll, und fügt den Besucher diesem Segment hinzu.
Sie können die vom Modell erstellten prädiktiven Segmente auf der Seite Segments identifizieren. Jedes Predictive Audiences-Modell hat einen eigenen Ordner unter dem Ordner Predictive Audiences und Sie können die Segmente der einzelnen Modelle durch Klicken auf den Modellordner anzeigen.
Um Ihnen zu helfen, besser zu verstehen, wie und wann Sie Predictive Audiences verwenden können, finden Sie hier einige Anwendungsfälle, die Audience Manager mit dieser Funktion lösen können.
Als Marketer in einem E-Commerce-Unternehmen möchte ich alle meine Web- und mobilen Besucher in verschiedene Kategorien von Markenaffinitäten klassifizieren, damit ich ihr Benutzererlebnis personalisieren kann.
Als Marketer in einem Medienunternehmen möchte ich meine nicht authentifizierten Web- und Mobilbesucher nach Lieblingsgenres klassifizieren, damit ich ihnen personalisierte Inhalte über alle Kanäle hinweg vorschlagen kann.
Als Advertiser einer Fluggesellschaft möchte ich sicherstellen, dass ich meine Zielgruppe anhand ihres Interesses an Reisezielen klassifiziere, damit ich ihnen in Echtzeit und innerhalb eines kurzen Retargeting-Fensters Werbung machen kann.
Als Advertiser möchte ich meine Erstanbieter-Zielgruppe in Echtzeit klassifizieren, damit ich schnell auf Trendnachrichten reagieren kann.
Als Marketer möchte ich vorhersagen, in welcher Journey-Phase sich meine Website-Besucher befinden, z. B. Entdeckung, Interaktion, Kauf oder Bindung, damit ich sie entsprechend ansprechen kann.
Als Medienunternehmen möchte ich meine Zielgruppe kategorisieren, damit ich meine Werbefläche zu einem Premium-Preis verkaufen und gleichzeitig meinen Besuchern relevante Anzeigen anbieten kann.
Wenn Sie ein Predictive Audiences-Modell erstellen, gehen Sie durch drei Schritte:
Sie können beliebige Erstanbietereigenschaften oder -segmente auswählen, um Ihre Rollen zu definieren. Für optimale Ergebnisse finden Sie jedoch eine Reihe empfohlener Best Practices:
Wählen Sie je nach Anwendungsfall eine Zielgruppe (trait oder segment) mit einer signifikanten Echtzeit- und/oder Gesamtpopulation aus, unabhängig davon, ob Sie Benutzer in Echtzeit, im Batch-Modus oder beidem klassifizieren möchten. Ähnlich wie bei der Personenauswahl empfehlen wir, dass Ihre Zielgruppe trait oder segment Benutzer mit Rich-Profilen (umfangreiche Sets von traits) aufweist.
Analysieren Sie bei der Auswahl der Zielgruppe Ihren Anwendungsfall und entscheiden Sie, welche IDs klassifiziert werden sollen: device IDs oder cross-device IDs. Das Profile Merge Rule, das Sie beim Erstellen des Modells auswählen, definiert die Daten, die verwendet werden, um jeden Benutzer in das Prädiktiv segments zu platzieren.
Als Best Practice wird empfohlen, ein Profile Merge Rule auszuwählen, das dieselbe Konfiguration wie Ihre Zielgruppe Profile Merge Rule aufweist oder den Profiltyp (Geräteprofil oder authentifiziertes Profil) Ihrer Zielgruppe enthält.
Bevor der Algorithmus Ihre Erstanbieter-Audience in die richtigen Personas klassifizieren kann, muss er sich selbst auf Ihre Daten trainieren.
Für jede von Ihnen definierte Persona analysiert der Algorithmus die jeweilige Zielgruppe und wertet die Echtzeit- und/oder integrierten Eigenschaftsaktivitäten für die Benutzer in den letzten 30 Tagen aus.
Dieser Schritt erfolgt einmal alle 24 Stunden, um Änderungen in Ihrer Erstanbieter-Zielgruppe zu berücksichtigen.
Bei der Echtzeit- und Batch-Zielgruppen-Classification prüft das Modell zunächst, ob ein Benutzer zur Zielgruppe gehört. Wenn sich der Benutzer für die Zielgruppe qualifiziert und keiner der Personas angehört, weist das Modell ihm eine Qualifizierungsbewertung für die Persona zu.
Beim Auswerten von Erstanbieterzielgruppen und Zuweisen von Werten verwendet das Modell die in Ihrem Konto definierte Standardeinstellung Profile Merge Rule. Schließlich wird der Besucher in die Persona klassifiziert, für die er den höchsten Punktstand erzielt hat.
Lesen Sie diesen Abschnitt sorgfältig durch, bevor Sie zur Implementierungsphase übergehen.
Beachten Sie beim Konfigurieren Ihrer Predictive Audiences-Modelle die folgenden Überlegungen und Einschränkungen:
Von Predictive Audiences-Modellen erstellte prädiktive Segmente übernehmen die Datenexportkontrollen aus den folgenden Erstanbieter-Datenquellen:
Die neu erstellten Prognosen traits und segments weisen dieselben Datenschutzbeschränkungen auf wie die Vereinigung der oben beschriebenen Erstanbieter-Datenquellen.
Eigenschaften mit zusätzlichen Einschränkungen, die nicht Teil der Predictive Audiences-Segmentdatenschutzbeschränkungen sind, werden aus der Schulungsphase ausgeschlossen und werden nicht für das Modell relevant.
Allen prädiktiven Segmenten wird die Profile Merge Rule zugewiesen, die Sie beim Erstellen des Modells ausgewählt haben. Der von Ihnen ausgewählte Profile Merge Rule ist aus folgenden Gründen wichtig:
Wenn Sie ein Profile Merge Rule auswählen, das sowohl Gerätedaten als auch geräteübergreifende Daten verwendet, wird die Anzahl der traits maximiert, die für die Modellschulung und Benutzerklassifizierung in das Prädiktiv segments verwendet werden können.
Die Eigenschaften und Segmente, die Sie für Personas und Zielgruppen-Classifications auswählen, unterliegen dem Audience Manager Rollenbasierte Zugriffskontrollen.
Audience Manager können nur Eigenschaften oder Segmente für Personas und Zielgruppen auswählen, wenn sie über Berechtigung zum Anzeigen verfügen.