Predictive Audiences hilft Ihnen, eine unbekannte Audience in Echtzeit mithilfe fortschrittlicher Datenwissenstechniken in verschiedene Personen zu klassifizieren.
Dieser Artikel enthält eine Produktdokumentation, die Sie durch die Einrichtung und Nutzung dieser Funktion führen soll. Nichts in diesem Dokument ist eine Rechtsberatung. Bitte konsultieren Sie Ihren eigenen Rechtsbeistand für Rechtsberatung.
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 die Audience Ihrer Zielgruppe klassifiziert werden soll. Diese Eigenschaften oder Segmente definieren Ihre Personas.
Während der Bewertungsphase erstellt das Modell ein neues Predictive Audiences-Segment für jede Eigenschaft oder jedes Segment, die bzw. das Sie als Ausgangswert definiert haben. Wenn Audience Manager das nächste Mal einen Besucher aus Ihrer Zielgruppe-Audience sehen, der nicht für eine Persona klassifiziert ist (die sich nicht für eine Ihrer Basiseigenschaften oder -segmente qualifiziert hat), bestimmt das Predictive Audiences-Modell, zu welchem der Vorhersagesegmente der Besucher gehören soll, und fügt den Besucher zu 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 jedes Modells sehen, indem Sie auf den Modellordner klicken.
Damit Sie besser verstehen können, wie und wann Sie Predictive Audiences verwenden können, gibt es einige Anwendungsfälle, die Audience Manager mit dieser Funktion lösen können.
Als Vermarkter in einer E-Commerce-Firma möchte ich alle meine Web- und mobilen Besucher in verschiedene Kategorien zur Affinität von Marken klassifizieren, damit ich ihre Benutzererfahrung personalisieren kann.
Als Marketingexperte in einer Media-Firma möchte ich meine nicht authentifizierten Web- und mobilen Besucher nach Lieblingsgenres klassifizieren, damit ich ihnen personalisierte Inhalte über alle Kanal hinweg vorschlagen kann.
Als Anbieter für eine Airline-Firma möchte ich sicherstellen, dass ich meine Audience aufgrund ihres Interesses an Reisezielen klassifiziere, damit ich sie in Echtzeit und innerhalb eines kurzen Retargeting-Fensters bewerben kann.
Als Anbieter möchte ich meine Erstanbieter-Audience in Echtzeit klassifizieren, damit ich schnell auf Trendnachrichten reagieren kann.
Als Marketingspezialist möchte ich vorhersagen, in welcher Journey-Phase meine Website-Besucher sich befinden, wie z. B. Entdeckung, Interaktion, Kauf oder Bindung, damit ich sie entsprechend Zielgruppen vornehmen kann.
Als Medien-Firma möchte ich meine Audience kategorisieren, damit ich meine Werbeflächen zu Premium-Preisen verkaufen kann, während ich meinen Besucher relevante Anzeigen anbieten kann.
Wenn Sie ein Predictive Audiences-Modell erstellen, führen Sie drei Schritte durch:
Sie können beliebige Eigenschaften oder Segmente Ihrer Erstanbieter auswählen, um Ihre Personas zu definieren. Für optimale Ergebnisse finden Sie jedoch eine Reihe empfohlener Best Practices:
Je nach Anwendungsfall können Sie eine Audience (trait oder segment) auswählen, die eine signifikante Echtzeit- und/oder Gesamtpopulation aufweist, unabhängig davon, ob Sie Benutzer in Echtzeit, im Stapel oder beides klassifizieren möchten. Ähnlich wie bei der Personenauswahl empfehlen wir, dass Ihre Zielgruppe-Audience trait oder segment Benutzer mit Rich-Profilen (Rich-Sätze von traits) hat.
Wenn Sie die Audience "Zielgruppe"auswählen, analysieren Sie 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 einzufügen.
Als Best Practice empfehlen wir, ein Profile Merge Rule auszuwählen, das dieselbe Konfiguration wie Ihre Zielgruppe Audience Profile Merge Rule hat oder das den Profil-Typ (Profil des Geräts oder authentifiziertes Profil) Ihrer Zielgruppe-Audience enthält.
Bevor der Algorithmus Ihre Erstanbieter-Audience in die richtige Person klassifizieren kann, muss er sich auf Ihre Daten stützen.
Für jede von Ihnen definierte Person analysiert der Algorithmus die jeweilige Audience und bewertet jede beliebige Echtzeit- und/oder Onboard-Eigenschaften-Aktivität für seine Benutzer in den letzten 30 Tagen.
Dieser Schritt findet einmal alle 24 Stunden statt, um Änderungen in Ihrer Erstanbieter-Audience zu berücksichtigen.
Bei der Audience in Echtzeit und im Stapel prüft das Modell zunächst, ob ein Benutzer zur Audience der Zielgruppe gehört. Wenn sich der Benutzer für die Audience der Zielgruppe qualifiziert und keiner der Personen angehört, weist das Modell ihnen einen persönlichen Qualifikationswert zu.
Bei der Auswertung von Erstanbieter-Audiencen und der Zuweisung von Ergebnissen verwendet das Modell die in Ihrem Konto definierte Standardeinstellung Profile Merge Rule. Schließlich wird der Besucher in die Persona eingeteilt, für die er den höchsten Wert erhielt.
Lesen Sie diesen Abschnitt sorgfältig durch, bevor Sie zur Implementierungsphase übergehen.
Beachten Sie beim Konfigurieren Ihrer Predictive Audiences-Modelle die folgenden Überlegungen und Einschränkungen:
Prognostische Segmente, die von Predictive Audiences-Modellen erstellt wurden, erben die Datenexportsteuerelemente aus den folgenden Erstanbieter-Datenquellen:
Die neu erstellten Prognosen traits und segments weisen dieselben Datenschutzeinschränkungen auf wie die oben beschriebene Vereinigung der Erstanbieter-Datenquellen.
Eigenschaften mit zusätzlichen Einschränkungen, die nicht Teil der Predictive Audiences-Segmentdatenschutzbeschränkungen sind, werden aus der Schulungsphase ausgeschlossen und werden für das Modell nicht relevant.
Allen prädiktiven Segmenten wird das Profile Merge Rule zugewiesen, das Sie beim Erstellen des Modells ausgewählt haben. Das Profile Merge Rule, das Sie auswählen, 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 Modellschulungen und Benutzerklassifizierungen in das Vorhersagekriterium segments verwendet werden könnten.
Die Eigenschaften und Segmente, die Sie für die Klassifizierung "Personas"und "Audience"auswählen, unterliegen dem Audience Manager Rollenbasierte Zugriffskontrollen.
Audience Manager können nur Eigenschaften oder Segmente für Personas- und Zielgruppen-Audiencen auswählen, die Berechtigungen für Ansicht besitzen.