Predictive Audiences Überblick

Predictive Audiences hilft Ihnen, eine unbekannte Audience in Echtzeit mithilfe fortschrittlicher Datenwissenstechniken in verschiedene Personen zu klassifizieren.

WICHTIG

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.

prognotive-Audiencen-segmente

Nutzungsszenarios

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.

Verwendungsfall Nr. 1

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.

Verwendungsfall Nr. 2

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.

Verwendungsfall 3

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.

Verwendungsfall Nr. 4

Als Anbieter möchte ich meine Erstanbieter-Audience in Echtzeit klassifizieren, damit ich schnell auf Trendnachrichten reagieren kann.

Verwendungsfall Nr. 5

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.

Verwendungsfall Nr. 6

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.

Funktionsweise von Predictive Audiences-Modellen

Wenn Sie ein Predictive Audiences-Modell erstellen, führen Sie drei Schritte durch:

  1. Zuerst wählen Sie mindestens zwei Eigenschaften oder zwei Segmente aus, die Ihre Person definieren.
  2. Wählen Sie dann eine Eigenschaft oder ein Segment aus, das bzw. das die Audience der Zielgruppe definiert, die Sie klassifizieren möchten.
  3. Schließlich wählen Sie einen Namen für das Modell, eine Datenquelle, in der die prädiktiven Segmente gespeichert werden, und eine Profile Merge Rule für das Modell.

Auswahlkriterien für Personas

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:

  • Wählen Sie Ihre persönlichen Eigenschaften oder Segmente aus, damit jede Person mindestens hundert Geräte-IDs hat.
  • Wenn Ihre Eigenschaften auf geräteübergreifenden IDs basieren, können Sie sie in Segmente mit Profil-Zusammenführungsregeln einschließen, die Geräte-IDs verwenden, z. B. Device Graph. Dadurch wird sichergestellt, dass genügend Geräte-IDs vorhanden sind, von denen der Algorithmus lernen kann.
  • Es wird empfohlen, Eigenschaften oder einfache Segmente für Ihre Personas auszuwählen, die aus 1 bis 3 Eigenschaften bestehen.
  • Wählen Sie Grundlinieneigenschaften oder Segmente mit minimaler Überschneidung.
  • Achten Sie darauf, dass Sie granulare Eigenschaften in allen digitalen Eigenschaften erfassen.

Auswahlkriterien für die Audience der Zielgruppe

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.

Predictive Audiences Modellschulungsphase

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.

Predictive Audiences Modellklassifizierungsphase

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.

prognotive-Audiencen-graph

Überlegungen und Einschränkungen

WICHTIG

Lesen Sie diesen Abschnitt sorgfältig durch, bevor Sie zur Implementierungsphase übergehen.

Beachten Sie beim Konfigurieren Ihrer Predictive Audiences-Modelle die folgenden Überlegungen und Einschränkungen:

  • Sie können bis zu 10 Predictive Audiences-Modelle erstellen.
  • Für jedes Modell können Sie bis zu 50 Basiseigenschaften/Segmente auswählen.
  • Zweit- und Drittanbieterdaten werden derzeit in Predictive Audiences nicht unterstützt.
  • Predictive Audiences führt eine Audience-Classification anhand Ihrer Erstanbieter-Eigenschaften aus allen Erstanbieter-Datenquellen durch.
  • Die Segmentbewertung für Predictive Audiences verwendet das Profile Merge Rule, das Sie bei der Modellerstellung auswählen. Weitere Informationen zu Profile Merge Rules finden Sie in der dedizierten Dokumentation.
  • Einige Eigenschaften und Segmente werden nicht als Basis- oder Zielgruppe-Audiencen unterstützt. Predictive Audiences die Modelle können nicht gespeichert werden, wenn eine der folgenden Audiencen als Basislinien oder Zielgruppe ausgewählt wird:
    • Prognostische Eigenschaften und Segmente, die mit Prognoseeigenschaften erstellt wurden;
    • Adobe Experience Plattformen oder Segmente;
    • Algorithmische Eigenschaften;
    • Eigenschaften von Zweitanbietern und Drittanbietern.
  • Predictive Audience segments kann nicht angewendet werden Audience Lab.

Data Export Controls

Prognostische Segmente, die von Predictive Audiences-Modellen erstellt wurden, erben die Datenexportsteuerelemente aus den folgenden Erstanbieter-Datenquellen:

  1. Die Erstanbieter-Datenquelle, die Sie beim Erstellen des Modells auswählen.
  2. Die Erstanbieter-Datenquellen Ihrer Zielgruppe-Audience. Insbesondere die Datenexportsteuerelemente von traits oder segments, aus denen die Audience Ihrer Zielgruppe besteht.
  3. Die Datenexportsteuerelemente der Profile Merge Rule, die Sie für das Modell ausgewählt haben.

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.

Profile Merge Rules

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:

  • Es definiert, welche Geräte und/oder authentifizierten Profil bei der Analyse des einflussreichen traits-Modells zum Zeitpunkt der Klassifizierung eines Benutzers in ein vorhersagbares segment berücksichtigt werden sollten.
  • Es bestimmt, welche trait-Typen (Geräteebene oder geräteübergreifend) während des Modellschulungsschritts verwendet und als einflussreich traits angezeigt werden sollen. Predictive segments sind Untergruppen Ihrer Zielgruppe Audience.
    • Wenn es sich bei der Audience der Zielgruppe um ein Segment handelt, empfehlen wir, für das Modell dasselbe Profile Merge Rule auszuwählen wie für das Modell, das der Audience Ihrer Zielgruppe zugewiesen ist, oder ein Profile Merge Rule auszuwählen, das den Profil-Typ Ihrer Zielgruppe-Audience enthält.
    • Wenn es sich bei der Audience der Zielgruppe um eine trait handelt, sollten Sie ein Profile Merge Rule auswählen, das auf denselben Datentyp zugreifen kann wie die Eigenschaft der Zielgruppe-Audience (Profil- oder geräteübergreifende Profil-Daten).
  • Profile Merge Rules Die Verwendung der Current Authenticated Profiles und- No Device Profile Optionen wird nur für die Echtzeitklassifizierung der Audience unterstützt. Weitere Informationen finden Sie unter Optionen für Profil-Zusammenführungsregeln definiert.

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.

Role-Based Access Controls

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.

Auf dieser Seite

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now