Predictive Audiences Panoramica

Predictive Audiences ti consente di classificare un pubblico sconosciuto in utenti tipo distinti, in tempo reale, utilizzando tecniche avanzate di scienza dei dati.

In un contesto di marketing, un utente tipo è un segmento di pubblico definito da visitatori, utenti o potenziali acquirenti che condividono un set specifico di caratteristiche come dati demografici, abitudini di navigazione, cronologia acquisti, ecc…

I modelli di Predictive Audiences portano questo concetto a un livello successivo, consentendoti di utilizzare le funzionalità di machine learning di Audience Manager per classificare pubblici sconosciuti in utenti tipo distinti. Audience Manager ti consente di ottenere questo risultato calcolando la propensione del pubblico sconosciuto di prime parti per un set di pubblici noti di prime parti.

Quando si crea un Predictive Audiences modello, il primo passaggio consiste nella scelta delle caratteristiche o dei segmenti della linea di base in base ai quali classificare il pubblico di destinazione. Queste caratteristiche o segmenti definiranno i tuoi utenti tipo.

Durante la fase di valutazione, il modello crea un nuovo Predictive Audiences segmento per ogni caratteristica o segmento definito come linea di base. Quando un Audience Manager vede un visitatore del pubblico di destinazione che non è classificato per un utente tipo (non è qualificato per nessuna delle caratteristiche o dei segmenti della linea di base), l' Predictive Audiences Il modello determinerà a quali segmenti predittivi deve appartenere il visitatore e lo aggiungerà a quel segmento.

È possibile identificare i segmenti predittivi creati dal modello, nel Segments pagina. Ogni Predictive Audiences il modello ha una propria cartella in Predictive Audiences e visualizzare i segmenti di ciascun modello facendo clic sulla cartella del modello.

Casi d'uso

Per aiutarti a capire meglio come e quando potresti utilizzare Predictive Audiences, di seguito sono riportati alcuni casi d’uso che i clienti di Audience Manager possono risolvere utilizzando questa funzione.

#1 del caso d’uso

In qualità di addetto al marketing in un’azienda di e-commerce, voglio classificare tutti i miei visitatori web e mobili in varie categorie di affinità per il brand, in modo da poter personalizzare la loro esperienza utente.

#2 del caso d’uso

Come addetto al marketing in una società di media, voglio classificare i visitatori web e mobili non autenticati per generi preferiti, in modo da poter suggerire loro contenuti personalizzati su tutti i canali.

#3 del caso d’uso

In qualità di inserzionista di una compagnia aerea, voglio essere sicuro di classificare il mio pubblico in base al loro interesse per le destinazioni di viaggio, in modo da potergli fare pubblicità in tempo reale, entro una breve finestra di retargeting.

#4 del caso d’uso

Come inserzionista, voglio classificare il mio pubblico di prime parti in tempo reale, in modo da poter reagire rapidamente alle notizie di tendenza.

#5 del caso d’uso

In qualità di esperto di marketing, voglio prevedere in quale fase di percorso del cliente si trovano i visitatori del mio sito web, ad esempio scoperta, coinvolgimento, acquisto o fidelizzazione, in modo da poterli indirizzare di conseguenza.

#6 del caso d’uso

Come media company, voglio categorizzare il mio pubblico, in modo da poter vendere il mio spazio pubblicitario a prezzi premium, offrendo al contempo ai miei visitatori annunci rilevanti.

Come Predictive Audiences Modelli funzionanti

Quando si crea un Predictive Audiences del modello, segui questi tre passaggi:

1. Innanzitutto, seleziona un minimo di due caratteristiche o due segmenti che definiranno i tuoi utenti tipo.
2. Quindi scegli una caratteristica o un segmento che definisce il pubblico target da classificare.
3. Infine, scegli un nome per il modello, un’origine dati che memorizzerà i segmenti predittivi e un Profile Merge Rule per il modello.

Criteri di selezione per utenti tipo

Puoi scegliere una qualsiasi delle caratteristiche o dei segmenti di prime parti per definire i tuoi utenti tipo. Tuttavia, per risultati ottimali, ecco una serie di best practice consigliate:

• Scegli le caratteristiche o i segmenti del tuo utente tipo in modo che ogni utente tipo abbia almeno qualche centinaio ID dispositivo.
• Se le caratteristiche sono basate su ID multi-dispositivo, è possibile racchiuderli in segmenti con Regole di unione profili che usano ID dispositivo, ad esempio Device Graph. In questo modo ci saranno sufficienti ID dispositivo che l’algoritmo può imparare da.
• Consigliamo di scegliere caratteristiche o segmenti semplici per i tuoi utenti tipo, costituiti da 1 a 3 caratteristiche.
• Scegli le caratteristiche o i segmenti della linea di base con sovrapposizione minima.
• Assicurati di acquisire caratteristiche granulari nelle proprietà digitali.

Criteri di selezione del pubblico di destinazione

A seconda del caso d’uso, se desideri classificare gli utenti in tempo reale, in batch o in entrambi, scegli un pubblico di destinazione (trait o segment) che ha una popolazione totale e/o in tempo reale significativa. Simile alla selezione persona, ti consigliamo di rivolgerti al tuo pubblico di destinazione trait o segment ha utenti con profili avanzati (set completi di traits).

Quando selezioni il pubblico di destinazione, analizza il tuo caso d’uso e decidi quali tipi di ID desideri classificare: device IDs o cross-device IDs. Il Profile Merge Rule che selezioni durante la creazione del modello definisce i dati che verranno utilizzati per posizionare ogni utente nel predittivo segments.

Come best practice, si consiglia di scegliere un Profile Merge Rule con la stessa configurazione del pubblico di destinazione Profile Merge Rule, o uno che include il tipo di profilo (profilo dispositivo o profilo autenticato) del pubblico di destinazione.

Predictive Audiences Fase di formazione del modello

Prima che l’algoritmo possa classificare il pubblico di prime parti negli utenti tipo giusti, deve addestrarsi sui tuoi dati.

Per ogni utente tipo definito, l’algoritmo analizza il rispettivo pubblico e valuta qualsiasi attività di caratteristiche in tempo reale e/o onboarded per i propri utenti negli ultimi 30 giorni.
Questo passaggio ha luogo una volta ogni 24 ore, per tenere conto delle modifiche nel pubblico di prime parti.

Predictive Audiences Fase di classificazione del modello

Per la classificazione in tempo reale e in batch del pubblico, il modello controlla innanzitutto se un utente appartiene al pubblico di destinazione. Se l’utente è idoneo per il pubblico target e non appartiene a nessuno degli utenti tipo, il modello assegna loro un punteggio di qualifica dell’utente tipo.

Durante la valutazione dei tipi di pubblico di prime parti e l’assegnazione dei punteggi, il modello utilizza l’impostazione predefinita Profile Merge Rule definiti nel tuo account. Infine, il visitatore viene classificato nella persona per la quale ha ricevuto il punteggio più alto.

Considerazioni e limitazioni

Durante la configurazione di Predictive Audiences modelli, tieni presenti le seguenti considerazioni e limitazioni:

• Puoi creare fino a 10 modelli Predictive Audiences.
• Per ogni modello, puoi scegliere fino a 50 caratteristiche/segmenti di base.
• I dati di seconde e terze parti non sono attualmente supportati in Predictive Audiences.
• Predictive Audiences esegue la classificazione del pubblico in base alle caratteristiche di prime parti, da tutte le origini dati di prime parti.
• Valutazione del segmento per Predictive Audiences utilizza Profile Merge Rule scelta durante la creazione del modello. Per ulteriori informazioni su Profile Merge Rules vedere l'apposito documentazione.
• Alcune caratteristiche e segmenti non sono supportati come linee di base o tipi di pubblico target. Predictive Audiences i modelli non verranno salvati quando si sceglie uno dei seguenti tipi di pubblico come linee di base o target:
  • Caratteristiche predittive e segmenti creati con caratteristiche predittive;
  • Adobe Experience Platform caratteristiche o segmenti;
  • Caratteristiche algoritmiche;
  • Caratteristiche di seconda e terza parte.
• Predictive Audience segments non può essere utilizzato in Audience Lab.

Data Export Controls

Segmenti predittivi creati da Predictive Audiences I modelli ereditano Controlli sull’esportazione dei dati dalle seguenti origini dati di prime parti:

1. L’origine dati di prime parti scelta per la creazione del modello.
2. Le origini dati di prime parti del pubblico di destinazione. In particolare, i controlli sull’esportazione dei dati traits o segments che costituiscono il tuo pubblico di destinazione.
3. Il Controlli sull’esportazione dei dati del Profile Merge Rule selezionato per il modello.

La predittiva appena creata traits e segments avrà le stesse restrizioni alla privacy dell’unione delle origini dati di prime parti descritta in precedenza.

Caratteristiche con restrizioni aggiuntive che non fanno parte del Predictive Audiences le restrizioni sulla privacy dei segmenti saranno escluse dalla fase di formazione e non diventeranno influenti per il modello.

Profile Merge Rules

A tutti i segmenti predittivi verrà assegnato il Profile Merge Rule selezionato durante la creazione del modello. Il Profile Merge Rule che si sceglie è importante per i seguenti motivi:

• Definisce quali dispositivi e/o profili autenticati devono essere presi in considerazione quando il modello analizza l’influente traits, al momento della classificazione di un utente in un predittivo segment.
• Essa disciplina quali trait i tipi (livello del dispositivo o tra dispositivi) devono essere utilizzati durante la fase di apprendimento del modello e visualizzati come influenti traits. Predittivo segments sono sottoinsiemi del pubblico di destinazione.
  • Se il pubblico di destinazione è un segmento, è consigliabile selezionare lo stesso Profile Merge Rule per il modello come quello assegnato al pubblico di destinazione, oppure Profile Merge Rule che include il tipo di profilo del pubblico di destinazione.
  • Se il pubblico di destinazione è un trait, si consiglia di selezionare un Profile Merge Rule che possono accedere allo stesso tipo di dati della caratteristica del pubblico di destinazione (dati del profilo del dispositivo o dati del profilo multi-dispositivo).
• Profile Merge Rules utilizzando Current Authenticated Profiles e No Device Profile sono supportate solo per la classificazione del pubblico in tempo reale. Per ulteriori informazioni, consulta Definizione delle opzioni delle regole di unione profili.

Selezione di un Profile Merge Rule che utilizza sia dati dispositivo che dati multi-dispositivo massimizza il numero di traits che potrebbero essere utilizzati per l’apprendimento dei modelli e la classificazione degli utenti nel file predittivo segments.

Role-Based Access Controls

Le caratteristiche e i segmenti scelti per gli utenti tipo e la classificazione del pubblico sono soggetti ad Audienci Manager Controlli dell’accesso basati sul ruolo.

Gli utenti Audienci Manager possono selezionare solo caratteristiche o segmenti per utenti tipo e tipi di pubblico target, di cui dispongono autorizzazione di visualizzazione.