Predictive Audiences Panoramica

Predictive Audiences ti aiuta a 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 crei un modello Predictive Audiences, il primo passaggio consiste nel scegliere le caratteristiche o i segmenti della linea di base per i quali vuoi che il pubblico di destinazione sia classificato. Queste caratteristiche o segmenti definiranno i tuoi utenti tipo.

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

Puoi identificare i segmenti predittivi creati dal modello, nella pagina Segments . Ogni modello Predictive Audiences ha una propria cartella sotto la cartella Predictive Audiences e puoi visualizzare i segmenti di ciascun modello facendo clic sulla cartella del modello.

Casi d'uso

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

Caso d'uso n. 1

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 al marchio, in modo da poter personalizzare la loro esperienza utente.

Caso d'uso n. 2

In qualità di addetto al marketing in un'azienda di media, voglio classificare i miei visitatori web e mobili non autenticati in base ai generi preferiti, in modo da poter suggerire loro contenuti personalizzati su tutti i canali.

Caso d'uso n. 3

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 poter pubblicizzarlo in tempo reale, entro una breve finestra di retargeting.

Caso d'uso n. 4

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

Caso d'uso n. 5

In qualità di addetto al marketing, voglio prevedere in quale fase del percorso del cliente si trovano i visitatori del mio sito web, come scoperta, impegno, acquisto o fidelizzazione, in modo da poterli indirizzare di conseguenza.

Caso d'uso n. 6

Come azienda di media, voglio classificare il mio pubblico in modo da poter vendere il mio spazio pubblicitario a prezzi premium, offrendo al contempo ai miei visitatori annunci pertinenti.

Come funzionano i modelli Predictive Audiences

Quando crei un modello Predictive Audiences, esegui tre passaggi:

1. Innanzitutto, scegli almeno 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 le persone

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

• Scegli le caratteristiche o i segmenti dell’utente tipo in modo che ogni utente tipo abbia almeno poche centinaia di ID dispositivo.
• Se le caratteristiche sono basate su ID multi-dispositivo, puoi racchiuderle in segmenti con Regole di unione profili che utilizzano ID dispositivo, ad esempio Device Graph. Questo assicurerà che ci siano abbastanza ID dispositivo da cui l'algoritmo può imparare.
• Consigliamo di scegliere caratteristiche o segmenti semplici per i tuoi utenti tipo, costituiti da 1 a 3 caratteristiche.
• Scegli caratteristiche o segmenti della linea di base con sovrapposizione minima.
• Assicurati di acquisire caratteristiche granulari nelle proprietà digitali.

Criteri di selezione per il pubblico di Target

A seconda del caso d’uso, che desideri classificare gli utenti in tempo reale, in batch o entrambi, scegli un pubblico target (trait o segment) con una popolazione significativa in tempo reale e/o totale. Simile alla selezione dell’utente tipo, consigliamo al pubblico di destinazione trait o segment di avere utenti con profili avanzati (set avanzati di traits).

Quando selezioni il pubblico di destinazione, analizza il tuo caso d’uso e stabilisci quali tipi di ID desideri classificare: device IDs o cross-device IDs. La Profile Merge Rule selezionata al momento della creazione del modello definisce i dati che verranno utilizzati per inserire ogni utente nel predittivo segments.

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

Predictive Audiences Fase di formazione del modello

Prima di poter classificare il pubblico di prime parti nelle persone giuste, l’algoritmo deve addestrarsi sui dati.

Per ogni tipo di utente definito, l’algoritmo analizza il proprio pubblico rispettivo e valuta qualsiasi attività sulle caratteristiche in tempo reale e/o onboarded per i suoi utenti negli ultimi 30 giorni.
Questo passaggio si svolge una volta ogni 24 ore, per tenere conto dei cambiamenti nel pubblico di prime parti.

Predictive Audiences Fase di classificazione del modello

Per la classificazione del pubblico in tempo reale e in batch, il modello controlla innanzitutto se un utente appartiene al pubblico di destinazione. Se l’utente è idoneo per il pubblico di destinazione e non appartiene ad alcun utente tipo, il modello assegna loro un punteggio di qualificazione personale.

Durante la valutazione dei tipi di pubblico di prime parti e l’assegnazione di punteggi, il modello utilizza il Profile Merge Rule predefinito definito nel tuo account. Infine, il visitatore viene classificato nell’utente tipo per il quale ha ricevuto il punteggio più alto.

Considerazioni e limitazioni

Durante la configurazione dei modelli Predictive Audiences, tieni presente le considerazioni e le limitazioni seguenti:

• 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.
• La valutazione del segmento per Predictive Audiences utilizza la Profile Merge Rule scelta durante la creazione del modello. Per ulteriori informazioni su Profile Merge Rules, consulta la documentazione dedicata.
• Alcune caratteristiche e segmenti non sono supportati come linee di base o come 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;
  • caratteristiche o segmenti di Adobe Experience Platform;
  • caratteristiche algoritmiche;
  • Caratteristiche di seconde e terze parti.
• Predictive Audience segments non può essere utilizzato in Audience Lab.

Data Export Controls

I segmenti predittivi creati dai modelli Predictive Audiences ereditano i Controlli sull'esportazione dei dati dalle seguenti origini dati di prime parti:

1. L'origine dati di prime parti scelta durante la creazione del modello.
2. Le origini dati di prime parti del pubblico di destinazione. Nello specifico, i controlli per l’esportazione dei dati di traits o segments che costituiscono il pubblico di destinazione.
3. I Controlli sull'esportazione dei dati del Profile Merge Rule selezionato per il modello.

I nuovi predittivi traits e segments avranno le stesse restrizioni di privacy dell'unione delle origini dati di prime parti descritte in precedenza.

Le caratteristiche che hanno restrizioni aggiuntive che non fanno parte delle restrizioni di privacy dei segmenti Predictive Audiences verranno 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 al momento della creazione del modello. Il Profile Merge Rule scelto è importante per i motivi seguenti:

• Definisce i dispositivi e/o i profili autenticati di cui tenere conto quando il modello analizza l’ influente traits al momento della classificazione di un utente in un predittivo segment.
• Regola quali tipi trait (a livello di dispositivo o a livello di dispositivo) devono essere utilizzati durante la fase di formazione del modello e visualizzati come influenti traits. Predictive segments sono sottoinsiemi del pubblico di destinazione.
  • Se il pubblico di destinazione è un segmento, ti consigliamo di selezionare lo stesso Profile Merge Rule per il modello assegnato al pubblico di destinazione o un Profile Merge Rule che include il tipo di profilo del pubblico di destinazione.
  • Se il pubblico target è un trait, ti consigliamo di selezionare un Profile Merge Rule che può accedere allo stesso tipo di dati della caratteristica del pubblico target (sia i dati del profilo dispositivo che i dati di profilo multi-dispositivo).
• Profile Merge Rules l’utilizzo delle Current Authenticated Profiles No Device Profile opzioni e sono supportate solo per la classificazione del pubblico in tempo reale. Per ulteriori informazioni, consulta Opzioni delle regole di unione profili definite.

Selezionando un elemento Profile Merge Rule che utilizza sia i dati dei dispositivi che quelli tra dispositivi, si massimizza il numero di traits che possono essere utilizzati per la formazione sui modelli e la classificazione degli utenti nel predittivo segments.

Role-Based Access Controls

Le caratteristiche e i segmenti scelti per le persone e la classificazione del pubblico sono soggetti ad Audience Manager Role-Based Access Controls.

Gli utenti di Audience Manager possono selezionare solo caratteristiche o segmenti per gli utenti tipo e target, che dispongono dell' autorizzazione per visualizzare.

Risorse Business.Adobe.com