Predictive Audiences ti aiuta a classificare un pubblico sconosciuto in utenti tipo distinti, in tempo reale, utilizzando tecniche avanzate di scienza dei dati.
Questo articolo contiene la documentazione del prodotto destinata a guidarti nella configurazione e nell’utilizzo di questa funzione. Nulla in essa contenuto è costituito da una consulenza legale. Consulta il tuo consulente legale per una guida legale.
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.
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.
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.
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.
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.
Come inserzionista, voglio classificare il mio pubblico di prime parti in tempo reale, in modo da poter reagire rapidamente alle notizie più diffuse.
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.
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.
Quando crei un modello Predictive Audiences, esegui tre passaggi:
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:
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.
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.
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.
Leggi attentamente questa sezione prima di passare alla fase di implementazione.
Durante la configurazione dei modelli Predictive Audiences, tieni presente le considerazioni e le limitazioni seguenti:
I segmenti predittivi creati dai modelli Predictive Audiences ereditano i Controlli sull'esportazione dei dati dalle seguenti origini dati di prime parti:
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.
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:
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.
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.