Predictive Audiences Panoramica

Predictive Audiences consente di classificare un pubblico sconosciuto in persone distinte, in tempo reale, utilizzando tecniche avanzate di scienza dei dati.

IMPORTANTE

Questo articolo contiene la documentazione del prodotto destinata a guidarvi nella configurazione e nell'utilizzo di questa funzione. Nulla di ciò è contenuto nella consulenza legale. Consulta il tuo consulente legale per ottenere assistenza 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 create un modello Predictive Audiences, il primo passo consiste nella scelta delle caratteristiche o dei segmenti di base per i quali desiderate classificare il pubblico di destinazione. Queste caratteristiche o segmenti definiranno le tue personalità.

Durante la fase di valutazione, il modello crea un nuovo segmento Predictive Audiences per ogni caratteristica o segmento definito come linea di base. La volta successiva Audience Manager vede un visitatore dal pubblico di destinazione che non è classificato per un soggetto (non era idoneo per nessuna delle caratteristiche o dei segmenti di base), il modello Predictive Audiences determinerà a quale dei segmenti predittivi il visitatore deve appartenere e aggiungerà il visitatore a tale segmento.

È possibile identificare i segmenti predittivi creati dal modello, nella pagina Segments. Ogni modello Predictive Audiences ha una propria cartella all'interno della cartella Predictive Audiences ed è possibile visualizzare i segmenti di ciascun modello facendo clic sulla cartella del modello.

previsione-audience-segmenti

Casi d'uso

Per aiutarti a capire meglio come e quando potresti utilizzare Predictive Audiences, ecco alcuni casi d'uso che clienti del Audience Manager possono risolvere utilizzando questa funzione.

Caso di utilizzo n. 1

In qualità di esperto di marketing in un'azienda di e-commerce, voglio classificare tutti i visitatori Web e mobili in varie categorie di affinità del marchio, in modo da poter personalizzare la loro esperienza utente.

Caso di utilizzo n. 2

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

Caso di utilizzo n. 3

In qualità di inserzionista per una compagnia aerea, voglio essere certo 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 di utilizzo n. 4

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

Caso di utilizzo n. 5

Come esperto di marketing, voglio prevedere in quale fase del percorso del cliente si trovano i visitatori del mio sito web, come scoperta, coinvolgimento, acquisto o conservazione, in modo da poterli indirizzare di conseguenza.

Caso di utilizzo n. 6

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

Funzionamento dei modelli Predictive Audiences

Quando si crea un modello Predictive Audiences, si passano tre passaggi:

  1. Innanzitutto, selezionate almeno due caratteristiche o due segmenti che definiranno le vostre personalità.
  2. Quindi, scegli una caratteristica o un segmento che definisca il pubblico di destinazione da classificare.
  3. Infine, è possibile scegliere 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 le tue personalità. Tuttavia, per ottenere risultati ottimali, si consiglia di seguire una serie di procedure ottimali:

  • Scegli le caratteristiche personali o i segmenti in modo che ogni persona abbia almeno un centinaio di ID dispositivo.
  • Se le caratteristiche si basano su ID cross-device, puoi racchiudere i segmenti con Regole di unione profilo che utilizzano ID dispositivo, ad esempio Device Graph. In questo modo si garantirà che gli ID dispositivo possano essere sufficientemente <a0/>utili per l'apprendimento dell'algoritmo.
  • Consigliamo di scegliere caratteristiche o segmenti semplici per le vostre persone, composti da 1 a 3 caratteristiche.
  • Scegliete caratteristiche o segmenti della linea di base con sovrapposizione minima.
  • Accertatevi di acquisire caratteristiche granulari nelle proprietà digitali.

Criteri di selezione per l'audience di Target

A seconda del caso d'uso, se desiderate classificare gli utenti in tempo reale, in batch o in entrambi, scegliete un'audience target (trait o segment) con una popolazione significativa in tempo reale e/o totale. Come per la selezione di persone, si consiglia agli utenti trait o segment di destinazione di disporre di profili avanzati (set completi di traits).

Quando selezionate l'audience di destinazione, analizzate il caso di utilizzo e stabilite i tipi di ID da 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 procedura ottimale, si consiglia di scegliere una Profile Merge Rule con la stessa configurazione dell'audience di destinazione Profile Merge Rule, o una con il tipo di profilo (profilo dispositivo o profilo autenticato) dell'audience di destinazione.

Predictive Audiences Fase di formazione del modello

Prima che l'algoritmo possa classificare il pubblico di prime parti nelle persone giuste, deve formarsi sui dati.

Per ogni persona definita dall'utente, l'algoritmo analizza il relativo pubblico e valuta qualsiasi attività relativa alle caratteristiche in tempo reale e/o registrate per i relativi utenti negli ultimi 30 giorni.
Questo passaggio ha luogo una volta ogni 24 ore, per tenere conto dei cambiamenti nel pubblico di prime parti.

Predictive Audiences Fase classificazione modello

Per la classificazione dell'audience in tempo reale e in batch, il modello verifica innanzitutto se un utente appartiene al pubblico di destinazione. Se l'utente si qualifica per l'audience target e non appartiene ad alcuna persona, il modello assegna loro un punteggio di qualifica personale.

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

grafico predittivo-pubblico

Considerazioni e limitazioni

IMPORTANTE

Leggi attentamente questa sezione prima di passare alla fase di implementazione.

Durante la configurazione dei modelli Predictive Audiences, tieni presente quanto segue:

  • Puoi creare fino a 10 modelli Predictive Audiences.
  • Per ciascun modello, potete scegliere fino a 50 tratti/segmenti di base.
  • I dati di seconda e terza parte non sono attualmente supportati in Predictive Audiences.
  • Predictive Audiences esegue la classificazione dell'audience 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 consultare la documentazione dedicata.
  • Alcune caratteristiche e segmenti non sono supportati come linee di base o come audience di destinazione. Predictive Audiences i modelli non verranno salvati quando si sceglie uno dei seguenti tipi di base o di pubblico target:
    • Caratteristiche predittive e segmenti creati con caratteristiche predittive;
    • Piattaforme o segmenti di Adobe Experience;
    • caratteristiche algoritmiche;
    • Caratteristiche di seconda e terza parte.
  • 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 al momento della creazione del modello.
  2. Le origini dati di prime parti del pubblico di destinazione. Nello specifico, i controlli di esportazione dei dati di traits o segments che costituiscono il pubblico di destinazione.
  3. I Controlli sull'esportazione dei dati della Profile Merge Rule selezionata per il modello.

Le nuove versioni predittive traits e segments avranno le stesse restrizioni di privacy dell'unione delle origini dati di prime parti descritte in precedenza.

Le caratteristiche con restrizioni aggiuntive che non fanno parte delle restrizioni di privacy del segmento Predictive Audiences 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 al momento della creazione del modello. La Profile Merge Rule scelta 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 di classificare un utente in un predittivo segment.
  • Regola i tipi trait (livello dispositivo o livello cross-device) da utilizzare durante la fase di formazione del modello e che devono essere visualizzati come influenti traits. Predictive segments sono sottoinsiemi del pubblico di destinazione.
    • Se l'audience di destinazione è un segmento, si consiglia di selezionare per il modello lo stesso Profile Merge Rule assegnato al pubblico di destinazione, oppure un Profile Merge Rule che include il tipo di profilo del pubblico di destinazione.
    • Se l'audience di destinazione è un trait, si consiglia di selezionare un Profile Merge Rule in grado di accedere allo stesso tipo di dati della caratteristica dell'audience di destinazione (dati del profilo dispositivo o dati del profilo cross-device).
  • Profile Merge Rules l'utilizzo Current Authenticated Profiles e No Device Profile le opzioni sono supportate solo per la classificazione dell'audience in tempo reale. Per ulteriori informazioni, vedere Opzioni delle regole di unione dei profili definite.

Se si seleziona un elemento Profile Merge Rule che utilizza sia i dati dispositivo che i dati cross-device, viene massimizzato il numero di traits che possono essere utilizzati per la formazione sul modello e la classificazione utente nel predictive segments.

Role-Based Access Controls

Le caratteristiche e i segmenti scelti per le persone e la classificazione dell'audience sono soggetti Audience Manager Controlli di accesso basati sul ruolo.

utenti di Audienci Manager possono selezionare solo caratteristiche o segmenti per le persone e i tipi di pubblico target, che dispongono dell'autorizzazione per visualizzare.

In questa pagina