Predictive Audiences O ajuda a classificar um público-alvo desconhecido em personas distintas, em tempo real, usando técnicas avançadas de ciência de dados.
Este artigo contém a documentação do produto destinada a orientá-lo pela configuração e pelo uso desse recurso. Nada contido aqui é aconselhamento jurídico. Consulte seu próprio serviço jurídico para obter orientação jurídica.
Em um contexto de marketing, uma pessoa é um segmento de público-alvo definido por visitantes, usuários ou possíveis compradores, que compartilham um conjunto específico de características, como demografia, hábitos de navegação, histórico de compras etc.
Os modelos de Predictive Audiences levam esse conceito um passo além, permitindo que você use os recursos de aprendizado de máquina do Audience Manager para classificar públicos desconhecidos em personas distintas. O Audience Manager ajuda você a fazer isso calculando a propensão do seu público primário desconhecido para um conjunto de públicos originais conhecidos.
Ao criar uma Predictive Audiences , a primeira etapa é escolher as características ou os segmentos da linha de base pelos quais você deseja que o público-alvo seja classificado. Essas características ou segmentos definirão suas personalidades.
Durante a fase de avaliação, o modelo cria uma nova Predictive Audiences segmento para cada característica ou segmento definido como linha de base. Na próxima vez que o Audience Manager vir um visitante de seu público-alvo que não esteja classificado para uma persona (não se qualificou para nenhuma de suas características ou segmentos de linha de base), o Predictive Audiences Esse modelo determinará a qual dos segmentos preditivos o visitante deve pertencer e adicionará o visitante a esse segmento.
É possível identificar os segmentos preditivos criados pelo modelo, na Segments página. Each Predictive Audiences O modelo tem sua própria pasta no Predictive Audiences e você pode ver os segmentos de cada modelo clicando na pasta do modelo.
Para ajudá-lo a entender melhor como e quando você poderia usar o Predictive Audiences, estes são alguns casos de uso que os clientes do Audience Manager podem resolver usando esse recurso.
Como comerciante em uma empresa de comércio eletrônico, desejo classificar todos os meus visitantes da Web e móveis em várias categorias de afinidade de marca, para que eu possa personalizar a experiência do usuário.
Como profissional de marketing em uma empresa de mídia, quero classificar meus visitantes móveis e da Web não autenticados por gêneros favoritos, para que eu possa sugerir a eles conteúdo personalizado em todos os canais.
Como anunciante de uma companhia aérea, quero me certificar de classificar meu público com base em seu interesse em destinos de viagem, para que eu possa anunciar a eles em tempo real, dentro de uma pequena janela de redirecionamento.
Como anunciante, quero classificar meu público primário em tempo real, para que eu possa reagir rapidamente às notícias dos "trending topics".
Como profissional de marketing, quero prever em qual fase da jornada do cliente meus visitantes do site estão, como descoberta, envolvimento, compra ou retenção, para que eu possa direcioná-los de acordo.
Como empresa de mídia, quero categorizar meu público para que eu possa vender meu espaço publicitário a preços superiores, e oferecer aos meus visitantes anúncios relevantes.
Ao criar uma Predictive Audiences você deve seguir três etapas:
Você pode escolher qualquer uma de suas características ou segmentos primários para definir seus perfis. No entanto, para obter os melhores resultados, veja um conjunto de práticas recomendadas:
Dependendo do caso de uso, se você deseja classificar usuários em tempo real, em lote ou ambos, escolha um público-alvo (trait ou segment) que tem uma população significativa em tempo real e/ou total. Semelhante à seleção de persona, recomendamos que seu público-alvo trait ou segment tem usuários com perfis avançados (conjuntos avançados de traits).
Ao selecionar o público-alvo, analise seu caso de uso e decida quais tipos de IDs você deseja classificar: device IDs ou cross-device IDs. A variável Profile Merge Rule que você seleciona ao criar o modelo define os dados que serão usados para colocar cada usuário na variável preditiva segments.
Como prática recomendada, recomendamos escolher um Profile Merge Rule que tenha a mesma configuração que o público-alvo Profile Merge Ruleou um que inclua o tipo de perfil (perfil do dispositivo ou perfil autenticado) do público-alvo.
Antes que o algoritmo possa classificar o público-alvo primário nas personas certas, ele precisa treinar a si mesmo em seus dados.
Para cada persona definida, o algoritmo analisa seu respectivo público e avalia qualquer atividade em tempo real e/ou de características integradas para seus usuários nos últimos 30 dias.
Essa etapa ocorre uma vez a cada 24 horas, para levar em conta as alterações no público-alvo primário.
Para classificação de público-alvo em lote e em tempo real, o modelo verifica primeiro se um usuário pertence ao público-alvo. Se o usuário se qualificar para o público-alvo de direcionamento e não pertencer a nenhuma das personas, o modelo atribuirá a ele uma pontuação de qualificação de persona.
Ao avaliar públicos-alvo primários e atribuir pontuações, o modelo usa o padrão Profile Merge Rule definido na sua conta. Finalmente, o visitante é classificado na persona para a qual recebeu a pontuação mais alta.
Leia esta seção com atenção antes de passar para a fase de implementação.
Ao configurar suas Predictive Audiences tenha em mente as seguintes considerações e limitações:
Segmentos preditivos criados por Predictive Audiences os modelos herdam a variável Controles da exportação de dados das seguintes fontes de dados primárias:
A função preditiva recém-criada traits e segments terão as mesmas restrições de privacidade que a união das fontes de dados primárias descritas acima.
Características que têm restrições adicionais que não fazem parte da Predictive Audiences as restrições de privacidade do segmento serão excluídas da fase de treinamento e não se tornarão influentes para o modelo.
Todos os segmentos preditivos serão atribuídos ao Profile Merge Rule que você selecionou ao criar o modelo. A variável Profile Merge Rule que você escolher é importante pelos seguintes motivos:
Selecionar um Profile Merge Rule que utiliza dados de dispositivos e dados entre dispositivos maximiza o número de traits que poderiam ser utilizados para a formação de modelos e a classificação dos segments.
As características e os segmentos que você escolher para personas e classificação de público-alvo estão sujeitos à Audience Manager Controles de acesso com base em função.
Os usuários do Audience Manager só podem selecionar características ou segmentos para personas e públicos-alvo, que eles têm permissão para exibir.