Predictive Audiences Visão geral

Predictive Audiences O ajuda a classificar um público-alvo desconhecido em personas distintas, em tempo real, usando técnicas avançadas de ciência de dados.

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.

Casos de uso

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.

Caso de uso #1

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.

Caso de uso #2

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.

Caso de uso #3

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.

Caso de uso #4

Como anunciante, quero classificar meu público primário em tempo real, para que eu possa reagir rapidamente às notícias dos "trending topics".

Caso de uso #5

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.

Caso de uso #6

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.

Como Predictive Audiences Trabalho de Modelos

Ao criar uma Predictive Audiences você deve seguir três etapas:

1. Primeiro, você seleciona no mínimo duas características ou dois segmentos que definirão suas personas.
2. Em seguida, escolha uma característica ou um segmento que defina o público-alvo que deseja classificar.
3. Por fim, escolha um nome para o modelo, uma fonte de dados que armazenará os segmentos preditivos e um Profile Merge Rule para o modelo.

Critérios de seleção de personas

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:

• Escolha suas características ou segmentos de persona para que cada persona tenha pelo menos algumas centenas IDs de dispositivo.
• Se suas características se baseiam em IDs entre dispositivos, você pode envolvê-los em segmentos com Regras de mesclagem de perfis que usam IDs de dispositivo, como Device Graph. Isso garantirá que haja suficiente IDs de dispositivo com o qual o algoritmo pode aprender.
• Recomendamos escolher características ou segmentos simples para suas personas, consistindo em 1 a 3 características.
• Escolha características ou segmentos da linha de base com sobreposição mínima.
• Certifique-se de capturar características granulares em suas propriedades digitais.

Critérios de seleção para o público-alvo do Target

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.

Predictive Audiences Fase de treinamento do modelo

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.

Predictive Audiences Fase de classificação do modelo

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.

Considerações e limitações

Ao configurar suas Predictive Audiences tenha em mente as seguintes considerações e limitações:

• Você pode criar até 10 modelos de Predictive Audiences.
• Para cada modelo, você pode escolher até 50 características/segmentos base.
• No momento, dados secundários e de terceiros não são compatíveis com o Predictive Audiences.
• Predictive Audiences O realiza a classificação de público-alvo com base em suas características próprias, de todas as suas fontes de dados primárias.
• Avaliação de segmento para Predictive Audiences usa o Profile Merge Rule que você escolhe durante a criação do modelo. Para saber mais sobre Profile Merge Rules consulte a página dedicada documentação.
• Algumas características e segmentos não são compatíveis como linhas de base ou públicos-alvo de direcionamento. Predictive Audiences Os modelos de não serão salvos ao escolher um dos seguintes como linhas de base ou públicos-alvo do target:
  • Características preditivas e segmentos criados com características preditivas;
  • Adobe Experience Platform características ou segmentos;
  • Características algorítmicas;
  • Características secundárias e de terceiros.
• Predictive Audience segments não pode ser usado em Audience Lab.

Data Export Controls

Segmentos preditivos criados por Predictive Audiences os modelos herdam a variável Controles da exportação de dados das seguintes fontes de dados primárias:

1. A fonte de dados primária escolhida ao criar o modelo.
2. As fontes de dados primárias do público-alvo. Especificamente, os controles de exportação de dados do traits ou segments que compõem seu público-alvo.
3. A variável Controles da exportação de dados do Profile Merge Rule que você selecionou para o modelo.

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.

Profile Merge Rules

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:

• Define quais dispositivos e/ou perfis autenticados devem ser considerados quando o modelo analisa os perfis influentes traits, no momento da classificação de um usuário em um perfil preditivo segment.
• Determina quais trait tipos (nível de dispositivo ou nível entre dispositivos) devem ser usados durante a etapa de treinamento do modelo e exibidos como influentes traits. Preditiva segments são subconjuntos do público-alvo.
  • Se o público-alvo for um segmento, recomendamos selecionar o mesmo Profile Merge Rule para o modelo como o atribuído ao público-alvo ou um Profile Merge Rule que inclui o tipo de perfil do público-alvo.
  • Se o público-alvo for um trait, recomendamos que você selecione um Profile Merge Rule que podem acessar o mesmo tipo de dados que a característica do público-alvo (dados de perfil do dispositivo ou dados de perfil entre dispositivos).
• Profile Merge Rules usando o Current Authenticated Profiles e No Device Profile as opções só são compatíveis com a classificação de público-alvo em tempo real. Para obter mais informações, consulte Definição das Opções de Regras de Mesclagem de Perfis.

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.

Role-Based Access Controls

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.

Recursos do Business.Adobe.com