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 uso deste recurso. Nada neste documento é de aconselhamento jurídico. Consulte o seu advogado 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 um modelo Predictive Audiences, a primeira etapa é escolher as características ou segmentos da linha de base pelos quais deseja que o público-alvo seja classificado. Essas características ou segmentos definirão suas personas.
Durante a fase de avaliação, o modelo cria um novo segmento Predictive Audiences para cada característica ou segmento que você definiu como linha de base. Na próxima vez que o Audience Manager visualizar um visitante do público-alvo que não está classificado para uma persona (não se qualificou para nenhuma de suas características ou segmentos de linha de base), o modelo Predictive Audiences determinará a qual dos segmentos preditivos o visitante deve pertencer e adicionará o visitante a esse segmento.
Você pode identificar os segmentos preditivos criados pelo modelo, na página Segments . Cada modelo Predictive Audiences tem sua própria pasta na pasta Predictive Audiences e você pode ver os segmentos de cada modelo clicando na pasta de modelo.
Para ajudá-lo a entender melhor como e quando você poderia usar Predictive Audiences, aqui estão alguns casos de uso que os clientes do Audience Manager podem resolver usando esse recurso.
Como profissional de marketing em uma empresa de comércio eletrônico, desejo classificar todos os visitantes da Web e de dispositivos móveis em várias categorias de afinidade de marca, para que possa personalizar a experiência do usuário.
Como profissional de marketing em uma empresa de mídia, desejo classificar meus visitantes móveis e da Web não autenticados por gêneros favoritos, para que possa sugerir a eles conteúdo personalizado em todos os canais.
Como anunciante de uma companhia aérea, quero certificar-me de classificar meu público com base em seu interesse em destinos de viagens, 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 tendências das notícias.
Como comerciante, eu desejo prever em qual fase de jornada do cliente meus visitantes de site estão, como descoberta, envolvimento, compra ou retenção, para que eu possa direcioná-los adequadamente.
Como empresa de mídia, eu quero categorizar meu público-alvo, para que eu possa vender meu espaço publicitário por preços premium, oferecendo aos meus visitantes anúncios relevantes.
Ao criar um modelo Predictive Audiences, você passa por três etapas:
Você pode escolher qualquer uma das características ou segmentos primários para definir suas personas. No entanto, para obter os melhores resultados, veja um conjunto de práticas recomendadas:
Dependendo do caso de uso, se você deseja classificar os usuários em tempo real, em lote ou ambos, escolha um público-alvo (trait ou segment) que tenha uma população significativa em tempo real e/ou total. Semelhante à seleção de persona, recomendamos que seu público-alvo trait ou segment tenha 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. O Profile Merge Rule selecionado ao criar o modelo define os dados que serão usados para colocar cada usuário no segments preditivo.
Como prática recomendada, recomendamos escolher um Profile Merge Rule que tenha a mesma configuração que seu público-alvo Profile Merge Rule, ou que inclua o tipo de perfil (perfil do dispositivo ou perfil autenticado) do seu público-alvo.
Antes que o algoritmo possa classificar seu público primário nas personas certas, ele precisa treinar seus dados.
Para cada persona definida, o algoritmo analisa seu respectivo público-alvo e avalia qualquer atividade de característica integrada e/ou em tempo real 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 próprio.
Para a classificação de público-alvo em tempo real e em lote, o modelo verifica primeiro se um usuário pertence ao público-alvo. Se o usuário se qualificar para o público-alvo e não pertencer a nenhuma das personas, o modelo atribui a ele uma pontuação de qualificação de persona.
Ao avaliar públicos primários e atribuir pontuações, o modelo usa o Profile Merge Rule padrão definido em sua conta. Finalmente, o visitante é classificado na persona para a qual recebeu a pontuação mais alta.
Leia atentamente esta seção antes de passar para a fase de implementação.
Ao configurar seus modelos Predictive Audiences, lembre-se das seguintes considerações e limitações:
Segmentos preditivos criados por modelos Predictive Audiences herdam os Controles da exportação de dados das seguintes fontes de dados primários:
As traits e segments preditivas recém-criadas terão as mesmas restrições de privacidade que a união das fontes de dados primárias descritas acima.
As características que têm restrições adicionais que não fazem parte das restrições de privacidade do segmento Predictive Audiences serão excluídas da fase de treinamento e não se tornarão influentes para o modelo.
Todos os segmentos preditivos receberão o Profile Merge Rule selecionado ao criar o modelo. O Profile Merge Rule que você escolher é importante pelos seguintes motivos:
Selecionar um Profile Merge Rule que usa dados de dispositivo e dados entre dispositivos maximiza o número de traits que pode ser usado para treinamento de modelo e classificação de usuário no segments preditivo.
As características e os segmentos que você escolhe para personas e classificação de público-alvo estão sujeitos aos Controles de acesso com base em função do Audience Manager .
Os usuários do Audience Manager só podem selecionar características ou segmentos para personas e públicos-alvo, que têm permissão para visualizar.