Predictive Audiences 概述

Predictive Audiences 可協助您使用進階的資料科學技術,將未知的受眾即時分類為不重複角色。

重要

本文包含的產品檔案旨在引導您完成此功能的設定與使用。 這裡沒有任何法律建議。 請諮詢您自己的法律顧問,以取得法律指引。

在行銷環境中,角色是一種受眾區段,由擁有一組共同特定特徵 (例如人口統計、瀏覽習慣、購物記錄等) 的訪客、使用者或潛在購買者所定義。

Predictive Audiences 模型可讓您使用 Audience Manager 的機器學習功能,將未知的受眾分類為不重複角色,進一步運用此概念。Audience Manager 可協助您針對一組已知的第一方受眾,計算未知第一方受眾的傾向,進而實現此目標。

建立Predictive Audiences模型時,第一步是選取您要依目標對象分類的基線特徵或區段。 這些特徵或區段將定義您的角色。

在評估階段,模型會針對您定義為基線的每個特徵或區段建立新的Predictive Audiences區段。 下次Audience Manager看見來自您目標對象且未分類為角色(不符合任何基準特徵或區段的資格)的訪客時,Predictive Audiences模型將決定訪客應屬於哪些預測區段,並將訪客新增至該區段。

您可以在Segments頁面中識別模型建立的預測區段。 每個Predictive Audiences模型在Predictive Audiences資料夾下都有其自己的資料夾,按一下模型資料夾即可查看每個模型的段。

predictive-audiences-segments

使用個案

為協助您更清楚了解使用Predictive Audiences的方式和時機,以下是Audience Manager客戶可透過使用此功能解決的一些使用案例。

使用案例#1

身為電子商務公司的行銷人員,我想將所有的網頁和行動訪客分類為各種品牌相關性類別,以便個人化其使用者體驗。

使用案例#2

身為媒體公司的行銷人員,我想依最喜愛的類型來分類未驗證的網頁和行動訪客,以便針對所有管道的個人化內容提出建議。

使用案例#3

身為航空公司的廣告商,我想確定我會根據對旅遊目的地的興趣來分類我的對象,以便在短時間的重新定位視窗內,即時向他們發佈廣告。

使用案例#4

身為廣告商,我想要即時分類第一方受眾,以便對趨勢新聞快速做出反應。

使用案例#5

身為行銷人員,我想預測我的網站訪客處於哪個客戶歷程階段,例如探索、參與、購買或保留,以便我可以據以鎖定他們。

使用案例#6

身為媒體公司,我想對我的受眾進行分類,以便以優惠價格銷售廣告空間,同時提供與訪客相關的廣告。

Predictive Audiences模型如何運作

建立Predictive Audiences模型時,需執行三個步驟:

  1. 首先,您至少選取兩個特徵或兩個區段來定義您的角色。
  2. 接著,您會選取一個特徵或區段來定義您要分類的目標對象。
  3. 最後,為模型選擇名稱、將儲存預測段的資料源,以及為模型選擇Profile Merge Rule。

角色選擇標準

您可以選擇任何第一方特徵或區段來定義您的角色。 不過,為獲得最佳結果,以下是一組建議的最佳實務:

  • 選擇您的角色特徵或區段,讓每個角色至少擁有幾百個裝置ID
  • 如果您的特徵是以跨裝置ID為基礎,您可以使用使用 裝置ID的「設定檔合併規則」將其包裝在區段中,例如Device Graph。 這可確保有足夠的裝置ID供演算法學習。
  • 建議您為角色選擇特徵或簡單區段,由1到3個特徵組成。
  • 選擇重疊最小的基線特徵或區段。
  • 請務必在數位屬性中擷取精細特徵。

目標對象的選擇標準

根據您的使用案例,無論您要以即時、批次或兩者來分類使用者,選擇具有大量即時和/或總母體的目標對象(trait或segment)。 與角色選取類似,我們建議您的目標對象trait或segment有具有豐富設定檔(traits的豐富集)的使用者。

選取目標對象時,分析您的使用案例並決定要分類的ID類型:device IDs或cross-device IDs。 建立模型時您選取的Profile Merge Rule會定義將用來將每個使用者放入預測segments的資料。

建議您選擇與目標對象Profile Merge Rule配置相同的Profile Merge Rule,或包含目標對象的設定檔類型(裝置設定檔或已驗證的設定檔)的。

Predictive Audiences 模型訓練階段

演算法必須先訓練資料本身,才能將第一方對象分類為正確的角色。

演算法會針對您定義的每個角色,分析其個別對象,並評估過去30天內使用者的任何即時和/或已上線特徵活動。
此步驟每24小時進行一次,以說明第一方對象中的變更。

Predictive Audiences 模型分類階段

對於即時和批次對象分類,模型會先檢查使用者是否屬於目標對象。 如果使用者符合目標對象的資格,且不屬於任何角色,模型會為他們指派角色資格分數。

評估第一方對象並指派分數時,模型會使用帳戶中定義的預設​Profile Merge Rule。 最後,訪客被分類為其獲得最高分數的角色。

predictive-audiences-graph

考量事項和限制

重要

繼續進行實作階段之前,請仔細閱讀本節。

設定Predictive Audiences模型時,請記住下列考量事項和限制:

  • 您最多可建立 10 個 Predictive Audiences 模型。
  • 對於每個模型,您最多可選擇50個基本特徵/區段。
  • Predictive Audiences中目前不支援第二方和第三方資料。
  • Predictive Audiences 從所有第一方資料來源,根據您的第一方特徵執行對象分類。
  • Predictive Audiences的區段評估使用建立模型期間您選擇的​Profile Merge Rule。 若要深入了解Profile Merge Rules,請參閱專屬的檔案
  • 有些特徵和區段不支援做為基線或目標對象。 Predictive Audiences 選擇下列其中一個項目作為基線或目標對象時,模型將無法儲存:
    • 使用預測特徵建立的預測特徵和區段;
    • Adobe Experience Platform 特徵或區段;
    • 演算法特徵;
    • 第二方和第三方特徵。
  • Predictive Audience segments 無法在中使 Audience Lab用。

Data Export Controls

由Predictive Audiences模型建立的預測性區段會繼承下列第一方資料來源的資料匯出控制項:

  1. 建立模型時您選擇的第一方資料來源。
  2. 目標對象的第一方資料來源。 具體來說,是構成您目標對象的traits或segments資料匯出控制項。
  3. 為模型選擇的Profile Merge Rule的資料導出控制項

新建立的預測性traits和segments將與上述第一方資料來源的聯合具有相同的隱私權限制。

具有不屬於Predictive Audiences區段隱私權限制之其他限制的特徵,將會從訓練階段中排除,且不會對模型產生影響。

Profile Merge Rules

建立模型時,所有預測區段都會獲派您選取的Profile Merge Rule。 您選擇的Profile Merge Rule非常重要,原因如下:

  • 它定義當模型分析具影響力的traits時,在將使用者分類為預測segment時,應考慮哪些裝置和/或已驗證的設定檔。
  • 它控制在模型訓練步驟期間應使用哪些trait類型(裝置層級或跨裝置層級),並呈現為具影響力的traits。 預測性segments是目標對象的子集。
    • 如果目標對象是區段,建議您為模型選取與指派給目標對象的相同Profile Merge Rule,或Profile Merge Rule,其中包含目標對象的設定檔類型。
    • 如果目標對象為trait,建議您選取Profile Merge Rule,以存取與目標對象特徵(裝置設定檔資料或跨裝置設定檔資料)相同類型的資料。
  • Profile Merge Rules 只支 Current Authenticated Profiles 援 No Device Profile 使用和選項進行即時對象分類。如需詳細資訊,請參閱定義的設定檔合併規則選項

選取同時使用裝置資料和跨裝置資料的Profile Merge Rule,可將可用於模型訓練和使用者分類的traits數量最大化,並放入預測segments中。

Role-Based Access Controls

您為角色和對象分類選擇的特徵和區段受Audience Manager角色型存取控制所限。

Audience Manager使用者只能為角色和目標對象選取特徵或區段,且他們有檢視的權限。

本頁內容