Predictive Audiences 概述

Predictive Audiences 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同的角色。

重要

本文包含旨在引導您完成此功能設定與使用的產品檔案。 本協定中沒有任何法律建議。 請洽詢您自己的法律顧問以取得法律指導。

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。

當您建立Predictive Audiences模型時,第一步是選擇您希望目標對象分類的基準特徵或區段。 這些特徵或群體將定義您的角色。

在評估階段,模型會針對您定義為基準的每個特徵或區段建立新的Predictive Audiences區段。 下次Audience Manager從目標對象看到未分類為人物的訪客(不符合任何基準特徵或區段的資格)時,Predictive Audiences模型將決定訪客應屬於哪個預測區段,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性區段。 每個Predictive Audiences模型在Predictive Audiences資料夾下都有其自己的資料夾,按一下模型資料夾可查看每個模型的段。

predictive-audiences-segments

使用個案

為協助您更清楚瞭解如何使用Predictive Audiences,以下是Audience Manager客戶可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,我想將所有的網路和行動訪客分類為不同的品牌相似性類別,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,我想依照最愛的類型,將未驗證的網路和行動訪客分類,以便我建議他們透過所有通道提供個人化內容。

使用案例#3

身為航空公司的廣告商,我想確定我會根據受眾對旅遊目的地的興趣來分類受眾,以便在短暫的重新定位視窗中即時向受眾發佈廣告。

使用案例#4

身為廣告商,我想即時將第一方受眾分類,以便對趨勢新聞做出快速反應。

使用案例#5

身為行銷人員,我想預測我的網站訪客所處的客戶歷程階段,例如發現、參與、購買或保留,以便我能夠據以鎖定他們。

使用案例#6

身為媒體公司,我想將受眾分類,以便以優惠價格銷售廣告空間,同時為訪客提供相關廣告。

Predictive Audiences模型如何運作

建立Predictive Audiences模型時,需要執行三個步驟:

  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. 然後,您選擇一個特徵或群體,以定義您要分類的目標對象。
  3. 最後,您為模型選擇名稱、儲存預測性區段的資料來源,以及模型的Profile Merge Rule。

角色選擇標準

您可以選擇任何第一方特徵或群體來定義您的角色。 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群體,使每個角色至少擁有幾百個設備ID
  • 如果您的特徵是以跨裝置ID為基礎,則可以使用裝置ID描述檔合併規則將其包住區段,例如Device Graph。 這可確保有足夠的裝置ID(a1/>)可供演算法學習。
  • 我們建議您為個人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。
  • 請確定您正在擷取數位屬性中的細微特徵。

目標對象的選擇標準

視您的使用案例而定,不論您是要即時、批次或兩者皆要分類使用者,請選擇具有大量即時和/或總人口的目標對象(trait或segment)。 與人物角色選擇類似,我們建議您的目標對象trait或segment有擁有豐富設定檔的使用者(traits的豐富集)。

選取目標對象時,請分析您的使用案例,並決定您要分類的ID類型:device IDs或cross-device IDs。 在建立模型時選擇的Profile Merge Rule定義了將每個用戶放置到預測性segments中的資料。

建議您選擇與目標對象Profile Merge Rule具有相同設定的Profile Merge Rule,或選擇包含目標對象的描述檔類型(裝置描述檔或已驗證的描述檔)的<a0/>。

Predictive Audiences 模型培訓階段

在演算法將您的第一方受眾分類為適當角色之前,它必須先針對您的資料進行自我訓練。

對於您定義的每個角色,演算法會分析其個別對象,並評估其使用者在過去30天內的任何即時和/或已登入特徵活動。
此步驟每24小時進行一次,以說明您第一方受眾的變更。

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,模型會為其指派個人資格分數。

在評估第一方對象及指派分數時,模型會使用您帳戶中定義的預設​Profile Merge Rule。 最後,訪客被分類為獲得最高分的人物。

預測對象圖

注意事項和限制

重要

請仔細閱讀本節內容,然後再轉至實施階段。

配置Predictive Audiences型號時,請記住以下注意事項和限制:

  • 您最多可建立 10 個 Predictive Audiences 模型。
  • 對於每個模型,您最多可以選擇50個基本特徵/區段。
  • Predictive Audiences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的區段評估使用在建立模型期間選擇的​Profile Merge Rule。 若要進一步瞭解Profile Merge Rules,請參閱專屬的說明檔案
  • 部分特徵和區段不支援做為基準或目標對象。 Predictive Audiences 當選擇下列其中一項作為基準或目標對象時,模型將無法保存:
    • 預測性特徵和使用預測性特徵建立的群體;
    • Adobe Experience Platform特徵或細分;
    • 算法特徵;
    • 第二方和第三方特徵。
  • Predictive Audience segments 無法用於 Audience Lab。

Data Export Controls

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

  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,是構成目標對象的traits或segments的資料匯出控制項。
  3. 為模型選擇的Profile Merge Rule資料導出控制

新建立的預測性traits和segments將具有與上述第一方資料來源的合併相同的隱私權限制。

具有不屬於Predictive Audiences區段隱私權限制之其他限制的特性將會排除在培訓階段之外,不會對模型產生影響。

Profile Merge Rules

所有預測性區段都會指派您在建立模型時選取的Profile Merge Rule。 您選擇的Profile Merge Rule很重要,原因如下:

  • 它定義當模型分析影響traits時,在將用戶分類為預測segment時,應考慮哪些設備和/或已驗證的配置檔案。
  • 它規範在模型培訓步驟中應使用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segments是目標對象的子集。
    • 如果目標對象是群體,建議您為模型選取與指派給目標對象的模型相同的Profile Merge Rule,或是包含目標對象的描述檔類型的Profile Merge Rule。
    • 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(裝置描述檔資料或跨裝置描述檔資料)相同的資料類型。
  • Profile Merge Rules 使用 Current Authenticated Profiles 和 No Device Profile 選項僅支援即時對象分類。有關詳細資訊,請參閱配置檔案合併規則選項定義

選擇同時使用裝置資料和跨裝置資料的Profile Merge Rule,可將用於模型訓練和使用者分類的traits數量最多化為預測性segments。

Role-Based Access Controls

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

Audience Manager使用者只能為角色和目標對象選取其擁有檢視權限的特徵或區段。

本頁內容

Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free