대상 랩 사용 사례 audience-lab-use-cases

모델 빌더나 외부 플랫폼을 통해 두 개의 모델을 만듭니다.

알고리즘 모델에서 알고리즘 트레이트를 만들거나 자체 모델을 온보딩된 트레이트로 가져옵니다.

두 모델의 사용자가 겹치지 않도록 함께 사용할 수 없는 세그먼트를 만듭니다.

• 모델 1 세그먼트 및 모델 2 세그먼트 ​를 만듭니다.
• 모델 1 세그먼트 ​에 대한 세그먼트 규칙이 모델 1 트레이트 AND NOT 모델 2 트레이트이거나 모델 2 세그먼트 ​의 세그먼트 규칙이 그 반대입니다.

두 개의 세그먼트 테스트 그룹을 Audience Lab에 만듭니다. 하나는 모델 1 세그먼트 ​를 기준으로 하고 다른 하나는 모델 2 세그먼트 ​를 기준으로 합니다.

• 동일한 대상, 크리에이티브, 전환 트레이트의 두 테스트 그룹에 대해 변수를 동일하게 유지합니다.
• 테스트 세그먼트에 유사한 사용자 수가 있는지 확인합니다(예: 160만 및 180만 이 괜찮음, 160만 및 1600만 은 그렇지 않음).
• 각 테스트 세그먼트 테스트 그룹에서 제어 세그먼트를 예약합니다. 이렇게 하면 각 세그먼트의 작은 부분을 제외하고 테스트에서 명시적으로 타겟팅하지 않을 수 있습니다.

결과를 검사합니다.

• 대상 랩 보고 보기에서는 각 모델이 유도하는 전환 수를 보여 줍니다. 전환 기반 캠페인의 경우, 가장 많은 전환을 유도하는 테스트 세그먼트는 가장 성과가 좋은 모델을 나타냅니다.
• 제어 세그먼트가 있으므로 모델이 "표준 타깃팅"에 대해 수행한 방법을 평가할 수도 있습니다. 단지 한 모델을 다른 모델에 대해 테스트하는 것뿐만 아니라 "이 모델이 일반적인 사례보다 더 잘했습니까?"라는 질문을 테스트하는 것입니다.