Recomendaciones de rasgos

Obtenga recomendaciones de características activas a medida que crea sus segmentos, a partir de sus propias características de origen, y Audience Marketplace fuentes de datos.

Demostración en vídeo

Comience por ver la Trait Recommendations A continuación, siga leyendo para obtener más información. La demostración de vídeo le muestra cómo trabajar con recomendaciones de sus propias características de origen, así como con recomendaciones de características de Audience Marketplace fuentes de datos que ya está suscrito a.

El siguiente vídeo describe el flujo de trabajo de Marketplace Recommendations, mostrándole cómo añadir características a los segmentos, en función de las recomendaciones de fuentes de datos en Audience Marketplace. Estas recomendaciones se basan en fuentes de datos que no está suscrito a.

Información general

Trait Recommendations, con tecnología Adobe Sensei, incorpora la ciencia de datos en los flujos de trabajo diarios del Audience Manager.
Con Trait Recommendations, cuando genere o edite un segmento en Generador de segmentosAdemás, obtiene recomendaciones sobre características adicionales que puede incluir, que son similares a las características de la regla de segmento.

El Audience Manager le muestra recomendaciones de rasgos tanto de sus rasgos de origen, como de Recommendations y de Audience Marketplace, en el Recommendations from Marketplace sección.

Añada las características recomendadas al segmento para aumentar la audiencia objetivo.

En pocas palabras:

• El Audience Manager muestra rasgos de origen en Recommendations sección. Las recomendaciones de Marketplace de fuentes públicas y privadas a las que no está suscrito son visibles en Recommendations from Marketplace sección. Pulse el nombre de la fuente para ir a Audience Marketplace y suscribirse.
• El Audience Manager muestra un máximo de cincuenta rasgos similares al de la regla del segmento.
• Puede filtrar las fuentes de datos de las que no desea ver ninguna recomendación.
• Al calcular las similitudes, el Audience Manager considera lo siguiente UUID que cumplen los requisitos para el rasgo durante los últimos 30 días.
• Si ve el mensaje de error "No se han encontrado rasgos similares. Rasgos puede ser demasiado nuevo". Esto significa que, o bien no ha habido actividad para ese rasgo en los últimos 30 días o el Audience Manager aún no ha actualizado las recomendaciones para ese rasgo. Inténtelo de nuevo en 24 horas.

Casos de uso

Con Trait Recommendations, puede mejorar los flujos de trabajo en función de cómo utilice Audience Manager:

• Como experto en marketing, puede encontrar rápidamente audiencias interesadas en productos complementarios con la ayuda de características similares, para que pueda aumentar su alcance.
• Si usa Audience Manager como editor, con Trait RecommendationsAdemás, puede comprender el comportamiento de la audiencia y generar mejores segmentos para las ventas de publicidad o la adquisición de usuarios.
• Como un Audience Marketplace comprador de datos, quiero descubrir datos de terceros relevantes sin navegar a través de un gran número de fuentes.
• Como un Audience Marketplace proveedor de datos, quiero recomendar datos relevantes a los compradores para que pueda beneficiarse de suscripciones óptimas y relevantes.

Diferencias entre modelos algorítmicos y Recommendations de rasgos

Modelos algorítmicos

Algorithmic Models no solo encuentra los rasgos más influyentes, sino que también puntúa a los usuarios según esos rasgos y asigna a cada usuario una puntuación individual. Seguidamente, puede crear rasgos algorítmicos para segmentar los usuarios. Con controles de precisión y alcance en la Trait Builder, puede especificar a qué usuarios quiere dirigirse de entre todos los que tienen los rasgos influyentes.

Algorithmic Models permite seleccionar usuarios en diferentes niveles de precisión y realizar pruebas en Audience Lab qué grupo de usuarios se convierte mejor. Consulte el caso de uso detallado en Comparar modelos en Audience Lab.

Entrada Algorithmic Models, el modelo se ejecuta cada 8 días y actualiza los usuarios clasificados para rasgos algorítmicos.

Recomendaciones de rasgos

Trait Recommendations es una forma rápida de obtener perspectivas sobre otros rasgos similares a los que utiliza en un segmento.

Debe utilizar Trait Recommendations cuando:

• Necesita perspectivas rápidas cuando crea un segmento.
• Utiliza los segmentos para campañas cortas o cuando quiere suprimir rápidamente la audiencia que convierte.
• Está intentando maximizar el alcance.

Flujo de trabajo

Al crear o editar un segmento en Generador de segmentos, puede explorar características similares a las de la regla del segmento. El Generador de segmentos el flujo de trabajo es muy similar para los segmentos nuevos y existentes:

Nuevos segmentos

1. Ir a Datos de audiencia > Segmentos y haga clic en Añadir nuevo.

2. En el Características , añada al menos una característica a la regla de segmento.

3. Puede ver las características recomendadas de origen y Audience Marketplace recomendaciones de características de fuentes a las que está suscrito, en la Recommendations sección. El Recommendations from Marketplace Esta sección muestra las recomendaciones de características de fuentes a las que no está suscrito. Todas estas recomendaciones son similares a los rasgos agregados a la regla de segmento. Desplácese hacia abajo para ver todos los rasgos recomendados.

4. (Opcional) Para excluir los rasgos de origen recomendados de ciertas fuentes de datos, haga clic en X símbolo para las fuentes de datos que desea excluir.

   NOTA

   Las fuentes de datos excluidas se muestran justo encima de la lista de características recomendadas. Clic X en el cuadro gris para eliminar las exclusiones y volver a ver los resultados de las fuentes de datos correspondientes.

   1. Para añadir características recomendadas a la regla de segmento, haga clic en **+** símbolo.

Segmentos existentes

1. Ir a Audience Data>Segments, seleccione el segmento que desee editar y haga clic en .

2. Desplácese hacia abajo hasta el Traits cuadro desplegable.

3. Puede ver características recomendadas, que son similares a las características que ya se encuentran en la regla de segmento. Desplácese hacia abajo para ver todos los rasgos recomendados.

4. (Opcional) Para excluir los rasgos recomendados de ciertas fuentes de datos, haga clic en X símbolo para las fuentes de datos que desea excluir.

   NOTA

   Las fuentes de datos excluidas se muestran justo encima de la lista de características recomendadas. Clic X en el cuadro gris para eliminar las exclusiones y volver a ver los resultados de las fuentes de datos correspondientes.

   1. Para añadir características recomendadas a la regla de segmento, haga clic en **+** símbolo.

Cuando crea o edita un segmento y agrega una característica a la regla del segmento, ve un máximo de cincuenta características recomendadas, similares a la que ha agregado. Si la regla del segmento contiene más de un rasgo, Audience Manager utiliza un método de round robin para mostrar la mejor coincidencia para cada rasgo, la segunda mejor coincidencia para cada rasgo y así sucesivamente, para los cincuenta rasgos más grandes por población, en la regla del segmento.

Por ejemplo, cuando hay tres rasgos en la regla del segmento, como se muestra a continuación, los rasgos recomendados son:

1. Mejor coincidencia para el rasgo 3 (el rasgo con la población más grande);
2. Mejor coincidencia para el rasgo 1;
3. Mejor coincidencia para el rasgo 2;
4. Segunda mejor coincidencia para el rasgo 3;
5. La segunda mejor coincidencia para el rasgo 1, y así sucesivamente hasta que llegue a cincuenta rasgos.

Para obtener recomendaciones para un rasgo específico, puede hacer clic en los rasgos en la regla del segmento (1) o en la vista de rasgos recomendados (2).

Al hacer clic en una característica de origen, se abre una ventana emergente, como se muestra en la siguiente imagen. Si los rasgos recomendados no forman parte del segmento, puede añadirlos al segmento pulsando +.

Cómo funciona

Para generar recomendaciones de rasgos, el Audience Manager calcula el Similitud de Jaccard entre el rasgo objetivo y todos los demás rasgos a los que su cuenta tiene acceso, incluidos los datos de terceros. A continuación, el Audience Manager muestra hasta cincuenta rasgos que tienen la similitud más alta.

Puntuación de similitud de rasgos

Audience Manager calcula el Trait Similarity Score entre dos rasgos calculando la intersección y la unión en términos del número de UUIDs y luego divide los dos. Para dos rasgos A y B, el cálculo tiene este aspecto:

Véanse también los dos ejemplos siguientes.

Ejemplo 1: Puntuación de similitud de rasgo baja

Dados dos rasgos A y B, supongamos que cada uno de los rasgos tiene una población de 1 000 000 UUIDs, 25.000 UUIDde los cuales cumplen los requisitos para ambos rasgos.
Utilizando la fórmula anterior, esto resultará en: 25 000 / 1 975 000 = 0,012. Esto es bajo Trait Similarity ScoreSin embargo, los dos rasgos son muy diferentes.

Ejemplo 2: Puntuación de similitud de rasgos

Si los mismos rasgos A y B tenían 400.000 UUIDPara que cumplan los requisitos de ambos rasgos, la variable Trait Similarity Score es mucho más alto: 400 000 / 1 600 000 = 0,25

Interpretación de la puntuación de similitud de rasgos

Utilice la siguiente tabla como guía aproximada para comprobar la similitud de rasgos. Esta guía se basa en las puntuaciones de similitud observadas en la mayoría de los rasgos.

Control de acceso basado en roles (RBAC)

Para empresas que utilizan Role-Based Access Controls (RBAC), debe tener permiso para crear y editar segmentos para ver las características recomendadas. Las recomendaciones de rasgos que ve solo son las de las fuentes de datos a las que tiene acceso a través de RBAC.

Más información sobre RBAC controles aquí.

Limitaciones

• Actualmente, Audience Manager no muestra las características de carpeta como características recomendadas. Más información sobre las características de carpeta aquí.
• Al mostrar la característica Recommendations, el Audience Manager no tiene en cuenta lo siguiente Boolean operadores (AND, OR, NOT) en las reglas de segmentos.

Recursos de Business.Adobe.com

Audio Analytics Customer Profiles Lookalike Modeling Ad Hoc Analysis Audience Insights Marketing Analytics