Recomendaciones de rasgos

Obtenga recomendaciones de características activas a medida que genera sus segmentos, a partir de sus propios rasgos de origen y fuentes de datos Audience Marketplace.

Demostración en vídeo

Empiece viendo el vídeo Trait Recommendations que aparece a continuación y continúe leyendo para obtener más información. La demostración de vídeo le muestra cómo trabajar con recomendaciones de sus propios rasgos de origen, así como con recomendaciones de rasgos de fuentes de datos Audience Marketplace a las que ya está suscrito.

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

Información general

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

El Audience Manager muestra las recomendaciones de características tanto desde sus características de origen, en la sección Recommendations como desde Audience Marketplace, en la sección Recommendations from Marketplace.

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

En pocas palabras:

• El Audience Manager muestra los rasgos de origen en la sección Recommendations. Las recomendaciones de Marketplace de fuentes públicas y privadas a las que no está suscrito se pueden ver en la sección Recommendations from Marketplace . Haga clic en el nombre de la fuente para ir a Audience Marketplace y suscribirse.
• El Audience Manager muestra un máximo de cincuenta características similares a la de la regla de segmento.
• Puede filtrar las fuentes de datos de las que no desee ver ninguna recomendación.
• Al calcular similitudes, el Audience Manager considera UUIDs que cumplen los requisitos para el rasgo durante los últimos 30 días.
• Si ve el mensaje de error "No se encontraron características similares. Los rasgos pueden ser demasiado nuevos.", esto significa que o bien no hubo actividad para ese rasgo en los últimos 30 días, o bien 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, según cómo utilice el Audience Manager:

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

Diferencias entre Trait Recommendations y Modelos algorítmicos

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 los controles de precisión y alcance en Trait Builder, puede especificar a qué usuarios de todos los que tienen los rasgos influyentes desea dirigirse.

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

En 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 de segmento. El flujo de trabajo del Generador de segmentos es muy similar para los segmentos nuevos y existentes:

Nuevos segmentos

1. Vaya a Audience Data > Segments y haga clic en Add New.

2. En el cuadro desplegable Características, agregue al menos un rasgo a la regla de segmento.

3. Puede ver las características recomendadas de origen y las recomendaciones de características Audience Marketplace de las fuentes a las que está suscrito, en la sección Recommendations. La sección Recommendations from Marketplace muestra las recomendaciones de características de fuentes a las que no está suscrito. Todas estas recomendaciones son similares a las características que agregó 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 el símbolo X de las fuentes de datos que desee excluir.

   NOTA

   Las fuentes de datos excluidas se muestran justo encima de la lista de características recomendadas. Haga clic X en el cuadro gris para eliminar las exclusiones y ver los resultados de las fuentes de datos respectivas de nuevo.

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

Segmentos existentes

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

2. Desplácese hacia abajo hasta el cuadro desplegable Traits.

3. Puede ver características recomendadas, que son similares a las características que ya aparecen 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 el símbolo X de las fuentes de datos que desee excluir.

   NOTA

   Las fuentes de datos excluidas se muestran justo encima de la lista de características recomendadas. Haga clic X en el cuadro gris para eliminar las exclusiones y ver los resultados de las fuentes de datos respectivas de nuevo.

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

Cuando crea o edita un segmento y agrega un rasgo a la regla de segmento, verá un máximo de cincuenta rasgos recomendados, similares al que ha agregado. Si la regla de segmento contiene más de un rasgo, el Audience Manager utiliza un método de rotación para mostrar la mejor coincidencia para cada rasgo, luego la segunda mejor coincidencia para cada rasgo, y así sucesivamente, para los cincuenta rasgos más grandes por población, en la regla de segmento.

Por ejemplo, cuando hay tres características en la regla de segmento, como se muestra a continuación, las características recomendadas 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. Segunda mejor coincidencia para el rasgo 1, y así sucesivamente hasta que llegue a los cincuenta rasgos.

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

Al hacer clic en un rasgo de origen, se abre una ventana emergente, tal como se muestra en la imagen siguiente. Si las características recomendadas no forman parte del segmento, puede agregarlas al segmento pulsando +.

Cómo funciona

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

Puntuación de similitud de rasgos

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

Consulte también los dos ejemplos siguientes.

Ejemplo 1: Puntuación de similitud de rasgos baja

Dados dos rasgos A y B, supongamos que cada uno de los rasgos tiene una población de 1000 000 UUIDs, 25 000 UUIDs, de los cuales se califican para ambos rasgos.
Si se utiliza la fórmula anterior, el resultado será: 25.000 / 1.975.000 = 0,012. Este es un Trait Similarity Score bajo, los dos rasgos son muy diferentes.

Ejemplo 2: Puntuación de similitud de rasgos

Si los mismos rasgos A y B tenían 400 000 UUIDs que cumplen los dos rasgos, el Trait Similarity Score es mucho mayor:
400.000 / 1.600.000 = 0,25

Interpretación de la puntuación de similitud de rasgos

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

Control de acceso basado en roles (RBAC)

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

Obtenga más información sobre RBAC controles aquí.

Limitaciones

• Actualmente, el Audience Manager no muestra características de carpeta como características recomendadas. Obtenga más información sobre los rasgos de carpeta aquí.
• Al mostrar Trait Recommendations, el Audience Manager no tiene en cuenta los operadores Boolean (AND, OR, NOT) en las reglas de segmentos.