Bénéficiez de recommandations de caractéristiques dynamiques lorsque vous créez vos segments, à partir de vos propres caractéristiques propriétaires et de flux de données Audience Marketplace.
Début en regardant la vidéo Trait Recommendations ci-dessous, puis en lisant pour plus d'informations. La démonstration vidéo vous montre comment utiliser les recommandations issues de vos propres caractéristiques propriétaires, ainsi que les recommandations de caractéristiques provenant de flux de données Audience Marketplace auxquels vous êtes déjà abonné.
La vidéo suivante décrit le flux de travaux de Marketplace Recommendations, qui montre comment ajouter des caractéristiques à vos segments, en fonction des recommandations issues de flux de données dans Audience Marketplace. Ces recommandations sont basées sur des flux de données auxquels vous n’êtes pas abonné.
Trait Recommendations, optimisé par Adobe Sensei, intègre la science des données dans vos workflows d'Audience Manager quotidiens.
Avec Trait Recommendations, lorsque vous créez ou modifiez un segment dans Créateur de segments, vous obtenez des recommandations sur les caractéristiques supplémentaires que vous pouvez inclure, qui sont similaires aux caractéristiques de la règle de segment.
L'Audience Manager vous montre les recommandations de caractéristiques provenant à la fois de vos caractéristiques propriétaires, dans la section Recommendations et de Audience Marketplace, dans la section Recommendations from Marketplace.
Ajoutez les caractéristiques recommandées à votre segment pour élargir votre audience cible.
En un mot :
Avec Trait Recommendations, vous pouvez améliorer vos workflows en fonction de la manière dont vous utilisez l'Audience Manager :
Algorithmic Models non seulement trouve-t-on les caractéristiques les plus influentes, mais il note également les utilisateurs en fonction de ces caractéristiques et attribue à chaque utilisateur un score individuel. Vous créez ensuite des caractéristiques algorithmiques pour cibler vos utilisateurs. Grâce aux contrôles de précision et de portée de Trait Builder, vous pouvez spécifier les utilisateurs parmi tous ceux qui ont les caractéristiques influentes que vous souhaitez cible.
Algorithmic Models vous permet de sélectionner des utilisateurs à différents niveaux de précision et de tester Audience Lab quel groupe d’utilisateurs effectue le plus de conversions. Consultez les cas d’utilisation détaillés dans Comparaison des modèles dans Audience Lab.
Dans Algorithmic Models, le modèle s’exécute tous les 8 jours et actualise les utilisateurs qualifiés pour les caractéristiques algorithmiques.
Trait Recommendations est un moyen rapide d’obtenir des informations sur d’autres caractéristiques similaires à celles que vous utilisez dans un segment.
Vous devez utiliser Trait Recommendations lorsque :
Lors de la création ou de la modification d’un segment dans Créateur de segments, vous pouvez explorer des caractéristiques similaires aux caractéristiques de la règle de segment. Le flux de travail du créateur de segments est très similaire pour les segments nouveaux et existants :
Accédez à Données d’Audience > Segments, puis cliquez sur Ajouter nouveau.
Dans la liste déroulante Caractéristiques, ajoutez au moins une caractéristique à la règle de segment.
Vous pouvez afficher les caractéristiques recommandées propriétaires et les recommandations de caractéristiques Audience Marketplace des flux auxquels vous êtes abonné, dans la section Recommendations. La section Recommendations from Marketplace présente les recommandations de caractéristiques des flux auxquels vous n’êtes pas abonné. Toutes ces recommandations sont similaires aux caractéristiques que vous avez ajoutées à la règle de segmentation. Faites défiler la page vers le bas pour afficher toutes les caractéristiques recommandées.
(Facultatif) Pour exclure les caractéristiques propriétaires recommandées de certaines sources de données, cliquez sur le symbole X correspondant aux sources de données à exclure.
Les sources de données exclues sont affichées juste au-dessus de la liste des caractéristiques recommandées. Cliquez sur X dans la zone grise pour supprimer les exclusions et afficher à nouveau les résultats des sources de données respectives.
Pour ajouter des caractéristiques recommandées à la règle de segment, cliquez sur le symbole +.
Lors de l’ajout de caractéristiques Marketplace à un segment, celles-ci ne sont utilisées que pour l’estimation des segments, jusqu’à ce que vous vous abonniez au flux de données correspondant. Les caractéristiques provenant de flux de données auxquels vous n’êtes pas abonné sont marquées par une icône de panier dans la liste de caractéristiques. Cliquez sur le nom de la caractéristique pour accéder à la page de flux de données et vous y abonner.
Vous ne pouvez enregistrer un segment avec des caractéristiques tierces qu’après avoir souscrit un abonnement aux flux de données correspondants.
Accédez à Audience Data>Segments, sélectionnez le segment à modifier et cliquez sur .
Faites défiler l'écran jusqu'à la liste déroulante Traits.
Vous pouvez afficher les caractéristiques recommandées, qui sont similaires aux caractéristiques déjà présentes dans la règle de segmentation. Faites défiler la page vers le bas pour afficher toutes les caractéristiques recommandées.
(Facultatif) Pour exclure les caractéristiques recommandées de certaines sources de données, cliquez sur le symbole X correspondant aux sources de données à exclure.
Les sources de données exclues sont affichées juste au-dessus de la liste des caractéristiques recommandées. Cliquez sur X dans la zone grise pour supprimer les exclusions et afficher à nouveau les résultats des sources de données respectives.
Pour ajouter des caractéristiques recommandées à la règle de segment, cliquez sur le symbole +.
Lorsque vous créez ou modifiez un segment et ajoutez une caractéristique à la règle de segment, vous obtenez un maximum de cinquante caractéristiques recommandées, semblables à celles que vous avez ajoutées. Si la règle de segmentation contient plusieurs caractéristiques, l’Audience Manager utilise une méthode de robot circulaire pour afficher la meilleure correspondance pour chaque caractéristique, puis la deuxième meilleure correspondance pour chaque caractéristique, et ainsi de suite, pour les cinquante caractéristiques les plus importantes par population, dans la règle de segment.
Par exemple, s’il existe trois caractéristiques dans la règle de segment, comme illustré ci-dessous, les caractéristiques recommandées sont les suivantes :
Pour obtenir des recommandations pour une caractéristique spécifique, vous pouvez cliquer sur les caractéristiques dans la règle de segmentation (1) ou dans la vue de caractéristiques recommandée (2).
Cliquez sur une caractéristique propriétaire pour ouvrir une fenêtre contextuelle, comme illustré dans l’image ci-dessous. Si les caractéristiques recommandées ne font pas partie du segment, vous pouvez les ajouter au segment en appuyant sur +.
Les sources de données exclues de la page principale sont prises en compte lors de la génération de recommandations dans la fenêtre contextuelle d’informations sur la caractéristique. Et si vous excluez les sources de données dans cette vue, les exclusions s’appliquent à la page principale.
Les caractéristiques recommandées peuvent être vos caractéristiques propriétaires ou tierces à partir de flux de données auxquels vous êtes abonné dans Audience Marketplace.
Pour générer des recommandations de caractéristiques, l’Audience Manager calcule la similarité Jaccard entre la caractéristique de cible et toutes les autres caractéristiques auxquelles votre compte a accès, y compris les données tierces. L’Audience Manager affiche ensuite jusqu’à cinquante caractéristiques présentant la plus grande similarité.
L'Audience Manager calcule le Trait Similarity Score entre deux caractéristiques en calculant l'intersection et l'union en termes de nombre de UUIDs, puis divise les deux. Pour deux caractéristiques A et B, le calcul ressemble à ceci :
Voir également les deux exemples ci-dessous.
Compte tenu de deux caractéristiques A et B, supposons que chacune d'elles a une population de 1 000 000 UUIDs, dont 25 000 UUIDs qui répondent aux deux caractéristiques.
En utilisant la formule ci-dessus, vous obtenez : 25 000 / 1 975 000 = 0,012. Il s'agit d'un Trait Similarity Score faible, les deux caractéristiques sont très dissemblables.
Si les mêmes caractéristiques A et B avaient 400 000 UUIDs qui répondent aux deux caractéristiques, le Trait Similarity Score est beaucoup plus élevé :
400 000 / 1 600 000 = 0,25
Utilisez le tableau ci-dessous comme un guide sommaire de la similarité des caractéristiques. Ce guide est basé sur les scores de similitude observés dans la majorité des caractéristiques.
Trait Similarity Score | Signification |
---|---|
0.1 et ultérieure | Haute similarité entre les caractéristiques |
0,03 - 0,1 | similarité moyenne entre les caractéristiques |
0,01 - 0,03 | Faible similarité entre les caractéristiques |
0 - 0,01 | Très faible similarité entre les caractéristiques |
Pour les sociétés qui utilisent Role-Based Access Controls (RBAC), vous devez disposer des autorisations nécessaires pour créer et modifier des segments afin d’afficher les caractéristiques recommandées. Les recommandations de caractéristiques que vous voyez ne sont que celles provenant de sources de données auxquelles vous avez accès via RBAC.
Pour ajouter Marketplace Recommendations à un segment, les utilisateurs doivent d’abord s’abonner aux flux de données correspondants. Seuls les utilisateurs disposant de droits d’administrateur peuvent s’abonner aux flux de données Audience Marketplace.
Pour en savoir plus sur les contrôles RBAC ici.