Obtenez des recommandations de caractéristiques en direct lorsque vous créez vos segments à partir de vos propres caractéristiques propriétaires et de flux de données Audience Marketplace.
Commencez par regarder la vidéo Trait Recommendations ci-dessous, puis lisez la suite pour plus d’informations. La démonstration vidéo vous montre comment utiliser les recommandations 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 processus pour Marketplace Recommendations, qui vous montre comment ajouter des caractéristiques à vos segments, en fonction des recommandations provenant 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, vous apporte des informations essentielles dans vos workflows quotidiens d’Audience Manager.
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 et qui sont similaires aux caractéristiques de la règle de segment.
L’Audience Manager vous montre les recommandations de caractéristiques de votre premier niveau, 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 l’utilisation de 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 dans la balise Trait Builder, vous pouvez spécifier les utilisateurs parmi tous ceux qui ont les caractéristiques d’influence à cibler.
Algorithmic Models vous permet de sélectionner des utilisateurs à différents niveaux de précision et de tester Audience Lab quel groupe d’utilisateurs effectue la meilleure conversion. 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 le créateur de segments, vous pouvez explorer des caractéristiques similaires aux caractéristiques de la règle de segment. Le workflow 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 provenant de flux auxquels vous êtes abonné, dans la section Recommendations . La section Recommendations from Marketplace présente les recommandations de caractéristiques provenant de flux auxquels vous n’êtes pas abonné. Toutes ces recommandations sont similaires aux caractéristiques que vous avez ajoutées à la règle de segment. Faites défiler l’écran 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 s’affichent 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.
Lors de l’ajout de caractéristiques Marketplace à un segment, les caractéristiques ne sont utilisées que pour l’estimation du segment, 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 d’une icône de panier dans la liste des caractéristiques. Cliquez sur le nom de la caractéristique pour accéder à la page du flux de données et vous y abonner.
Vous ne pouvez enregistrer un segment avec des caractéristiques tierces qu’après vous être abonné 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 voir les caractéristiques recommandées, qui sont similaires aux caractéristiques déjà présentes dans la règle de segment. Faites défiler l’écran 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 s’affichent 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.
Lorsque vous créez ou modifiez un segment et ajoutez une caractéristique à la règle de segment, vous voyez un maximum de cinquante caractéristiques recommandées, semblables à celle que vous avez ajoutée. Si la règle de segment contient plusieurs caractéristiques, l’Audience Manager utilise une méthode de robot rond pour afficher la meilleure correspondance pour chaque caractéristique, puis la deuxième meilleure correspondance pour chaque caractéristique, et ainsi de suite, pour les cinquante plus grandes caractéristiques par population, dans la règle de segment.
Par exemple, lorsqu’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 de la règle de segment (1) ou de la vue des caractéristiques recommandées (2).
Cliquer sur une caractéristique propriétaire ouvre 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 les caractéristiques. Et, si vous excluez des 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 des 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 cible et toutes les autres caractéristiques auxquelles votre compte a accès, y compris les données tierces. L’Audience Manager affiche alors jusqu’à cinquante caractéristiques présentant la plus grande similarité.
L’Audience Manager calcule la Trait Similarity Score entre deux caractéristiques en calculant l’intersection et l’union en termes du nombre de UUIDs, puis en divisant 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 des caractéristiques a une population de 1 000 000 UUIDs, 25 000 UUIDdont la population est admissible pour les deux caractéristiques.
En utilisant la formule ci-dessus, vous obtiendrez : 25 000 / 1 975 000 = 0,012. Il s’agit d’une valeur Trait Similarity Score faible, les deux caractéristiques sont très différentes.
Si les mêmes caractéristiques A et B présentent 400 000 UUIDs qui répondent aux deux caractéristiques, la valeur Trait Similarity Score est beaucoup plus élevée :
400 000 / 1 600 000 = 0,25
Utilisez le tableau ci-dessous comme guide approximatif de la similarité de caractéristiques. Ce guide repose sur les scores de similarité observés dans la majorité des caractéristiques.
Trait Similarity Score | Significativité |
---|---|
0.1 et versions ultérieures | Forte similarité entre les caractéristiques |
0,03 à 0,1 | similarité moyenne entre les caractéristiques |
0,01 à 0,03 | Faible similarité entre les caractéristiques |
0 à 0,01 | Très faible similarité entre les caractéristiques |
Pour les entreprises 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 à des flux de données Audience Marketplace.
Pour en savoir plus sur les RBAC contrôles ici.