Raccomandazioni sulle caratteristiche

Ultimo aggiornamento: 2023-05-20
  • Argomenti:
  • Segments
    Visualizza ulteriori informazioni su questo argomento

Ricevi consigli sulle caratteristiche live durante la creazione dei segmenti, dalle caratteristiche di prime parti e Audience Marketplace feed di dati.

Dimostrazione video

Per iniziare, guarda Trait Recommendations video seguente, quindi continuare a leggere per ulteriori informazioni. La dimostrazione video mostra come lavorare con i consigli delle caratteristiche di prime parti e con quelli di Audience Marketplace feed di dati che sei già abbonato a.

Il video successivo illustra il flusso di lavoro per Marketplace Recommendations, che mostra come aggiungere caratteristiche ai segmenti in base ai consigli dei feed di dati in Audience Marketplace. Questi consigli si basano su feed di dati che non sei abbonato a.

Panoramica

Trait Recommendations, con tecnologia Adobe Sensei, integra la data science nei flussi di lavoro Audienci Manager quotidiani.
Con Trait Recommendations, quando si crea o si modifica un segmento in Generatore di segmentiInoltre, puoi ricevere consigli su caratteristiche aggiuntive da includere, simili alle caratteristiche incluse nella regola del segmento.

L’Audience Manager mostra i consigli sulle caratteristiche sia dalle caratteristiche di prima parte che nel Recommendations e da Audience Marketplace, nella Recommendations from Marketplace sezione.

Aggiungi le caratteristiche consigliate al segmento per aumentare il pubblico di destinazione.

Panoramica di Trait Recommendations

In breve:

  • L’Audience Manager mostra le caratteristiche di prima parte nel Recommendations sezione. Le raccomandazioni del Marketplace provenienti da feed pubblici e privati a cui non sei abbonato sono visibili nel Recommendations from Marketplace sezione. Fai clic sul nome del feed per passare a Audience Marketplace e sottoscrivi.
  • L’Audience Manager mostra un massimo di cinquanta caratteristiche simili a quelle della regola del segmento.
  • Puoi filtrare le origini dati da cui non desideri visualizzare i consigli.
  • Nel calcolare le somiglianze, Audience Manager considera UUID che si è qualificato per la caratteristica negli ultimi 30 giorni.
  • Se ricevi il messaggio di errore "Non sono state trovate caratteristiche simili. Le caratteristiche potrebbero essere troppo nuove". Ciò significa che non vi è stata alcuna attività per quella caratteristica negli ultimi 30 giorni, oppure che l’Audience Manager non ha ancora aggiornato i consigli per quella caratteristica. Riprova tra 24 ore.

Casi d'uso

Con Trait Recommendations, puoi migliorare i flussi di lavoro, a seconda di come utilizzi l’Audience Manager:

  • In qualità di addetto al marketing, puoi trovare rapidamente tipi di pubblico interessati a prodotti complementari con l’aiuto di caratteristiche simili, in modo da aumentare la tua portata.
  • Se utilizzi Audience Manager come editore, con Trait Recommendations, puoi comprendere il comportamento del pubblico e creare segmenti migliori per le vendite di annunci o l’acquisizione di utenti.
  • Come un Audience Marketplace acquirenti di dati, voglio scoprire dati rilevanti di terze parti senza navigare attraverso un gran numero di feed.
  • Come un Audience Marketplace provider di dati, desidero consigliare dati rilevanti agli acquirenti in modo da poter beneficiare di abbonamenti ottimali e pertinenti.

Differenze tra caratteristiche Recommendations e modelli algoritmici

Modelli algoritmici

Algorithmic Models non solo trova le caratteristiche più influenti, ma assegna anche un punteggio agli utenti in base a tali caratteristiche e a ogni utente un punteggio individuale. In seguito puoi creare caratteristiche algoritmiche per eseguire il targeting degli utenti. Con controlli di precisione e portata nella Trait Builder, puoi specificare di quali utenti desideri eseguire il targeting tra tutti coloro che hanno le caratteristiche influenti.

Algorithmic Models consente di selezionare gli utenti con diversi livelli di precisione e testare in Audience Lab quale gruppo di utenti effettua una migliore conversione. Consulta il caso d’uso dettagliato in Compare Models in Audience Lab.

In entrata Algorithmic Models, il modello viene eseguito ogni 8 giorni e aggiorna gli utenti qualificati per le caratteristiche algoritmiche.

Raccomandazioni sulle caratteristiche

Trait Recommendations è un modo rapido per ottenere informazioni su altre caratteristiche simili a quelle utilizzate in un segmento.

Dovresti utilizzare Trait Recommendations quando:

  • Hai bisogno di informazioni rapide durante la creazione di un segmento;
  • Utilizzi segmenti per campagne brevi o quando desideri eliminare rapidamente il pubblico che effettua la conversione;
  • Stai cercando di massimizzare la portata.

Flusso di lavoro

Durante la creazione o la modifica di un segmento in Generatore di segmenti, puoi esplorare caratteristiche simili alle caratteristiche incluse nella regola del segmento. Il Generatore di segmenti il flusso di lavoro è molto simile per i segmenti nuovi ed esistenti:

Nuovi segmenti

  1. Vai a Dati pubblico > Segmenti e fai clic su Aggiungi nuovo.

  2. In Caratteristiche , aggiungi almeno una caratteristica alla regola del segmento.

  3. Puoi vedere le caratteristiche consigliate di prime parti e Audience Marketplace consigli sulle caratteristiche dai feed a cui sei abbonato, nel Recommendations sezione. Il Recommendations from Marketplace mostra i consigli sulle caratteristiche dei feed ai quali non sei abbonato. Tutti questi consigli sono simili alle caratteristiche aggiunte alla regola del segmento. Scorri verso il basso per visualizzare tutte le caratteristiche consigliate.

  4. (Facoltativo) Per escludere le caratteristiche di prime parti consigliate da determinate origini di dati, fai clic sul pulsante X simbolo per le origini dati da escludere.

    NOTA

    Le origini dati escluse sono visualizzate appena sopra l’elenco delle caratteristiche consigliate. Clic X nella casella grigia per rimuovere le esclusioni e visualizzare nuovamente i risultati dalle rispettive origini dati.

    1. Per aggiungere caratteristiche consigliate alla regola del segmento, fai clic sul pulsante **+** simbolo.
IMPORTANTE

Durante l’aggiunta Marketplace caratteristiche di un segmento, le caratteristiche vengono utilizzate solo per la stima del segmento, fino a quando non ti abboni al feed di dati corrispondente. Le caratteristiche provenienti da feed di dati a cui non sei abbonato sono contrassegnate dall’icona di un carrello nell’elenco delle caratteristiche. Fai clic sul nome della caratteristica per passare alla pagina feed dati e abbonarti.

marketplace-not-subscribed

Puoi salvare un segmento con caratteristiche di terze parti solo dopo esserti iscritto ai feed di dati corrispondenti.

Segmenti esistenti

  1. Vai a Audience Data>Segments, seleziona il segmento da modificare e fai clic su Modifica.

  2. Scorri verso il basso fino a Traits a discesa.

  3. Puoi visualizzare caratteristiche consigliate, simili alle caratteristiche già presenti nella regola del segmento. Scorri verso il basso per visualizzare tutte le caratteristiche consigliate.

  4. (Facoltativo) Per escludere le caratteristiche consigliate da determinate origini di dati, fai clic sul pulsante X simbolo per le origini dati da escludere.

    NOTA

    Le origini dati escluse sono visualizzate appena sopra l’elenco delle caratteristiche consigliate. Clic X nella casella grigia per rimuovere le esclusioni e visualizzare nuovamente i risultati dalle rispettive origini dati.

    1. Per aggiungere caratteristiche consigliate alla regola del segmento, fai clic sul pulsante **+** simbolo.

Quando crei o modifichi un segmento e aggiungi una caratteristica alla regola del segmento, puoi vedere un massimo di cinquanta caratteristiche consigliate, simili a quelle aggiunte. Se la regola del segmento contiene più di una caratteristica, Audience Manager utilizza un metodo round robin per mostrare la migliore corrispondenza per ogni caratteristica, quindi la seconda migliore corrispondenza per ogni caratteristica e così via, per le cinquanta caratteristiche più grandi per popolazione, nella regola del segmento.

Tre caratteristiche di base

Ad esempio, se nella regola del segmento sono presenti tre caratteristiche, come mostrato di seguito, le caratteristiche consigliate sono:

  1. Migliore corrispondenza per la caratteristica 3 (la caratteristica con la popolazione più numerosa);
  2. Migliore corrispondenza per la caratteristica 1;
  3. Migliore corrispondenza per la caratteristica 2;
  4. Seconda migliore corrispondenza per la caratteristica 3;
  5. Seconda migliore corrispondenza per la caratteristica 1 e così via fino ad arrivare a cinquanta caratteristiche.

Per ottenere consigli per una caratteristica specifica, puoi fare clic sulle caratteristiche nella regola del segmento (1) o nella vista caratteristiche consigliate (2).

base-traits-example

Facendo clic su una caratteristica di prime parti si apre una finestra pop-up, come illustrato nell’immagine seguente. Se le caratteristiche consigliate non fanno parte del segmento, puoi aggiungerle al segmento premendo +.

add-to-segment

SUGGERIMENTO

Le origini dati escluse dalla pagina principale vengono considerate durante la generazione dei consigli nella finestra a comparsa Informazioni sulle caratteristiche. E, se escludi le origini dati in questa visualizzazione, le esclusioni si applicano alla pagina principale.

NOTA

Le caratteristiche consigliate possono essere caratteristiche di prime parti o caratteristiche di terze parti da feed di dati a cui sei abbonato in Audience Marketplace.

Come funziona

Per produrre consigli sulle caratteristiche, Audience Manager calcola Somiglianza jaccard tra la caratteristica target e ogni altra caratteristica a cui il tuo account ha accesso, inclusi i dati di terze parti. Audience Manager mostra fino a cinquanta caratteristiche che hanno la somiglianza più elevata.

Punteggio di somiglianza delle caratteristiche

Audience Manager di calcolo Trait Similarity Score tra due caratteristiche calcolando l’intersezione e l’unione in termini di numero di UUIDs e poi dividere i due. Per due caratteristiche A e B, il calcolo è simile al seguente:

jaccard-similarity

Vedi anche i due esempi seguenti.

Esempio 1 - Punteggio di somiglianza delle caratteristiche basse

Date due caratteristiche A e B, supponiamo che ognuna abbia una popolazione di 1.000.000 di abitanti UUIDs, 25.000 UUIDs di cui sono idonee per entrambe le caratteristiche.
Utilizzando la formula precedente, si otterrà: 25.000 / 1.975.000 = 0,012. Questo è un valore basso Trait Similarity ScoreLe due caratteristiche sono molto diverse.

caratteristiche-consigli-bassa sovrapposizione

Esempio 2: punteggio di somiglianza delle caratteristiche

Se le stesse caratteristiche A e B avevano 400.000 UUIDs che possono essere utilizzate per entrambe le caratteristiche, Trait Similarity Score è molto più alto: 400.000 / 1.600.000 = 0,25

trait-recommendations-high-overlap

Come interpretare il punteggio di somiglianza delle caratteristiche

Utilizza la tabella seguente come guida approssimativa per la somiglianza delle caratteristiche. Questa guida si basa sui punteggi di somiglianza osservati nella maggior parte delle caratteristiche.

Trait Similarity Score Significatività
0.1 e versioni successive Elevata somiglianza tra le caratteristiche
0.03 - 0.1 Somiglianza media tra le caratteristiche
0.01 - 0.03 Bassa somiglianza tra le caratteristiche
0 - 0.01 Somiglianza molto bassa tra le caratteristiche

Controllo degli accessi basato sul ruolo (RBAC)

Per le aziende che utilizzano Role-Based Access Controls (RBAC), per visualizzare le caratteristiche consigliate è necessario disporre dell’autorizzazione per creare e modificare i segmenti. I consigli sulle caratteristiche visualizzati sono solo quelli provenienti da origini dati a cui hai accesso tramite RBAC.

IMPORTANTE

Da aggiungere Marketplace Recommendations Per accedere a un segmento, gli utenti devono prima abbonarsi ai feed di dati corrispondenti. Solo gli utenti con privilegi di amministratore possono effettuare la sottoscrizione a Audience Marketplace feed di dati.

Ulteriori informazioni su RBAC controlli qui.

Limitazioni

  • Attualmente, in Audience Manager le caratteristiche della cartella non vengono visualizzate come caratteristiche consigliate. Ulteriori informazioni sulle caratteristiche delle cartelle qui.
  • Quando si visualizza Trait Recommendations (delle caratteristiche), Audience Manager non tiene conto di Boolean operatori (AND, OR, NOT) nelle regole dei segmenti.

In questa pagina