特征推荐

根据您自己的第一方特征和Audience Marketplace数据源构建细分时获取实时特征推荐。

视频演示

开始,观看下面的Trait Recommendations视频,然后阅读以了解详细信息。 该视频演示向您展示如何处理您自己的第一方特征的建议,以及Audience Marketplace数据服务中您已订阅​的特征建议。

下一个视频概述了Marketplace Recommendations的工作流程,其中显示了如何根据Audience Marketplace中数据服务的推荐将特征添加到区段。 这些建议基于您未订阅​的数据服务。

概述

Trait Recommendations在您的支 Adobe Sensei持下,将数据科学引入Audience Manager的日常工作流。在Trait Recommendations中,当您在区段生成器中构建或编辑区段时,您会获得有关可包含的其他特征的建议,这些特征与区段规则中的特征相似。

Audience Manager显示您的特征推荐,包括来自您的第一方特征(在​Recommendations​部分)和来自​Audience Marketplace​的来自​Recommendations from Marketplace​部分。

将推荐的特征添加到区段中,可增加目标受众。

特质Recommendations概述

简而言之:

  • Audience Manager在Recommendations部分显示第一方特征。 您未订阅的公共和私有源的市场推荐显示在Recommendations from Marketplace部分。 单击源名称以转到Audience Marketplace并订阅。
  • Audience Manager显示最多50个与段规则中的特征相似的特征。
  • 您可以过滤掉不想从中看到任何推荐的数据源。
  • 在计算相似性时,Audience Manager会考虑过去30天内限定该特征的 UUID
  • 如果看到错误消息“未找到类似特征。 特征可能太新。”,这意味着在过去30天内没有该特征的活动,或者Audience Manager尚未更新该特征的建议。 请在24小时后重试。

用例

使用Trait Recommendations,您可以改进工作流,具体取决于您使用Audience Manager的方式:

  • 作为营销人员,您可以借助相似特征快速找到对补充产品感兴趣的受众,从而扩大触及范围。
  • 如果您以Audience Manager为发布者,使用Trait Recommendations,您可以了解受众行为并为广告销售或用户赢取建立更好的细分。
  • 作为Audience Marketplace数据购买者,我希望无需浏览大量源即可发现相关的第三方数据。
  • 作为Audience Marketplace数据提供者,我希望向购买者推荐相关数据,以便能够从最优和相关订阅中受益。

特质Recommendations与算法模型的差异

算法模型

Algorithmic Models 不仅可以找到最具影响力的特征,还可以根据这些特征对用户进行评分,并为每个用户分配一个个人得分。然后,便可以通过创建算法特征来定位用户。借助Trait Builder中的准确性和范围控件,您可以指定所有具有您想要目标的影响特征的用户中的哪些用户。

Algorithmic Models 使您能够选择不同准确度级别的用户,并测试哪 Audience Lab 组用户转换效果更好。有关详细用例,请参阅在 Audience Lab 中比较模型

在Algorithmic Models中,该模型每8天运行一次,并刷新符合算法特征条件的用户。

特征推荐

Trait Recommendations 是一种快速的方法,可让您深入了解与您在区段中使用的特征相似的其他特征。

应在以下情况下使用Trait Recommendations:

  • 构建区段时需要快速获取信息;
  • 要将区段用于短期促销活动,或者希望快速抑制转化的受众;
  • 想要最大化范围。

工作流

区段生成器中构建或编辑区段时,您可以探索与区段规则中的特征相似的特征。 区段生成器工作流对于新区段和现有区段非常相似:

新细分

  1. 转到​受众数据>区段,然后单击​添加新

  2. 在​Traits​下拉框中,向段规则添加至少一个特征。

  3. 您可以在​Recommendations​部分查看您订阅的源的第一方推荐特征和Audience Marketplace特征推荐。 Recommendations from Marketplace​部分显示您未订阅源的特征推荐。 所有这些建议都与您添加到区段规则的特征相似。 向下滚动以查看所有推荐特征。

  4. (可选)要从某些数据源中排除推荐的第一方特征,请单击要排除的数据源的​X​符号。

    注意

    被排除的数据源显示在建议特征列表的正上方。 单击灰色框中的​X​以删除排除项,并再次查看各个数据源的结果。

  5. 要向段规则添加推荐特征,请单击​+​符号。

重要

在将Marketplace特征添加到区段时,这些特征仅用于区段估计,直到您订阅相应的数据源。 来自您未订阅的数据源的特征在特征列表中标有购物车图标。 单击特征名称可转到数据源页面并订阅它。

marketplace-not-subscriped

仅在订阅相应数据服务后,才能保存具有第三方特征的区段。

现有细分

  1. 转到​Audience Data>Segments,选择要编辑的区段,然后单击编辑

  2. 向下滚动到Traits下拉框。

  3. 您可以看到推荐的特征,这些特征与段规则中已有的特征相似。 向下滚动以查看所有推荐特征。

  4. (可选)要从某些数据源中排除推荐的特征,请单击要排除的数据源的​X​符号。

    注意

    被排除的数据源显示在建议特征列表的正上方。 单击灰色框中的​X​以删除排除项,并再次查看各个数据源的结果。

  5. 要向段规则添加推荐特征,请单击​+​符号。

在创建或编辑区段并向区段规则添加特征时,最多可看到50个推荐特征,与您添加的特征相似。 如果区段规则包含多个特征,则Audience Manager使用循环法来显示每个特征的最佳匹配,然后在每个特征中显示每个特征的次佳匹配,依此类推,在区段规则中按人口划分的最大50个特征。

三种基本特征

例如,当区段规则中有三个特征时,建议的特征为:

  1. 最适合特征3(人口最多的特征);
  2. 特征1的最佳匹配;
  3. 特征2的最佳匹配;
  4. 特征3次优匹配;
  5. 特征1的次优匹配,等等,直到你达到50个特征。

要获取特定特征的推荐,您可以单击段规则(1)或推荐特征视图(2)中的特征。

base-traits-example

单击第一方特征可打开一个弹出窗口,如下图所示。 如果建议的特征不是区段的一部分,可以按​+​将其添加到区段。

添加到区段

小贴士

在特征信息弹出窗口中生成推荐时,会考虑主页中被排除的数据源。 此外,如果在此视图中排除数据源,则排除将应用于主页。

注意

建议的特征可以是您在Audience Marketplace中订阅的数据源中的第一方特征或第三方特征。

工作原理

要生成特征推荐,Audience Manager计算目标特征和您的帐户有权访问的所有其他特征(包括第三方数据)之间的Jaccard相似性。 Audience Manager显示最多50个相似性最高的特征。

特征相似性得分

Audience Manager计算两个特征之间的Trait Similarity Score,方法是根据UUIDs的数量计算交集和合并,然后将这两个特征相除。 对于两个特征A和B,计算如下所示:

积分相似性

另请参见下面的两个示例。

示例1 —— 低特征相似性得分

假设给定两个特征A和B,假设每个特征的人口数为1,000,000 UUIDs, 25,000 UUIDs,其中两个特征均符合。
使用上述公式,这将导致:25,000 / 1,975,000 = 0.012。这是一个低Trait Similarity Score,这两个特征非常不同。

trait-recommendations-low-overlap

示例2 —— 特征相似性得分

如果相同的特征A和B具有400,000个UUIDs,则Trait Similarity Score要高得多:
400,000 / 1,600,000 = 0.25

特质——推荐——高重叠

如何解读特质相似性评分

使用下表作为特征相似性的粗略指南。 本指南基于在大多数特征上观察到的相似性得分。

Trait Similarity Score 意义
0.1及更高版本 特征之间的高相似性
0.03 - 0.1 特征之间的中等相似性
0.01 - 0.03 特征之间的低相似性
0 - 0.01 特征之间的相似性很低

基于角色的访问控制(RBAC)

对于使用Role-Based Access Controls (RBAC)的公司,您需要具有创建和编辑区段的权限才能查看推荐的特征。 您看到的特征建议只是您有权通过RBAC访问的数据源中的建议。

重要

要将Marketplace Recommendations添加到区段,用户必须先订阅相应的数据服务。 只有具有管理员权限的用户才能订阅Audience Marketplace数据服务。

请阅读有关RBAC控件的更多信息,此处为

限制

  • 目前,Audience Manager不将文件夹特征显示为推荐特征。 请阅读有关文件夹特征的更多信息,此处为
  • 显示特征Recommendations时,Audience Manager不考虑段规则中的Boolean运算符(AND、OR、NOT)。

在此页面上

Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now