特征推荐

在构建区段时，从您自己的第一方特征和Audience Marketplace数据馈送中获取实时特征推荐。

视频演示

首先观看下面的Trait Recommendations视频，然后阅读以了解更多信息。 该视频演示向您展示了如何使用您自己的第一方特征中的推荐，以及Audience Marketplace数据馈送中已订阅​的特征推荐。

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中数据馈送的推荐，将特征添加到区段。 这些建议基于您未订阅​的数据馈送。

概述

Trait Recommendations由提供支 Adobe Sensei持，将数据科学融入到您的Audience Manager日常工作流程中。对于Trait Recommendations，在区段生成器中构建或编辑区段时，您会获得可包含的其他推荐特征（与区段规则中的特征类似）。

Audience Manager会从第一方特征、Recommendations​部分和​Audience Marketplace​部分的​Recommendations from Marketplace​部分显示推荐的特征。

将推荐的特征添加到区段中，可增加目标受众。

一言以蔽之：

• Audience Manager在Recommendations部分中显示第一方特征。 您未订阅的公共和私人馈送的市场推荐显示在Recommendations from Marketplace部分。 单击信息源名称以转到Audience Marketplace并订阅。
• Audience Manager最多显示50个与区段规则中类似的特征。
• 您可以过滤掉不希望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天内符合特征的UUID。
• 如果您看到错误消息“未找到类似特征。 特征可能太新。”这表示过去30天内该特征没有活动，或者Audience Manager尚未更新该特征的推荐。 请在24小时内重试。

用例

通过Trait Recommendations，您可以根据使用Audience Manager的方式改进工作流：

• 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，从而扩大访问范围。
• 如果您将Audience Manager用作发布者，并且Trait Recommendations，则可以了解受众行为并为广告销售或用户获取构建更好的区段。
• 作为Audience Marketplace数据购买者，我希望无需浏览大量信息源即可发现相关的第三方数据。
• 作为Audience Marketplace数据提供商，我希望向购买者推荐相关数据，以便从最佳且相关的订阅中受益。

特征Recommendations与算法模型之间的差异

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中的精度和范围控件，您可以指定要定位具有影响力特征的用户中的哪些用户。

Algorithmic Models 允许您选择不同准确度级别的用户，并测试哪 Audience Lab 组用户转化得更好。有关详细用例，请参阅在 Audience Lab 中比较模型。

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

特征推荐

Trait Recommendations 是一种快速了解与您在区段中使用的特征类似的其他特征的方法。

在以下情况下，应使用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

在区段生成器中构建或编辑区段时，您可以浏览与区段规则中的特征类似的特征。 对于新区段和现有区段， 区段生成器工作流非常相似：

新区段

1. 转到​受众数据>区段，然后单击​新增。

2. 在​特征​下拉框中，至少向区段规则添加一个特征。

3. 您可以在​Recommendations​部分中，查看您订阅的动态消息的第一方推荐特征和Audience Marketplace特征推荐。 Recommendations from Marketplace​部分显示您未订阅的馈送的特征推荐。 所有这些推荐都与您添加到区段规则的特征类似。 向下滚动以查看所有推荐的特征。

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

   排除的数据源显示在推荐特征列表的正上方。 单击灰色框中的​X​以删除排除项，并再次查看来自相应数据源的结果。

5. 要向区段规则添加推荐特征，请单击​+​符号。

现有区段

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

2. 向下滚动到Traits下拉框。

3. 您可以看到推荐的特征，这些特征与区段规则中已有的特征类似。 向下滚动以查看所有推荐的特征。

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

   排除的数据源显示在推荐特征列表的正上方。 单击灰色框中的​X​以删除排除项，并再次查看来自相应数据源的结果。

5. 要向区段规则添加推荐特征，请单击​+​符号。

创建或编辑区段并将特征添加到区段规则时，您最多会看到50个推荐特征，与已添加的特征类似。 如果区段规则包含多个特征，则Audience Manager会使用轮循方法来显示每个特征的最佳匹配项，然后显示区段规则中每个特征的次最佳匹配项，依此类推，对于按群体划分的最大50个特征。

例如，当区段规则中有三个特征（如下所示）时，推荐的特征为：

1. 最适合特征3（人口最多的特征）；
2. 最适合特征1;
3. 最适合特征2;
4. 特征3的次佳匹配；
5. 特征1的次佳匹配，依此类推，直到您获得50个特征。

要获取特定特征的推荐，您可以单击区段规则(1)或推荐特征视图(2)中的特征。

单击第一方特征会打开一个弹出窗口，如下图所示。 如果推荐的特征不属于区段的一部分，则可以按​+​将其添加到区段。

工作原理

要生成特征推荐，Audience Manager会计算目标特征与您的帐户有权访问的每个其他特征（包括第三方数据）之间的Jaccard相似度。 然后，Audience Manager会显示最多50个相似度最高的特征。

特征相似度分数

Audience Manager计算两个特征之间的Trait Similarity Score，方法是根据UUIDs的数量计算交集和并集，然后将二者相除。 对于两个特征A和B，计算方式如下所示：

另请参阅下面的两个示例。

示例1 — 低特征相似度得分

给定两个特征A和B，假设每个特征的群体为1,000,000 UUIDs，25,000 UUIDs，这两个特征均符合条件。
使用上述公式，将导致：25,000 / 1,975,000 = 0.012。这个值很低Trait Similarity Score，两个特征非常不同。

示例2 — 特征相似度得分

如果相同特征A和B具有400,000个UUIDs，且符合这两个特征的条件，则Trait Similarity Score的值要高得多：
400,000 / 1,600,000 = 0.25

如何解读特征相似度得分

使用下表粗略指导特征相似度。 本指南基于在大多数特征中观察到的相似度得分。

基于角色的访问控制(RBAC)

对于使用Role-Based Access Controls (RBAC)的公司，您需要拥有创建和编辑区段的权限，才能查看推荐的特征。 您看到的特征推荐仅是您有权通过RBAC访问的数据源中的推荐。

有关RBAC控件的更多信息，请参阅此处。

限制

• 目前，Audience Manager未将文件夹特征显示为推荐特征。 有关文件夹特征的更多信息，请参阅此处。
• 显示特征Recommendations时，Audience Manager不考虑区段规则中的Boolean运算符(AND、OR、NOT)。