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。
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。
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。
简而言之:
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:
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。
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:
在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:
转到受众数据>区段,然后单击添加新。
在Traits下拉框中,向段规则添加至少一个特征。
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。
(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。
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。
要向段规则添加推荐特征,请单击+符号。
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。
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。
转到Audience Data>Segments,选择要编辑的区段,然后单击。
向下滚动到Traits下拉框。
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。
(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。
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。
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。
例如,当区段规则中有三个特征时,建议的特征为:
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。
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。
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。
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。
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。
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:
另请参见下面的两个示例。
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。
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
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 |
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。
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。