特徵建議

從您自己的第一方特徵和Audience Marketplace資料摘要，在建立區段時取得即時特徵建議。

影片示範

首先觀看下方的Trait Recommendations影片，然後閱讀以取得詳細資訊。 影片示範會示範如何使用您自己第一方特徵的建議，以及Audience Marketplace資料摘要中​您已訂閱​的特徵建議。

下一部影片會概述Marketplace Recommendations的工作流程，顯示如何根據Audience Marketplace中資料摘要的建議，將特徵新增至區段。 這些建議以您未訂閱​的資料摘要為基礎。

概述

Trait Recommendations由提供技 Adobe Sensei術支援，將資料科學帶入您的Audience Manager日常工作流程中。若使用Trait Recommendations，當您在區段產生器中建立或編輯區段時，系統會根據區段規則中的特徵，提供您其他類似特徵的相關建議，您可考慮納入。

Audience Manager會同時顯示第一方特徵、Recommendations​區段和​Audience Marketplace​區段中的特徵建議。Recommendations from Marketplace

將建議的特徵加入區段，有助於擴大您的目標對象範圍。

簡言之：

• Audience Manager在Recommendations區段中顯示第一方特徵。 您未訂閱之公開和私人摘要的Marketplace建議會顯示在Recommendations from Marketplace區段中。 按一下摘要名稱以前往Audience Marketplace並訂閱。
• Audience Manager最多會顯示50個類似於區段規則中的特徵。
• 您可以篩選掉不想看見任何建議的資料來源。
• 計算相似度時，Audience Manager會考量過去30天內符合特徵資格的UUID。
• 如果您看到錯誤訊息「找不到類似特徵」。 特徵可能太新。」這表示過去30天內沒有該特徵的活動，或Audience Manager尚未更新該特徵的建議。 請在24小時後再試一次。

使用個案

透過Trait Recommendations，您可以根據使用Audience Manager的方式來改善工作流程：

• 身為行銷人員，您可以透過類似特徵，快速找到對補充性產品感興趣的對象，以便您擴大觸及範圍。
• 如果您以Audience Manager作為發佈者，透過Trait Recommendations，便可了解受眾行為，並為廣告銷售或使用者贏取建立更好的區段。
• 身為Audience Marketplace資料購買者，我想要探索相關的第三方資料，而不瀏覽大量摘要。
• 身為Audience Marketplace資料提供者，我想向購買者建議相關資料，以便從最佳且相關的訂閱中獲益。

特徵Recommendations與演算法模型之間的差異

演算法模型

Algorithmic Models 不僅可找出最具影響力的特徵，還根據這些特徵對使用者進行評分，並為每位使用者指派個別的分數。接著您可建立演算法特徵，來鎖定您的使用者。在Trait Builder中，您可以透過精確度和觸及控制項，指定哪些使用者擁有您要鎖定的具影響力特徵。

Algorithmic Models 可讓您選取不同準確度等級的使用者，並測試哪 Audience Lab 組使用者轉換效果較佳。請參閱在 Audience Lab 中比較模型中的詳細使用案例。

在Algorithmic Models中，模型每8天執行一次，並重新整理符合演算法特徵資格的使用者。

特徵建議

Trait Recommendations 可讓您快速深入分析其他與您在區段中使用的特徵相似的特徵。

在下列情況下，應使用Trait Recommendations:

• 您在建立區段時需要快速的深入分析；
• 您正使用區段進行簡短的行銷活動，或想要快速隱藏轉換的受眾；
• 您正嘗試最大程度提高觸及率。

工作流程

在區段產生器中建立或編輯區段時，您可以探索類似區段規則中特徵的特徵。 新區段和現有區段的區段產生器工作流程非常類似：

新區段

1. 前往「受眾資料>區段」，然後按一下「新增」。

2. 在​特徵​下拉式方塊中，至少新增一個特徵至區段規則。

3. 您可以在​Recommendations​區段中，從您訂閱的摘要中看到第一方建議特徵和Audience Marketplace特徵建議。 Recommendations from Marketplace​區段會顯示您未訂閱之摘要的特徵建議。 這些建議全都類似於您新增至區段規則的特徵。 向下捲動以查看所有建議的特徵。

4. （選用）若要從特定資料來源排除建議的第一方特徵，請針對您要排除的資料來源按一下​X​符號。

   注意

   排除的資料來源會顯示在建議特徵清單的正上方。 按一下灰色方塊中的​X​以移除排除項目，並再次查看個別資料來源的結果。

   1. 若要將建議的特徵新增至區段規則，請按一下​**+**​符號。

現有區段

1. 前往​Audience Data>Segments，選取您要編輯的區段，然後按一下。

2. 向下捲動至Traits下拉式方塊。

3. 您可以看到與區段規則中已有的特徵類似的建議特徵。 向下捲動以查看所有建議的特徵。

4. （選用）若要從特定資料來源排除建議的特徵，請針對您要排除的資料來源按一下​X​符號。

   注意

   排除的資料來源會顯示在建議特徵清單的正上方。 按一下灰色方塊中的​X​以移除排除項目，並再次查看個別資料來源的結果。

   1. 若要將建議的特徵新增至區段規則，請按一下​**+**​符號。

當您建立或編輯區段並將特徵新增至區段規則時，您最多會看到50個建議特徵，類似於您所新增的特徵。 如果區段規則包含多個特徵，Audience Manager會使用循環方式來顯示每個特徵的最佳比對，以及每個特徵的次佳比對，以此類推，在區段規則中顯示最多五十個特徵（依母體）的最佳比對，依此類推。

例如，當區段規則中有三個特徵時（如下所示），建議的特徵為：

1. 最符合特徵3（人口最多的特徵）;
2. 最符合特徵1;
3. 最符合特徵2;
4. 特徵3的次佳匹配；
5. 特徵1等的次佳比對，直到您取得50個特徵為止。

若要取得特定特徵的建議，您可以按一下區段規則(1)或建議特徵檢視(2)中的特徵。

按一下第一方特徵會開啟快顯視窗，如下圖所示。 如果建議的特徵不屬於區段，您可以按​+​將其新增至區段。

運作方式

若要產生特徵建議，Audience Manager會計算目標特徵與您的帳戶可存取的每個其他特徵（包括第三方資料）之間的Jaccard相似度。 Audience Manager接著會顯示最多50個相似度最高的特徵。

特徵相似度分數

Audience Manager根據UUIDs的數量計算交集和聯合，然後將兩個特徵進行分割，以計算兩個特徵之間的Trait Similarity Score。 針對兩個特徵A和B，計算方式如下：

另請參閱以下兩個範例。

範例1 — 低特徵相似度分數

根據兩個特徵A和B，假設每個特徵的母體為1,000,000 UUIDs,25,000 UUIDs，符合這兩個特徵的資格。
使用上述公式，將產生：25,000 / 1,975,000 = 0.012。這是一個低Trait Similarity Score的值，這兩個特徵非常不同。

範例2 — 特徵相似度分數

如果相同的特徵A和B有400,000個UUIDs符合這兩個特徵的資格，則Trait Similarity Score要高得多：
400,000 / 1,600,000 = 0.25

如何解讀特徵相似度分數

使用下表作為特徵相似度的粗略指南。 本指南以大部分特徵觀察到的相似度分數為基礎。

基於角色的訪問控制(RBAC)

對於使用Role-Based Access Controls (RBAC)的公司，您必須擁有建立和編輯區段的權限，才能查看建議的特徵。 您看到的特徵建議只是您透過RBAC存取的資料來源。

請詳閱RBAC控制項此處了解詳情。

限制

• 目前，Audience Manager未將資料夾特徵顯示為建議特徵。 請前往這裡，深入了解資料夾特徵。
• 顯示特徵Recommendations時，Audience Manager不會考慮區段規則中的Boolean運算子(AND、OR、NOT)。