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。
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。
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:
透過Trait Recommendations,您可以根據使用Audience Manager的方式來改善工作流程:
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。
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:
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:
前往「受眾資料>區段」,然後按一下「新增」。
在特徵下拉式方塊中,至少新增一個特徵至區段規則。
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。
(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。
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。
將Marketplace特徵新增至區段時,這些特徵只會用於區段估計,直到您訂閱對應的資料摘要為止。 來自您未訂閱之資料摘要的特徵會在特徵清單中標示為購物車圖示。 按一下特徵名稱即可前往資料摘要頁面並訂閱。
只有在訂閱對應的資料摘要後,才能儲存具有第三方特徵的區段。
前往Audience Data>Segments,選取您要編輯的區段,然後按一下。
向下捲動至Traits下拉式方塊。
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。
(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。
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。
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:
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。
在特徵資訊快顯視窗內產生建議時,會考量主要頁面中排除的資料來源。 此外,如果您在此檢視中排除資料來源,排除將套用至主要頁面。
建議的特徵可以是您在Audience Marketplace中訂閱之資料摘要的第一方特徵或第三方特徵。
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。
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。
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。
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
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。
Trait Similarity Score | 顯著性 |
---|---|
0.1及以上版本 | 特徵之間的高度相似性 |
0.03 - 0.1 | 特徵之間的中等相似度 |
0.01 - 0.03 | 特徵之間的低相似度 |
0 - 0.01 | 特徵之間的相似性非常低 |
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。
若要新增Marketplace Recommendations至區段,使用者必須先訂閱對應的資料饋送。 只有具有管理員權限的用戶才能訂閱Audience Marketplace資料摘要。
請詳閱RBAC控制項此處了解詳情。