特徵建議

從您自己的第一方特徵和Audience Marketplace資料饋送建立區段時,取得即時特徵建議。

視訊展示

首先觀看下面的Trait Recommendations視頻,然後閱讀以瞭解詳細資訊。 影片展示會示範如何使用您自己的第一方特徵的建議,以及您已訂閱​之Audience Marketplace資料饋送的特徵建議。

下一個視訊會概述Marketplace Recommendations的工作流程,顯示如何根據Audience Marketplace中資料饋送的建議,將特徵新增至區段。 這些建議是以您未訂閱​的資料饋送為基礎。

概述

Trait Recommendations在Audience Manager的支 Adobe Sensei援下,將資料科學帶入您的日常工作流程。使用Trait Recommendations,當您在區段產生器中建立或編輯區段時,您會獲得可包含的其他特徵建議,這些特徵類似於區段規則中的特徵。

Audience Manager會從您的第一方特徵、Recommendations​區段和​Audience Marketplace​區段中,顯示特徵建議。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。

特徵建議概觀

簡而言之:

  • Audience Manager在Recommendations區段中顯示第一方特徵。 您未訂閱之公開和私人動態消息的市場建議會顯示在Recommendations from Marketplace區段中。 按一下動態消息名稱,前往Audience Marketplace並訂閱。
  • Audience Manager最多顯示50個類似區段規則中的特徵。
  • 您可以篩選不想看到任何建議的資料來源。
  • 在計算相似度時,Audience Manager會考慮在過去30天內符合特徵的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天內該特徵沒有活動,或Audience Manager尚未更新該特徵的建議。 請在24小時內再試一次。

使用個案

有了Trait Recommendations,您可以改善工作流程,視您使用Audience Manager的方式而定:

  • 身為行銷人員,您可以透過類似特性的協助,快速找到對互補產品感興趣的受眾,以便擴大觸及面。
  • 如果您使用Audience Manager做為發行者,並搭配Trait Recommendations,您就可以瞭解受眾行為,並建立更好的細分,以利廣告銷售或使用者獲取。
  • 身為Audience Marketplace資料購買者,我想在不瀏覽大量動態消息的情況下,發現相關的第三方資料。
  • 身為Audience Marketplace資料提供者,我想向購買者推薦相關資料,以便從最佳且相關的訂閱中獲益。

特徵建議與演算法模型的差異

演算法模型

Algorithmic Models 不僅可以找到最具影響力的特徵,還可以根據這些特徵對用戶進行評分,並為每個用戶分配一個單獨的分數。接著您可建立演算法特徵,來鎖定您的使用者。在Trait Builder中,您可以精確控制並觸及控制項,指定您要鎖定哪些具有影響力特性的使用者。

Algorithmic Models 可讓您選擇不同準確度等級的使用者,並測試哪 Audience Lab 組使用者轉換效果更佳。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的使用者。

特徵建議

Trait Recommendations 是取得其他特性見解的快速方式,這些特性與您在群體中使用的特性類似。

您應在下列情況下使用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

區段產生器中建立或編輯區段時,您可以探索類似於區段規則中特徵的特性。 區段產生器工作流程對於新區段和現有區段非常類似:

新區段

  1. 前往​讀者資料>區段,然後按一下「新增​」。

  2. 在​Traits​下拉式方塊中,新增至少一個特徵至區段規則。

  3. 您可在​Recommendations​區段中,從您訂閱的饋送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饋送的特徵建議。 所有這些建議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. (選擇性)若要從某些資料來源排除建議的第一方特徵,請按一下您要排除之資料來源的​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,並再次檢視個別資料來源的結果。

  5. 若要將建議的特徵新增至區段規則,請按一下​+​符號。

重要

將Marketplace特徵新增至區段時,這些特徵僅用於區段估計,直到您訂閱對應的資料饋送為止。 來自您未訂閱之資料饋送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,前往資料饋送頁面並加以訂閱。

marketplace-not-subscriped

您只能在訂閱對應的資料饋送後,才能儲存具有第三方特徵的區段。

現有區段

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

  2. 向下捲動至Traits下拉式方塊。

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

  4. (可選)若要從某些資料來源排除建議的特徵,請按一下您要排除之資料來源的​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,並再次檢視個別資料來源的結果。

  5. 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新增特徵至區段規則時,最多會看到50個建議特徵,與您新增的特徵類似。 如果區段規則包含多個特徵,Audience Manager會在區段規則中使用循環方式顯示每個特徵的最佳比對,接著顯示每個特徵的次佳比對,依人口數計算,以及最多50個特徵的次佳比對等。

三種基本特徵

例如,當區段規則中有三個特徵(如下所示)時,建議的特徵為:

  1. 特徵3(人口最多的特徵)的最佳匹配;
  2. 特徵1的最佳匹配;
  3. 特徵2的最佳匹配;
  4. 特徵3的次佳匹配;
  5. 特徵1的次佳匹配,等等,直到您獲得50個特徵。

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。

base-traits-example

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。

新增至區段

秘訣

在特徵資訊快顯視窗中產生建議時,會考慮來自首頁面的已排除資料來源。 此外,如果您在此檢視中排除資料來源,排除將套用至首頁面。

注意

建議的特徵可以是您在Audience Marketplace中訂閱之資料饋送的第一方特徵或第三方特徵。

運作方式

若要產生特徵建議,Audience Manager會計算目標特徵和您的帳戶可存取的所有其他特徵(包括第三方資料)之間的Jaccard相似性。 然後,Audience Manager會顯示最多50個相似度最高的特徵。

特徵相似性分數

Audience Manager會根據UUIDs的數目計算交叉點和並,然後將兩個特徵分割,以計算兩個特徵之間的Trait Similarity Score。 對於兩個特徵A和B,計算結果如下:

jaccard-similiar

另請參見以下兩個示例。

範例1 —— 低特徵相似性分數

假設有兩個特徵A和B,假設每個特徵的人口為1,000,000個UUIDs,25,000個UUIDs,其中兩個特徵都符合。
使用上述公式,將產生:25,000 / 1,975,000 = 0.012。這是一個低Trait Similarity Score的特徵,這兩個特徵非常不同。

特徵——建議——低重疊

範例2 —— 特徵相似性分數

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

特徵——建議——高重疊

如何解讀特徵相似度分數

使用下表作為特徵相似性的粗略指南。 本指南基於在大多數特徵上觀察到的相似性得分。

Trait Similarity Score 重要性
0.1及以上版本 特徵之間的高度相似性
0.03 - 0.1 特徵之間的中度相似性
0.01 - 0.03 特徵之間的低相似性
0 - 0.01 特徵之間的相似性很低

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。 您看到的特徵建議僅是您可透過RBAC存取的資料來源。

重要

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使用者才能訂閱Audience Marketplace資料饋送。

閱讀更多RBAC控制項的相關資訊。

限制

  • 目前,Audience Manager不會將資料夾特徵顯示為建議特徵。 閱讀更多有關資料夾特徵的資訊,請參閱
  • 在顯示「特徵建議」時,Audience Manager不會在區段規則中考慮Boolean運算子(AND、OR、NOT)。

本頁內容

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