返回在特定特征和整个区段之间共享的独特用户数量数据。
Audience Manager中的重叠报表遵循RBAC原则。 您只能根据您所属的RBAC用户组,从您有权访问的数据源中查看区段和特征。
作为一种优化工具,Segment to Trait Overlap报表可帮助您生成高度集中的区段或扩展区段范围。 例如,您可以创建重叠程度较高的重点区段和特征以访问特定受众。 但是,大量重叠可能意味着独特用户数量减少(访问范围减少)。 运行此报表可帮助扩展访问范围,方法是删除具有大量区段重叠的特征,并将其替换为重叠较少的特征。
下图提供了Segment-to-Trait Overlap报表的高级概述。
选择单个点以在弹出窗口中查看数据详细信息。 您的点击操作会自动更新报表中显示的数据。
描述如何比较区段和特征,从结果中获得有意义的信息。
乍一看,将区段与特征进行比较并尝试从结果中得出结论似乎不合逻辑。 毕竟,区段和特征是不同的,那么从不同项目派生的数据如何具有意义? 但是,在这种情况下,我们不会比较特征和区段,而是比较它们之间共享的独特访客数。 共享的独特访客计数提供了使区段与特征比较成为可能的通用值。
下图说明了特征与其所属区段之间的关系。 在这种情况下,我们的特征为10位访客,而区段为1,000位访客。 他们共享3个独特访客(共同)。
独特访客计数是这些不同类对象之间共享的常量值。 因此,您可以按如下方式确定它们之间的独特访客关系:
查看特征和区段之间的重叠情况,可以帮助您估计可用访客池总数(预测),或查找重叠程度过高的低效区段。
用例 | 描述 |
---|---|
预测 | 要确定可用的访客池,请汇总特征总数(减少重叠)和区段总数(减少重叠)之间的差值。 此区段 — 特征组合最多可包含1004个新用户。 |
查找效率低下的区段 | 如果某个特征属于区段定义中的 AND组,则具有该特征的独特访客已位于区段中,且无法添加到区段。 您可以使用此报表查找重叠程度较低的相关特征,并将其添加到区段定义中,从而增加该区段受众池的访问范围。 |
描述特征和区段独特重叠%滑块的工作方式。
Segment-to-Trait overlap报表允许您使用两个滑块按重叠百分比(按特征或区段)过滤数据。
下图说明了特征独特数%与区段独特数%之间的差异。 在这种情况下,特征和区段共享3个独特访客。 比例:
描述在单击单个数据点时弹出窗口中显示的量度。
Segment-to-Trait Overlap报表的弹出窗口包含以下量度。 请注意,表中的唯一值量度表示您的实时用户。
量度 | 描述 |
---|---|
区段ID | 区段的唯一数字ID。 |
特征数据源 | 特征所有者的名称。 |
数据源类型 | 定义特征所属的提供程序类型。 可以是:
|
特征ID | 特征的唯一数字ID。 |
特征名称 | 特征的名称。 |
特征独特值重叠% | 一个特征与该区段共享的独特访客的百分比。 |
区段独特值重叠% | 区段与某个特征共享的独特访客百分比。 |
重叠独特值 | 区段和特征之间共享的独特访客数。 |
区段独特值 | 区段中的独特访客数。 |
特征独特数 | 特征中的独特访客数。 |