区段到特征重叠报表

傳回特定特徵和整個區段之間共用的不重複使用者人數資料。

注意

Audience Manager中的重疊報表遵循RBAC原則。 您只能根據以下專案從您有權存取的資料來源檢視區段和特徵 rbac使用者群組 您所屬的。

概述

作為最佳化工具， Segment to Trait Overlap 報表可協助您建立高度聚焦的區段，或擴大區段觸及率。 例如，您可以建立高度重疊的重點區段和特徵，以觸及特定對象。 不過，大量重疊可能代表不重複使用者較少（觸及範圍較小）。 執行此報告可移除有許多區段重疊的特徵，並以重疊較少的特徵取代，以協助擴大觸及率。

範例報告

下圖提供 Segment-to-Trait Overlap 報告。

深入研究個別資料點

選取個別點，以在快顯視窗中檢視資料詳細資訊。 您的點按動作會自動更新報表中顯示的資料。

比較區段與特徵

說明如何比較區段和特徵，以從結果中得出有意義的資訊。

比較特徵和區段唯一性：範例

乍看之下，將區段與特徵進行比較並嘗試從結果中得出結論似乎不合邏輯。 畢竟，區段和特徵是不同的，所以從不同的專案衍生的資料有什麼意義？ 不過，在此案例中，我們並非比較特徵和區段，而是比較兩者之間共用的不重複訪客數量。 共用的不重複訪客計數提供通用值，可讓區段與特徵比較。

下圖說明特徵與其所屬區段之間的關係。 在此案例中，我們有一個特徵包含10位訪客，而區段包含1,000位訪客。 他們共用3個不重複訪客。

不重複訪客計數是這些不同物件類別之間共用的共同常數值。 因此，您可以依照下列方式判斷兩者之間的不重複訪客關係：

  • 特徵的30%不重複訪客與該區段共用(3/10 = 0.30)。
  • 區段與特徵共用0.3%的不重複訪客(3/1,000 = 0.003)

尋找區段值以進行特徵比較

檢視特徵和區段之間的重疊有助於估計可用的訪客集區總數（預測），或找出重疊太多且效率低下的區段。

用例 描述
預測

若要判斷可用的訪客集區，請加總特徵總計（較少重疊）和區段總計（較少重疊）之間的差異。

此區段特徵組合最多可達1004名新使用者。

尋找低效區段

如果特徵屬於 和 群組，則具有該特徵的不重複訪客已存在於區段中，且無法新增至區段。 您可以使用此報表尋找低重疊的相關特徵，並將其新增至區段定義，藉此擴大該區段受眾集區的觸及率。

瞭解區段對特徵重疊報表中的資料篩選器

說明特徵和區段不重複重疊%滑桿如何運作。

此 Segment-to-Trait overlap 報表可讓您使用兩個滑桿，依特徵或區段依重疊百分比篩選資料。

  • Filter Trait Uniques %: 依特徵和區段之間共用的不重複訪客百分比篩選資料。
  • Filter Segment Uniques Overlap %: 依區段和特徵之間共用的不重複訪客百分比篩選資料。

示例

下圖說明特徵唯一值%與區段唯一值%之間的差異。 在這種情況下，特徵和區段共用3個不重複訪客。 以比例顯示：

  • 特徵的30%不重複訪客與該區段共用(3/10 = 0.30)。
  • 區段與特徵共用0.3%的不重複訪客(3/1,000 = 0.003)

定義的區段對特徵資料快顯欄位

說明當您按一下個別資料點時，彈出式視窗中顯示的量度。

的快顯視窗 Segment-to-Trait Overlap 報表包含下列量度。 請注意，表格中的不重複量度代表 即時使用者.

量度 描述
區段ID 區段的不重複數值ID。
特徵資料來源 特徵擁有者的名稱。
資料來源型別 定義特徵所屬的提供者型別。 可以是：
  • 第一方（您自己的特徵）。
  • 第三方（來自外部資料合作夥伴/廠商）。
特徵ID 特徵的不重複數值ID。
特徵名稱 特徵名稱。
特徵不重複重疊百分比 特徵與此區段共用的不重複訪客百分比。
區段不重複重疊百分比 某個區段與某個特徵共用的不重複訪客百分比。
重疊不重複專案 區段和特徵之間共用的不重複訪客數量。
區段唯一值 區段中的不重複訪客數量。
特徵不重複 特徵中的不重複訪客數量。
相关文章

在此页面上