返回特定特征和整个区段之间共享的唯一用户数的数据。
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查看区段和特征。
作为优化工具,Segment to Trait Overlap报告可帮助您建立高度集中的细分或扩大细分范围。 例如,您可以创建重叠度高的重点细分和特征,以到达特定受众。 但是,大量重叠可能意味着唯一用户数量减少(触及范围更小)。 运行此报告以通过删除具有大量细分重叠的特征并用重叠较少的特征替换它们来帮助扩大受众范围。
下图提供了Segment-to-Trait Overlap报告的高级概述。
在弹出窗口中选择单个点以视图数据详细信息。 单击操作会自动更新报告中显示的数据。
介绍如何比较区段和特征,从结果中获得有意义的信息。
乍一看,比较细分与特征并试图从结果中得出结论似乎不合逻辑。 毕竟,细分和特征是不同的,那么从不同项目中衍生出的数据又有什么意义呢? 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唯一访客数。 共享的唯一访客计数提供了使区段与特征比较成为可能的公用值。
下图说明了特征与其所属的区段之间的关系。 在这个例子中,我们有一个特征,有10个访客,一个有1000个访客的片段。 他们共有3个独特的访客。
唯一访客计数是这些不同类别对象之间共享的常数值。 因此,您可以按如下方式确定它们之间的唯一访客关系:
查看特征和区段之间的重叠可以帮助您估计可用访客池总数(预测)或查找重叠过多的低效区段。
用例 | 描述 |
---|---|
预测 | 要确定可用访客池,请求特征总和(较少重叠)与段总和(较少重叠)之间的差值总和。 此区段特征组合可能最多容纳1004个新用户。 |
查找低效的细分 | 如果特征是段定义中 AND组的一部分,则具有该特征的唯一访客已在段中,无法添加到段。 您可以使用此报表查找重叠度低的相关特征并将它们添加到区段定义中,从而增加该区段受众池的范围。 |
描述特征和区段唯一重叠%滑块的工作方式。
通过Segment-to-Trait overlap报告,您可以使用两个滑块按重叠%(按特征或段)筛选数据。
下图说明了特征单位%与段单位%之间的差异。 在这种情况下,特征和区段共享3个唯一访客。 比例:
描述在单击单个数据点时在弹出窗口中显示的度量。
Segment-to-Trait Overlap报告的弹出窗口包含以下度量。 请注意,表中的唯一度量表示您的实时用户。
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。 |
特征唯一重叠% | 特征与区段共享的唯一访客的百分比。 |
区段唯一值重叠% | 区段共享具有特征的唯一访客的百分比。 |
重叠单位 | 区段与特征之间共享的唯一访客数。 |
段唯一值 | 区段中的唯一访客数。 |
特征唯一 | 特征中的唯一访客数。 |