区段到特征重叠报表

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。

注意

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。

概述

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。

示例报表

下图提供了Segment-to-Trait Overlap报表的高级概述。

深入了解单个数据点

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。

将区段与特征进行比较

描述如何比较区段和特征，从结果中获得有意义的信息。

比较特征和区段独特数：示例

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：

  • 特征与区段共享其独特访客的30%(3/10 = 0.30)。
  • 区段共享其独特访客的0.3%与特征(3/1,000 = 0.003)

在区段与特征比较中查找值

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。

了解区段到特征重叠报表中的数据过滤器

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。

  • Filter Trait Uniques %: 按特征和区段之间共享的独特访客百分比过滤数据。
  • Filter Segment Uniques Overlap %: 按区段与特征之间共享的独特访客百分比过滤数据。

示例

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：

  • 特征与区段共享其独特访客的30%(3/10 = 0.30)。
  • 区段共享其独特访客的0.3%与特征(3/1,000 = 0.003)

定义的区段到特征数据弹出字段

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：
  • 第一方（您自己的特征）。
  • 第三方（来自外部数据合作伙伴/供应商）。
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。
相关文章

在此页面上