區段至特徵重疊報表

傳回特定特徵和整個區段之間共用之不重複使用者數量的資料。

注意

Audience Manager中的重疊報表遵循RBAC原則。 您只能根據您所屬的RBAC使用者群組,從您有權存取的資料來源查看區段和特徵。

概述

Segment to Trait Overlap報表作為最佳化工具,可協助您建立高度聚焦的區段或擴展區段觸及範圍。 例如,您可以建立重疊度高的重點區段和特徵,以觸及特定對象。 不過,大量重疊可能表示不重複使用者減少(觸及較少)。 執行此報表可移除具有大量區段重疊的特徵,並以重疊較少的特徵取代,以協助擴展觸及範圍。

範例報表

下圖提供Segment-to-Trait Overlap報表的高階概觀。

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,從結果中衍生出有意義的資訊。

比較特徵和區段唯一值:範例

乍一看,比較區段與特徵並嘗試從結果中得出結論,可能有些不合邏輯。 畢竟,區段和特徵不同,因此從不同項目衍生的資料有何意義? 但在此情況下,我們不會比較特徵和區段,而是會比較它們之間共用的不重複訪客數量。 共用的不重複訪客計數提供的通用值,可讓區段與特徵比較成為可能。

下圖說明特徵與其所屬區段之間的關係。 在此案例中,我們有一個特徵有10位訪客,而一個區段有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常數值。 因此,您可以依下列方式判斷兩者之間的不重複訪客關係:

  • 特徵會與區段共用其不重複訪客的30%(3/10 = 0.30)。
  • 區段會與特徵共用0.3%的不重複訪客(3/1,000 = 0.003)

找出區段中的值以比較特徵

查看特徵和區段之間的重疊,可協助您估計可用的訪客池總數(預測),或找出重疊過多的低效區段。

使用案例 說明
預測

若要判斷可用訪客池,請加總特徵總計(較少重疊)與區段總計(較少重疊)之間的差異。

此區段 — 特徵組合最多可吸引1004名新使用者。

找出效率低下的區段

如果特徵屬於區段定義中的 AND群組,則具有該特徵的不重複訪客已位於區段中,無法新增至區段。 您可以使用此報表來尋找低重疊的相關特徵,並將其新增至區段定義,以增加該區段對象庫的觸及率。

了解區段對特徵重疊報表中的資料篩選

說明特徵和區段不重複重疊%滑桿的運作方式。

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

  • Filter Trait Uniques %: 依在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 %: 依區段與特徵之間共用的不重複訪客%來篩選資料。

範例

下圖說明特徵唯一值%與區段唯一值%之間的差異。 在此情況下,特徵和區段會共用3個不重複訪客。 比例:

  • 特徵會與區段共用其不重複訪客的30%(3/10 = 0.30)。
  • 區段會與特徵共用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

說明按一下個別資料點時,快顯視窗中顯示的量度。

Segment-to-Trait Overlap報表的快顯功能表包含下列量度。 請注意,表格中的唯一值量度代表您的​即時使用者

量度 說明
區段ID 區段的唯一數值ID。
特徵資料來源 特徵擁有者的名稱。
資料來源類型 定義特徵所屬的提供者類型。 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/供應商)。
特徵ID 特徵的唯一數值ID。
特徵名稱 特徵名稱。
特徵不重複值重疊% 特徵與區段共用的獨特訪客百分比。
區段唯一客戶重疊% 區段與特徵共用的不重複訪客百分比。
重疊不重複值 區段與特徵之間共用的不重複訪客數。
區段不重複值 區段中的不重複訪客數。
特徵不重複值 特徵中的不重複訪客數。

本頁內容