Utilice modelos de similitud para ampliar el inventario agotado de datos de origen using-look-alike-models-to-extend-sold-out-inventory-from-your-st-party-data

En este tutorial, explicaremos los pasos que debe seguir para configurar y utilizar la similitud de Models con el fin de crear nuevas audiencias de similitud y venderlas como una extensión para el segmento de conversión.

Detalles del caso de uso use-case-details

Es editor de contenido. Si ya ha agotado el inventario de convertidores en su sitio, es posible que piense que su oportunidad termina allí. AAM Especifique la similitud de Models de los usuarios. Al utilizar esta función, puede ampliar aún más el inventario de productos agotados y también vender audiencias de personas que quizá aún no se hayan convertido, pero que se ven o actúan como personas que se han convertido. Este segmento de audiencia generalmente se vendería por menos que los convertidores reales, pero sin embargo le permite agregar a sus resultados finales al proporcionar una opción de audiencia adicional para anunciantes que deseen colocar anuncios en su sitio. La ventaja adicional de este caso de uso es que no le cuesta nada ejecutar este modelo en los datos de origen.

Los pasos de este tutorial son los siguientes:

Identificar o crear un rasgo o segmento de usuario (conversión) ideal identify-create-an-ideal-user-conversion-trait-or-segment

¿Qué está intentando que la gente haga en su sitio? ¿Cuál es su evento de conversión? Por supuesto, hay muchas respuestas diferentes a esta pregunta, según el tipo/vertical del sitio y los objetivos de la organización. AAM En cualquier caso, es habitual en los visitantes crear un rasgo para los visitantes que cumplen con esos criterios.

En este caso de uso, esto ya se supone, porque ha vendido el inventario para las personas que son convertidores. Sin embargo, a los efectos de este tutorial, es bueno analizarlo como referencia para el resto del caso de uso.

Además, cuando se utilizan eventos para crear características, hay una clave importante que debe tenerse en cuenta para que no se recopilen más usuarios de los que deberían en la característica. Vea el siguiente vídeo para la gran revelación. :)

NOTA: En el vídeo anterior, el ejemplo que se muestra supone que tiene Adobe Analytics. Obviamente, este puede no ser el caso. Si tiene Google Analytics AAM AAM (GA), tenemos un módulo que puede usar para enviar datos a (consulte la documentación), y si GA envía a su actividad de conversión en el sitio, puede crear su rasgo de conversión a partir de ese módulo (en inglés), que puede usar para enviar datos a los usuarios a los que se ha enviado el módulo de conversión (GA) a su sitio web (en inglés). AAM Si tiene una solución de análisis diferente (o no tiene ninguna solución de análisis), aún puede enviar datos a los usuarios a través de nuestro código de DIL y de la función submit, entre otras opciones. (consulte la documentación). A continuación, vuelva a crear la característica de conversión en función de los datos enviados cuando la actividad de conversión se realiza en el sitio.

Crear un modelo de similitud a partir de datos de origen creating-a-look-alike-model-from-first-party-data

En este paso, vamos a crear un modelo de similitud de First Party. Esto significa que no solo vamos a utilizar un rasgo o segmento de conversión de origen para nuestro rasgo o segmento base (esto sería normal para la mayoría de los modelos de todos modos), sino que también vamos a buscar en el conjunto de datos de origen de más personas que se parecen a los convertidores. No se buscan datos de segundo nivel o de terceros.

En este caso de uso, esto es importante, ya que estamos intentando crear un segmento de usuarios en nuestro sitio que se parecen a los convertidores, pero que aún no se han convertido, de modo que podamos vender este segmento de similitud a anunciantes interesados.

Crear un rasgo algorítmico creating-an-algorithmic-trait

A continuación, tendremos que crear un Algorithmic Trait para poder usar los resultados del modelo. Sin crear un rasgo, el modelo es inútil. Así que después de ejecutar el modelo, asegúrese de ir al cuadro de diálogo de características y crear un Algorithmic Trait. El siguiente vídeo lo analiza y muestra un par de sugerencias.

Ofrecer Algorithmic Segment a los anunciantes offering-the-algorithmic-segment-to-advertisers

Una vez que haya creado un Algorithmic Trait, puede crear un nuevo segmento para ponerlo en él, de modo que pueda activar los datos (no puede activar un rasgo, sino crear un nuevo segmento de un rasgo con el Algorithmic Trait en él, de modo que pueda activar (usar) el segmento.

Una vez que haya creado un segmento de visitantes de origen con una puntuación alta en el modelo de similitud (es decir, que parecen convertidores pero aún no se han convertido), puede ofrecer este segmento a los anunciantes del sitio, incluso después de haber vendido todo el inventario de convertidores reales del sitio. Esta es una excelente manera de extender esta audiencia y seguir viendo ingresos adicionales al usar la similitud Models en el Audience Manager.