Preguntas frecuentes sobre Predictive Audiences
Preguntas frecuentes sobre Predictive Audiences.
¿Cuándo debería usar Predictive Audiences en lugar de Look-alike modeling?
Predictive Audiences y Look-alike modeling sirven para diferentes casos de uso. Estas son las principales diferencias entre los dos algoritmos:
- Look-alike modeling toma una pequeña audiencia como entrada y la amplía. Predictive Audiences toma una audiencia grande como entrada y la divide en distintas audiencias más pequeñas, definidas por las personalidades.
- El número de segmentos de base es diferente en cada algoritmo. Predictive Audiences requiere al menos dos líneas de base, mientras que Look-alike modeling utiliza una línea de base como máximo.
- Predictive Audiences realiza una evaluación de segmentos en tiempo real, mientras que Look-alike modeling no lo hace.
En función de su caso de uso, debe decidir qué modelo será más relevante para usted.
Puede considerar la construcción de un modelo de Predictive Audiences con una serie de líneas de base, lo que equivale a construir el mismo número de modelos de similitud, aunque sin la evaluación en tiempo real, y con una alta probabilidad de tener visitantes que se corresponden con diferentes personalidades, en lugar de con una sola personalidad diferenciada.
¿Cuántas personalidades o modelos puedo crear?
Puede crear hasta diez modelos de Predictive Audiences. Para cada uno, puede definir hasta 50 rasgos o segmentos de base.
¿Cómo puedo generar nuevos segmentos a partir de un segmento de Predictive Audiences?
Vaya a Audience Data > Segments y haga clic en la carpeta Predictive Audiences. Busque el segmento deseado, haga un duplicado y edítelo según sus necesidades.
¿Cuándo puedo ver los primeros resultados producidos por mi modelo?
Los resultados del modelo de Predictive Audiences están disponibles en un plazo de 24 horas a partir de la creación del modelo, si este se ejecuta correctamente.
Si el modelo no produce resultados en un plazo de 24 horas, póngase en contacto con su representante de Adobe.
¿Por qué mi modelo no produce resultados o muestra el estado de advertencia?
Las razones por las que los modelos de Predictive Audiences no producen resultados pueden ser varias:
- Ninguna de las personalidades seleccionadas traits / segments tiene suficientes perfiles de usuario. Recomendamos que elija su traits o segments de modo que cada persona tenga unos cientos de perfiles de usuario, al menos.
- Ninguna de las personas seleccionadas traits / segments tiene datos suficientes en sus perfiles de usuario (no hay suficientes rasgos para analizar).
- El rasgo de la audiencia o del segmento objetivo no tiene usuarios activos o incorporados.
- Los usuarios de la audiencia destinataria activos o incorporados en los últimos 30 días no tienen datos suficientes en sus perfiles de usuario (no tiene los rasgos suficientes para analizar).
- El segmento de audiencia de destino usa un(a) Profile Merge Rule diferente del que eligió para el modelo.
- Es posible que la fuente de datos de sus rasgos de audiencia de destino no se incluya en el Profile Merge Rule que eligió para el modelo.
Para obtener resultados óptimos, siga las directrices sugeridas en Criterios de selección de personalidades y Criterios de selección de la audiencia de destino.
¿Por qué mi modelo muestra el estado Error?
No se pudo ejecutar el modelo. En estos casos, póngase en contacto con su representante de Adobe.
¿Cómo puedo cambiar el Profile Merge Rule para un Predictive Audiences segment?
Cree un nuevo modelo seleccionando las mismas personas y la misma audiencia de destino que el modelo anterior. Durante la creación del modelo, asigne un(a) Profile Merge Rule diferente.
¿Qué Profile Merge Rule debo elegir?
Al elegir Profile Merge Rule para el modelo, analice detenidamente el caso de uso.
Supongamos que la audiencia de destino segment usa Profile Merge Rule basado en perfiles autenticados + Device Graph perfiles y que usted selecciona el mismo Profile Merge Rule para la audiencia predictiva segments. En este caso, tanto el nivel de dispositivo como el nivel entre dispositivos traits se utilizarán para entrenar el modelo y para colocar al usuario en un elemento predictivo segment.
Sin embargo, si selecciona un(a) Profile Merge Rule basado(a) solamente en perfiles de dispositivo, ninguno de los(as) traits de dispositivos cruzados se volverá influyente y no contribuirá a colocar a los usuarios en un(a) segment predictivo(a). Esto puede afectar negativamente a la precisión y el alcance del modelo.
Analice su caso de uso con cuidado y decida de qué tipos de trait desea que aprenda el modelo y qué tipo de datos desea que utilice el modelo para la clasificación.
¿Podría dejar de clasificarse a un usuario de la audiencia de destino que no forme parte de ningún rasgo o segmento de personalidad?
Sí, en caso de que el usuario no tenga ningún rasgo en su perfil. En ese caso, el usuario obtendrá una puntuación de coincidencia de 0 en todos los rasgos o segmentos personales y, por lo tanto, no se clasificará en ninguno de los segmentos predictivos.
¿Un usuario que ha sido clasificado en uno de los segmentos predictivos puede reubicarse en otro segmento de Predictive Audiences?
Sí. Como el algoritmo se forma a diario, aplica los cambios para cada una de las personalidades en términos de puntuación de rasgos. Si un usuario que forma parte de un segmento Predictive Audiences está activo, los cambios en su puntuación de rasgos pueden modificar la clasificación en función de la actividad de los últimos 30 días.
¿Puedo ver los rasgos que rigen la clasificación de audiencias?
Sí, puede ver todos los rasgos influyentes de todas las líneas de base en la página de creación de informes del modelo. Consulte Rasgos influyentes.
¿Puedo cambiar el tiempo de vida (TTL) para rasgos predictivos?
El TTL de rasgo predictivo se establece en 0 (duración) y no se puede cambiar. Predictive Audiences solo puede anular la segmentación de usuarios de segmentos predictivos si cumplen los requisitos para el segmento base o si se reclasifican en un segmento predictivo diferente.
Si es necesario, puede solucionar esta funcionalidad creando un nuevo segmento que contenga un rasgo predictivo y un rasgo de actividad con un TTL especificado.
¿Qué le ocurre al modelo si edito uno de sus rasgos o segmentos de línea de base?
El modelo evalúa los rasgos o segmentos una vez al día. La clasificación actualizada debería verse al día siguiente de su actualización.
¿Puedo seleccionar las fuentes de datos de las que aprenderá el modelo?
No, no se admite la selección de fuentes de datos. El algoritmo de Predictive Audiences aprende de todos los rasgos de origen.