Aumentare il ROAS utilizzando i modelli algoritmici (lookalike) in Audience Manager increase-roas-by-using-algorithmic-look-alike-models-in-audience-manager

Il vero potere del sosia Audience Manager Modeling arriva quando cerchi di espandere il pubblico della linea di base rispetto a un set di utenti nuovo di qualità da origini dati di seconde e terze parti. In questa esercitazione, scopri i passaggi necessari per creare un modello da questi dati.

Abilitare i flussi di dati di seconde o terze parti dall’Audience Marketplace enable-2nd-or-3rd-party-data-streams-from-the-audience-marketplace

Per utilizzare dati di seconde e terze parti in un modello lookalike, dobbiamo prima abilitare tali dati nell’interfaccia di Audience Manager. Adobe dispone di un numero elevato di provider di dati di seconde e terze parti tra cui puoi scegliere. Questi sono disponibili in un’interfaccia self-service in AAM, tramite l’Audience Marketplace. Passa all’Audience Marketplace e sfoglia le possibilità. Il video seguente illustra come eseguire questa operazione, tra cui come abilitare i flussi gratuiti "prova prima di acquistare", in modo da poter bloccare i dati che saranno più utili per la tua organizzazione prima di confermare i prezzi del provider di dati.

Inoltre, per aiutarti a eseguire ricerche e decidere quale provider di dati utilizzare, una grande risorsa è Adobe Audience Finder.

Identificare o creare una caratteristica o un segmento utente (conversione) ideale identify-create-an-ideal-user-conversion-trait-or-segment

Cosa stai cercando di convincere le persone a fare sul tuo sito? Qual è il tuo evento di conversione? Naturalmente, ci sono molte risposte diverse a questa domanda, a seconda del tipo di sito/verticale e degli obiettivi organizzativi. In ogni caso, è comune in AAM creare una caratteristica per i visitatori che hanno soddisfatto tali criteri.

Nel video seguente, ti mostrerò come creare una caratteristica di conversione, che vorrai avere in posizione mentre prosegui attraverso questa esercitazione e crei un modello lookalike.

Inoltre, quando si utilizzano gli eventi di Adobe Analytics per creare le caratteristiche, è necessario tenere presente un aspetto importante, in modo da non raccogliere più utenti di quanto si dovrebbe per la caratteristica. Guarda il video seguente per la grande rivelazione. :)

NOTA: Nel video precedente, l’esempio che mostro presuppone la presenza di Adobe Analytics. Ovviamente, questo potrebbe non essere il caso. Se hai delle Google Analytics (GA), disponiamo di un modulo che puoi utilizzare per inviare dati all’AAM (vedi documentazione), e se l’attività di conversione sul sito viene inviata all’AAM da GA, puoi creare la caratteristica di conversione da quella. Se disponi di una soluzione di analisi diversa (o nessuna soluzione di analisi), puoi comunque inviare dati all’AAM tramite il nostro codice DIL e il submit funzione, ecc. (vedere documentazione). Quindi crea la caratteristica di conversione in base ai dati inviati quando l’attività di conversione viene eseguita sul sito.

Creare un modello lookalike da dati di seconde o terze parti create-a-look-alike-model-from-2nd-or-3rd-party-data

Dopo aver completato i passaggi precedenti, siamo pronti per creare un modello algoritmico (simile). Durante la configurazione del modello, utilizzeremo la caratteristica di conversione come caratteristica di base (visitatori chiave che vogliamo duplicare) e il flusso di dati di terze parti abilitato come gruppo di persone da cui attingere.

Una best practice importante an-important-best-practice

Quando creiamo il modello algoritmico in Audience Manager, ovviamente vogliamo che il modello sia il più efficace possibile. Poiché il modello considera tutte le caratteristiche di cui fanno parte i membri della caratteristica/segmento di base, non aiuta il modello se TUTTE le persone sono in una caratteristica/segmento. Pertanto, se disponi di caratteristiche super generiche (come tutti coloro che sono andati sul tuo sito o tutti coloro che hanno ricevuto annunci da te, ecc.), assicurati che l’origine dati a cui appartengono NON sia inclusa nelle origini dati del modello. Nel caso di utilizzo di questo articolo, è improbabile che tu possa farlo, perché ci stiamo concentrando sull’analisi di dati di terze parti per i nostri nuovi lookalike, ma vale la pena menzionare comunque, e si applica a TUTTI i tuoi modelli algoritmici.

Crea un Algorithmic Trait creating-an-algorithmic-trait

Successivamente, sarà necessario creare un’ Algorithmic Trait, in modo da poter utilizzare i risultati del modello. Senza creare una caratteristica, il modello è inutile. Quindi, dopo l’esecuzione del modello, accertati di passare alla finestra di dialogo delle caratteristiche e creare un’ Algorithmic Trait. Il video seguente illustra e fornisce alcuni suggerimenti.

Creare un segmento dai dati del modello e inviarlo all’DSP creating-a-segment-from-the-model-data-and-sending-it-to-dsps

Dopo aver creato un’ Algorithmic Trait, puoi creare un nuovo segmento per inserirlo, in modo da poter attivare i dati (non puoi attivare una caratteristica, ma piuttosto creare un nuovo segmento con una caratteristica con Algorithmic Trait in modo da poter attivare (utilizzare) il segmento).

Dopo aver creato un segmento da questa caratteristica algoritmica, avrai un pubblico di potenziali clienti che assomigliano a persone già convertite sul tuo sito. Ora puoi mappare questo segmento a una qualsiasi delle destinazioni DSP in Audience Manager. Potrai indirizzare il marketing a quei lookalike che hanno più probabilità di conversione sul tuo sito rispetto al solo pubblico normale, aumentando il Return on Ad Spend.

recommendation-more-help
468cbaa0-07ce-4354-9a38-4f23b645a466