Panoramica di Predictive Audiences predictive-audiences
Predictive Audiences ti consente di classificare in tempo reale un pubblico sconosciuto in utenti tipo distinti utilizzando tecniche avanzate di scienza dei dati.
In un contesto di marketing, un utente tipo è un segmento di pubblico definito da visitatori, utenti o potenziali acquirenti che condividono un set specifico di caratteristiche come dati demografici, abitudini di navigazione, cronologia acquisti, ecc.
I modelli di Predictive Audiences portano questo concetto a un livello successivo, consentendoti di utilizzare le funzionalità di machine learning di Audience Manager per classificare pubblici sconosciuti in utenti tipo distinti. Audience Manager ti consente di ottenere questo risultato calcolando la propensione del pubblico sconosciuto di prima parte per un set di tipi di pubblico noti di prima parte.
Quando crei un modello Predictive Audiences, il primo passaggio consiste nella scelta delle caratteristiche o dei segmenti della linea di base in base ai quali classificare il pubblico di destinazione. Queste caratteristiche o segmenti definiranno i tuoi utenti tipo.
Durante la fase di valutazione, il modello crea un nuovo segmento Predictive Audiences per ogni caratteristica o segmento definito come linea di base. Alla successiva visualizzazione, da parte dell'Audience Manager, di un visitatore del pubblico di destinazione non classificato per un utente tipo (non idoneo per nessuna delle caratteristiche o dei segmenti della linea di base), il modello Predictive Audiences determinerà a quale dei segmenti predittivi deve appartenere il visitatore e lo aggiungerà al segmento.
È possibile identificare i segmenti predittivi creati dal modello nella pagina Segments. Ogni modello Predictive Audiences ha una propria cartella nella cartella Predictive Audiences ed è possibile visualizzare i segmenti di ogni modello facendo clic sulla cartella dei modelli.
Casi d'uso use-cases
Per aiutarti a capire meglio come e quando puoi utilizzare Predictive Audiences, ecco alcuni casi d'uso che i clienti di Audience Manager possono risolvere utilizzando questa funzione.
#1 del caso d’uso
In qualità di addetto al marketing in un’azienda di e-commerce, voglio classificare tutti i miei visitatori web e mobili in varie categorie di affinità per il brand, in modo da poter personalizzare la loro esperienza utente.
#2 del caso d’uso
Come addetto al marketing in una società di media, voglio classificare i visitatori web e mobili non autenticati per generi preferiti, in modo da poter suggerire loro contenuti personalizzati su tutti i canali.
#3 del caso d’uso
In qualità di inserzionista di una compagnia aerea, voglio essere sicuro di classificare il mio pubblico in base al loro interesse per le destinazioni di viaggio, in modo da potergli fare pubblicità in tempo reale, entro una breve finestra di retargeting.
#4 del caso d’uso
Come inserzionista, voglio classificare il mio pubblico di prime parti in tempo reale, in modo da poter reagire rapidamente alle notizie di tendenza.
#5 del caso d’uso
In qualità di esperto di marketing, voglio prevedere in quale fase di percorso del cliente si trovano i visitatori del mio sito web, ad esempio scoperta, coinvolgimento, acquisto o fidelizzazione, in modo da poterli indirizzare di conseguenza.
#6 del caso d’uso
Come media company, voglio categorizzare il mio pubblico, in modo da poter vendere il mio spazio pubblicitario a prezzi premium, offrendo al contempo ai miei visitatori annunci rilevanti.
Funzionamento di Predictive Audiences modelli how-predictive-audiences-models-work
Quando si crea un modello Predictive Audiences, vengono eseguiti tre passaggi:
- Innanzitutto, seleziona un minimo di due caratteristiche o due segmenti che definiranno i tuoi utenti tipo.
- Quindi scegli una caratteristica o un segmento che definisce il pubblico target da classificare.
- Infine, scegli un nome per il modello, un'origine dati che memorizzerà i segmenti predittivi e un Profile Merge Rule per il modello.
Criteri di selezione per utenti tipo selection-personas
Puoi scegliere una qualsiasi delle caratteristiche o dei segmenti di prime parti per definire i tuoi utenti tipo. Tuttavia, per risultati ottimali, ecco una serie di best practice consigliate:
- Scegli le caratteristiche o i segmenti dell'utente tipo in modo che ogni utente tipo abbia almeno un centinaio di ID dispositivo.
- Se le caratteristiche sono basate su ID multi-dispositivo, puoi racchiuderle in segmenti con Regole di unione profili che utilizzano ID dispositivo, ad esempio Device Graph. In questo modo ci saranno ID dispositivo sufficienti da cui l'algoritmo può imparare.
- Consigliamo di scegliere caratteristiche o segmenti semplici per i tuoi utenti tipo, costituiti da 1 a 3 caratteristiche.
- Scegli le caratteristiche o i segmenti della linea di base con sovrapposizione minima.
- Assicurati di acquisire caratteristiche granulari nelle proprietà digitali.
Criteri di selezione del pubblico di destinazione selection-audience
A seconda del caso d'uso, se si desidera classificare gli utenti in tempo reale, in batch o in entrambi, scegliere un pubblico di destinazione (trait o segment) con una popolazione significativa in tempo reale e/o totale. Analogamente alla selezione dell'utente tipo, è consigliabile che il pubblico di destinazione trait o segment contenga utenti con profili avanzati (set completi di traits).
Quando selezioni il pubblico di destinazione, analizza il tuo caso d'uso e decidi quali tipi di ID vuoi classificare: device IDs o cross-device IDs. Il Profile Merge Rule selezionato durante la creazione del modello definisce i dati che verranno utilizzati per inserire ogni utente nel segments predittivo.
Come best practice, è consigliabile scegliere un Profile Merge Rule con la stessa configurazione del pubblico di destinazione Profile Merge Rule o uno che includa il tipo di profilo (profilo dispositivo o profilo autenticato) del pubblico di destinazione.
Fase di formazione del modello Predictive Audiences model-training
Prima che l’algoritmo possa classificare il pubblico di prime parti negli utenti tipo giusti, deve addestrarsi sui tuoi dati.
Per ogni utente tipo definito, l’algoritmo analizza il rispettivo pubblico e valuta qualsiasi attività di caratteristiche in tempo reale e/o onboarded per i propri utenti negli ultimi 30 giorni.
Questo passaggio ha luogo una volta ogni 24 ore, per tenere conto delle modifiche nel pubblico di prime parti.
Fase di classificazione del modello Predictive Audiences model-classification
Per la classificazione in tempo reale e in batch del pubblico, il modello controlla innanzitutto se un utente appartiene al pubblico di destinazione. Se l’utente è idoneo per il pubblico target e non appartiene a nessuno degli utenti tipo, il modello assegna loro un punteggio di qualifica dell’utente tipo.
Durante la valutazione dei tipi di pubblico di prime parti e l'assegnazione dei punteggi, il modello utilizza il Profile Merge Rule predefinito definito nel tuo account. Infine, il visitatore viene classificato nella persona per la quale ha ricevuto il punteggio più alto.
Considerazioni e limitazioni considerations
Durante la configurazione dei modelli Predictive Audiences, tenere presenti le considerazioni e le limitazioni seguenti:
-
È possibile creare fino a 10 modelli Predictive Audiences.
-
Per ogni modello, puoi scegliere fino a 50 caratteristiche/segmenti di base.
-
I dati di seconde e terze parti non sono attualmente supportati in Predictive Audiences.
-
Predictive Audiences esegue la classificazione del pubblico in base alle caratteristiche di prime parti, da tutte le origini dati di prime parti.
-
La valutazione del segmento per Predictive Audiences utilizza Profile Merge Rule scelto durante la creazione del modello. Per ulteriori informazioni su Profile Merge Rules, consulta la documentazione dedicata.
-
Alcune caratteristiche e segmenti non sono supportati come linee di base o tipi di pubblico target. I modelli Predictive Audiences non verranno salvati quando si sceglie uno dei seguenti tipi di pubblico come linee di base o target:
- Caratteristiche predittive e segmenti creati con caratteristiche predittive;
- Adobe Experience Platform caratteristiche o segmenti;
- Caratteristiche algoritmiche;
- Caratteristiche di seconda e terza parte.
-
Impossibile utilizzare Predictive Audience segments in Audience Lab.
Data Export Controls dec
I segmenti predittivi creati dai modelli Predictive Audiences ereditano i Controlli sull'esportazione dei dati dalle seguenti origini dati di prime parti:
- L’origine dati di prime parti scelta per la creazione del modello.
- Le origini dati di prime parti del pubblico di destinazione. In particolare, i controlli di esportazione dei dati di traits o segments che costituiscono il pubblico di destinazione.
- Controlli sull'esportazione dei dati di Profile Merge Rule selezionati per il modello.
I predittivi traits e segments appena creati avranno le stesse restrizioni di privacy dell'unione delle origini dati di prime parti descritte in precedenza.
Le caratteristiche con restrizioni aggiuntive che non fanno parte delle restrizioni sulla privacy del segmento Predictive Audiences saranno escluse dalla fase di formazione e non diventeranno influenti per il modello.
Profile Merge Rules pmr
A tutti i segmenti predittivi verrà assegnato Profile Merge Rule selezionato durante la creazione del modello. L'elemento Profile Merge Rule scelto è importante per i motivi seguenti:
-
Definisce quali dispositivi e/o profili autenticati devono essere presi in considerazione quando il modello analizza l'influente traits, al momento della classificazione di un utente in un segment predittivo.
-
Determina quali tipi di trait (a livello di dispositivo o multi-dispositivo) devono essere utilizzati durante il passaggio di apprendimento del modello e sono emersi come traits influenti. I segments predittivi sono sottoinsiemi del pubblico di destinazione.
- Se il pubblico di destinazione è un segmento, è consigliabile selezionare lo stesso Profile Merge Rule per il modello assegnato al pubblico di destinazione o un Profile Merge Rule che include il tipo di profilo del pubblico di destinazione.
- Se il pubblico di destinazione è un trait, è consigliabile selezionare un Profile Merge Rule che possa accedere allo stesso tipo di dati della caratteristica del pubblico di destinazione (dati del profilo dispositivo o dati del profilo multi-dispositivo).
-
Profile Merge Rules utilizzando le opzioni Current Authenticated Profiles e No Device Profile sono supportati solo per la classificazione del pubblico in tempo reale. Per ulteriori informazioni, vedere Opzioni delle regole di unione profili definite.
La selezione di un Profile Merge Rule che utilizza sia dati dispositivo che dati multi-dispositivo massimizza il numero di traits che può essere utilizzato per l'apprendimento del modello e la classificazione utente nel segments predittivo.
Role-Based Access Controls rbac
Le caratteristiche e i segmenti scelti per la classificazione di utenti tipo e pubblico sono soggetti all'Audience Manager Controlli di accesso basati sul ruolo.
Audience Manager gli utenti possono selezionare solo caratteristiche o segmenti per utenti tipo e gruppi di destinatari, che dispongono dell'autorizzazione per visualizzare.