Gevallen gebruiken

Om u te helpen beter begrijpen hoe en wanneer u kon gebruiken Predictive Audiences, hier zijn een paar gebruiksgevallen die de klanten van de Audience Manager kunnen oplossen door deze eigenschap te gebruiken.

Hoofdletters en kleine letters gebruiken 1

Als een marketeer in een e-commercebedrijf, wil ik al mijn Web en mobiele bezoekers in diverse merkaffiniteitscategorieën classificeren, zodat ik hun gebruikerservaring kan personaliseren.

Hoofdletters en kleine letters gebruiken 2

Als een marketeer in een mediabedrijf wil ik mijn ongeautoriseerde web- en mobiele bezoekers classificeren met favoriete genres, zodat ik ze gepersonaliseerde inhoud op alle kanalen kan voorstellen.

Hoofdletters gebruiken #3

Als adverteerder voor een luchtvaartmaatschappij wil ik ervoor zorgen dat ik mijn publiek classificeer op basis van hun interesse in reisbestemmingen, zodat ik ze in real time kan adverteren, binnen een kort herrichtingsvenster.

Hoofdletters gebruiken #4

Als adverteerder wil ik mijn eerste-partijpubliek in real-time classificeren, zodat ik snel kan reageren op trending news.

Hoofdletters en kleine letters gebruiken 5

Als marketeer wil ik voorspellen in welke reisfase mijn websitebezoekers verkeren, zoals detectie, betrokkenheid, aankoop of retentie, zodat ik hen dienovereenkomstig kan richten.

Hoofdletters en kleine letters gebruiken #6

Als mediabedrijf wil ik mijn publiek categoriseren, zodat ik mijn advertentieruimte tegen een hoge prijs kan verkopen en mijn bezoekers relevante advertenties kan aanbieden.

Hoe Predictive Audiences Modellen werken

Wanneer u een Predictive Audiences model, gaat u door drie stappen:

  1. Eerst selecteert u minimaal twee kenmerken of twee segmenten die uw persona's definiëren.
  2. Vervolgens kiest u een kenmerk of segment dat het doelpubliek definieert dat u wilt classificeren.
  3. Tot slot kiest u een naam voor het model, een gegevensbron die de vooruitlopende segmenten, en zal opslaan Profile Merge Rule voor het model.

Selectiecriteria voor personeel

U kunt om het even welk van uw eerstepartijeigenschappen of segmenten kiezen om uw karakters te bepalen. Voor optimale resultaten is er echter een set aanbevolen aanbevolen procedures:

  • Kies uw persoonlijke kenmerken of segmenten zodat elke persoon minstens een paar honderd personen heeft apparaat-id's.
  • Als uw kenmerken zijn gebaseerd op apparaat-id's, kunt u deze in segmenten laten omlopen Regels voor samenvoegen van profielen die apparaat-id's, zoals Device Graph. Dit zal ervoor zorgen dat er voldoende apparaat-id's dat het algoritme van kan leren.
  • Wij adviseren het kiezen van eigenschappen of eenvoudige segmenten voor uw persona's, die uit 1 tot 3 eigenschappen bestaan.
  • Kies basislijnkenmerken of segmenten met minimale overlapping.
  • Zorg ervoor dat u granulaire kenmerken vastlegt over de digitale eigenschappen.

Selectiecriteria voor doelgroep

Afhankelijk van uw gebruiksgeval, of u gebruikers in real time, in partij, of allebei wilt classificeren, kies een doelpubliek (trait of segment) met een aanzienlijke reële en/of totale bevolking. Net als voor persoonlijke selectie raden we je doelgroep aan trait of segment heeft gebruikers met rijke profielen (rijke reeksen van traits).

Wanneer het selecteren van het doelpubliek, analyseer uw gebruiksgeval en besluit welke types van identiteitskaarts u wilt classificeren: device IDs of cross-device IDs. De Profile Merge Rule die u bij het maken van het model selecteert, definieert de gegevens die worden gebruikt om elke gebruiker in de voorspelling te plaatsen segments.

We raden u aan een Profile Merge Rule die dezelfde configuratie heeft als uw doelpubliek Profile Merge Ruleof een profiel dat het profieltype (apparaatprofiel of geverifieerd profiel) van de doelgroep bevat.

Predictive Audiences Modeltrainingsfase

Voordat het algoritme je publiek van de eerste partij in de juiste persona's kan indelen, moet het zichzelf op de gegevens trainen.

Voor elke persoon die u definieert, analyseert het algoritme zijn respectieve publiek en evalueert het elke activiteit in real time en/of ongeboekt trait voor zijn gebruikers in de laatste 30 dagen.
Deze stap vindt om de 24 uur plaats om rekening te houden met wijzigingen in uw eerstepartijpubliek.