Aanbevolen stappen
U krijgt aanbevelingen voor live gedrag wanneer u uw segmenten maakt, vanuit uw eigen traits van eerste bedrijven en Audience Marketplace gegevensfeeds.
Videodemonstratie
Bekijk eerst de onderstaande Trait Recommendations video en lees vervolgens verder voor meer informatie. De videodemonstratie toont u hoe te met aanbevelingen van uw eigen eerstepartijeigenschappen te werken, evenals de aanbevelingen van de eigenschap van Audience Marketplace gegevensvoer dat u reeds aan wordt ingetekend.
In de volgende video wordt een overzicht gegeven van de workflow voor Marketplace Recommendations en wordt uitgelegd hoe u op basis van aanbevelingen uit gegevensfeeds in Audience Marketplace kenmerken aan uw segmenten kunt toevoegen. Deze aanbevelingen zijn gebaseerd op gegevensvoer dat u niet aan wordt ingetekend.
Overzicht
Trait Recommendations , aangedreven door Adobe Sensei , geeft gegevenswetenschap door aan uw dagelijkse Audience Manager-workflows.
Met Trait Recommendations, wanneer u bouwt of een segment in de Bouwer van het Segmentuitgeeft, krijgt u aanbevelingen op extra eigenschappen u kunt omvatten, die aan de eigenschappen in de segmentregel gelijkaardig zijn.
In Audience Manager worden aanbevelingen voor kenmerken weergegeven, zowel vanuit de sectie Recommendations als vanuit de sectie Audience Marketplace in de sectie Recommendations from Marketplace .
Voeg de geadviseerde eigenschappen aan uw segment toe om uw doelpubliek te verhogen.
in een notendop:
- In Audience Manager worden de eigenschappen van de eerste partij weergegeven in de sectie Recommendations . De aanbevelingen van de Marketplace van openbare en privé voer u niet aan wordt geabonneerd zijn zichtbaar in de Recommendations from Marketplace sectie. Klik op de naam van de feed om naar Audience Marketplace te gaan en u te abonneren.
- Audience Manager vertoont maximaal vijftig kenmerken die lijken op die in de segmentregel.
- U kunt de gegevensbronnen uit filteren waarvan u geen aanbevelingen wilt zien.
- Wanneer het berekenen van gelijkenissen, overweegt Audience Manager UUIDsdie voor het bezit tijdens de laatste 30 dagen kwalificeerde.
- Als het foutbericht "Geen vergelijkbare kenmerken gevonden. Trait(s) kan(en) te nieuw zijn." betekent dit dat er in de afgelopen 30 dagen geen activiteit voor die eigenschap heeft plaatsgevonden, of dat Audience Manager de aanbevelingen voor die eigenschap nog niet heeft bijgewerkt. Probeer het over 24 uur opnieuw.
Gevallen gebruiken
Met Trait Recommendations kunt u uw workflows verbeteren, afhankelijk van hoe u Audience Manager gebruikt:
- Als marketeer, kunt u snel publiek vinden in complementaire producten met behulp van gelijkaardige eigenschappen, zodat u uw bereik kunt verhogen.
- Als u Audience Manager als uitgever gebruikt, kunt u met Trait Recommendations het gedrag van het publiek begrijpen en betere segmenten voor advertentieverkoop of gebruikersverwerving bouwen.
- Als Audience Marketplace gegevenskoper wil ik relevante gegevens van derden detecteren zonder door een groot aantal feeds te bladeren.
- Als Audience Marketplace -gegevensaanbieder wil ik kopers relevante gegevens aanbevelen zodat ik gebruik kan maken van optimale en relevante abonnementen.
Verschillen tussen Trait Recommendations en Algorithmic Models
Algorithmic Models
Algorithmic Models zoekt niet alleen de meest invloedrijke kenmerken, maar scoort gebruikers ook op basis van die kenmerken en wijst elke gebruiker een individuele score toe. Vervolgens maakt u algoritmische eigenschappen om uw gebruikers te targeten. Met nauwkeurigheid en bereikbesturingselementen in de Trait Builder kunt u opgeven welke gebruikers behoren tot alle gebruikers die de invloedrijke kenmerken hebben waarop u zich wilt richten.
Met Algorithmic Models kunt u gebruikers op verschillende nauwkeurigheidsniveaus selecteren en in Audience Lab testen welke groep gebruikers het beste converteert. Zie het gedetailleerde gebruiksscenario in Modellen vergelijken in Audience Lab.
In Algorithmic Models wordt het model elke 8 dagen uitgevoerd en worden de gebruikers vernieuwd die zijn gekwalificeerd voor algoritmische kenmerken.
Aanbevolen stappen
Trait Recommendations is een snelle manier om inzicht te krijgen in andere eigenschappen die vergelijkbaar zijn met de eigenschappen die u in een segment gebruikt.
Gebruik Trait Recommendations wanneer:
- U hebt snelle inzichten nodig tijdens het bouwen van een segment;
- U gebruikt de segmenten voor korte campagnes of wanneer u snelle suppressie wilt toepassen op een converterende doelgroep;
- U probeert het bereik te maximaliseren.
Workflow
Wanneer het bouwen van of het uitgeven van een segment in de Bouwer van het Segment, kunt u eigenschappen gelijkend op de eigenschappen in de segmentregel onderzoeken. Het werkschema van de Bouwer van het Segmentis zeer gelijkaardig voor nieuwe en bestaande segmenten:
Nieuwe segmenten
-
Ga naar Gegevens van het publiek > Segmenten, en klik voeg Nieuw toe.
-
In de drop-down doos van Tonen, voeg minstens één eigenschap aan de segmentregel toe.
-
In de sectie Audience Marketplace ziet u aanbevolen artefacten van de eerste partij en Recommendations aanbevelingen voor kenmerkeigenschappen van feeds waarop u bent geabonneerd. In de sectie Recommendations from Marketplace ziet u aanbevelingen met kenmerken uit feeds waarop u zich niet hebt geabonneerd. Al deze aanbevelingen zijn gelijkaardig aan de eigenschappen u aan de segmentregel toevoegde. Schuif omlaag om alle aanbevolen kenmerken weer te geven.
-
(Facultatief) om geadviseerde eerderhandel van bepaalde gegevensbronnen uit te sluiten, klik het X symbool voor de gegevensbronnen u wilt uitsluiten.
note note NOTE De uitgesloten gegevensbronnen worden net boven de lijst met aanbevolen kenmerken weergegeven. Klik X in de grijze doos om de uitsluitingen te verwijderen en resultaten uit de respectieve gegevensbronnen opnieuw te zien. 1. Klik op het symbool **+** om aanbevolen kenmerken aan de segmentregel toe te voegen.
Bestaande segmenten
-
Ga naar Audience Data>Segments, selecteer het segment u wilt uitgeven en
-
Schuif omlaag naar de vervolgkeuzelijst Traits .
-
U kunt geadviseerde eigenschappen zien, die aan de eigenschappen reeds in de segmentregel gelijkaardig zijn. Schuif omlaag om alle aanbevolen kenmerken weer te geven.
-
(Facultatief) om geadviseerde eigenschappen van bepaalde gegevensbronnen uit te sluiten, klik het X symbool voor de gegevensbronnen u wilt uitsluiten.
note note NOTE De uitgesloten gegevensbronnen worden net boven de lijst met aanbevolen kenmerken weergegeven. Klik X in de grijze doos om de uitsluitingen te verwijderen en resultaten uit de respectieve gegevensbronnen opnieuw te zien. 1. Klik op het symbool **+** om aanbevolen kenmerken aan de segmentregel toe te voegen.
Wanneer u een segment maakt of bewerkt en een kenmerk aan de segmentregel toevoegt, ziet u een maximum van vijftig aanbevolen kenmerken, vergelijkbaar met de eigenschap die u hebt toegevoegd. Als de segmentregel meer dan één eigenschap bevat, gebruikt Audience Manager een ronde robin methode om de beste gelijke voor elk bezit te tonen, dan de tweede-beste gelijke voor elk bezit, etc., voor de grootste vijftig eigenschappen door bevolking, in de segmentregel.
Bijvoorbeeld, wanneer er drie eigenschappen in de segmentregel zijn, zoals hieronder getoond, zijn de geadviseerde eigenschappen:
- Beste overeenkomst voor kenmerk 3 (de eigenschap met de grootste populatie);
- Beste overeenkomst voor kenmerk 1;
- Beste overeenkomst voor kenmerk 2;
- Tweede beste overeenkomst voor kenmerk 3;
- De op één na beste overeenkomst voor eigenschap 1, etc. tot u aan vijftig eigenschappen krijgt.
Om aanbevelingen voor een specifiek bezit te krijgen, kunt u op de eigenschappen in de segmentregel (1) of in de geadviseerde mening van het Dienstverband (2) klikken.
Als u op een eersteklas kenmerk klikt, wordt een pop-upvenster geopend, zoals in de onderstaande afbeelding wordt getoond. Als de geadviseerde eigenschappen geen deel van het segment uitmaken, kunt u hen aan het segment toevoegen door + te drukken.
Hoe het werkt
Om gedragsaanbevelingen te produceren, berekent Audience Manager de gelijkenis van het Jaccardtussen het doelbezit en elk ander bezit dat uw rekening toegang heeft tot, met inbegrip van derdegegevens. Audience Manager geeft vervolgens tot vijftig kenmerken weer die het meest op elkaar lijken.
Gelijksoortige score volgen trait-similarity-score
Audience Manager berekent de Trait Similarity Score tussen twee eigenschappen door de doorsnede te berekenen en te verenigen in termen van het aantal UUID s en dan de twee te verdelen. Voor twee kenmerken A en B ziet de berekening er als volgt uit:
Zie ook de twee onderstaande voorbeelden.
Voorbeeld 1 - Gelijksoortige score bij laag overtrekken
Gezien twee eigenschappen A en B, laten wij zeggen elk van de eigenschappen een bevolking van 1.000.000 UUID s heeft, 25.000 UUID s waarvan voor beide eigenschappen in aanmerking komt.
Met bovenstaande formule resulteert dit in: 25.000 / 1.975.000 = 0,012. Dit is een lage waarde Trait Similarity Score , de twee kenmerken lijken sterk op elkaar.
Voorbeeld 2 - Score met gelijksoortige trajecten
Als dezelfde kenmerken A en B 400.000 UUID hebben die voor beide kenmerken in aanmerking komen, is Trait Similarity Score veel hoger:
400,000 / 1,600,000 = 0,25
Hoe te om de Score van de Gelijksheid van het Beetje te interpreteren
Gebruik de onderstaande tabel als een ruwe richtlijn voor de gelijkenis van de afbeelding. Deze gids is gebaseerd op de gelijkenisscores die in de meeste kenmerken zijn waargenomen.
Rolgebaseerde toegangscontrole (RBAC)
Voor bedrijven die Role-Based Access Controls gebruiken (RBAC), moet u toestemming hebben om segmenten tot stand te brengen en uit te geven om geadviseerde eigenschappen te zien. De aanbevelingen voor kenmerken die u ziet, zijn alleen die van gegevensbronnen waartoe u via RBAC toegang hebt.
Lees meer over RBAC controles hier.
Beperkingen
- Audience Manager geeft momenteel geen mapkenmerken weer zoals aanbevolen. Lees meer over omslageigenschappen hier.
- Bij het weergeven van Trait-aanbevelingen houdt Audience Manager geen rekening met Boolean -operatoren ( AND , OR , NOT ) in segmentregels.