Trait Recommendations

Krijg de levende aanbevelingen van het dienstreis aangezien u uw segmenten, van uw eigen eerstepartijeigenschappen bouwt, en Audience Marketplace gegevensfeeds.

Videodemonstratie

Begin met het bekijken van de Trait Recommendations video hieronder, dan lees op voor meer informatie. De videodemonstratie laat u zien hoe u kunt werken met aanbevelingen van uw eigen eerderheidstolerantie en met aanbevelingen van trainingen Audience Marketplace gegevensfeeds die je bent al geabonneerd op.

In de volgende video wordt de workflow voor Marketplace Recommendations, die u tonen hoe te om eigenschappen aan uw segmenten toe te voegen die op aanbevelingen van gegevensvoer in worden gebaseerd Audience Marketplace. Deze aanbevelingen zijn gebaseerd op gegevensfeeds die je bent niet geabonneerd op.

Overzicht

Trait Recommendations, aangedreven door Adobe Sensei, brengt gegevenswetenschap in uw dagelijkse workflows van de Audience Manager.
Met Trait Recommendations, wanneer u een segment maakt of bewerkt in Segment Builder, krijgt u aanbevelingen op extra eigenschappen u kunt omvatten, die aan de eigenschappen in de segmentregel gelijkaardig zijn.

De Audience Manager toont u de aanbevelingen van de eigenschap zowel van uw eerste partij, in Recommendations en van Audience Marketplace in de Recommendations from Marketplace sectie.

Voeg de geadviseerde eigenschappen aan uw segment toe om uw doelpubliek te verhogen.

Overzicht van Trait Recommendations

In een notendop:

  • Audience Manager toont de eigenschappen van de eerste partij in de Recommendations sectie. De aanbevelingen van de Marketplace van openbare en privé voer u niet aan wordt geabonneerd zijn zichtbaar in Recommendations from Marketplace sectie. Klik op de naam van de feed waarnaar u wilt gaan Audience Marketplace en abonneren.
  • De Audience Manager toont een maximum van vijftig eigenschappen gelijkend op in de segmentregel.
  • U kunt de gegevensbronnen filteren waarvan u geen aanbevelingen wilt zien.
  • Bij het berekenen van overeenkomsten houdt de Audience Manager rekening met UUID's die in de laatste 30 dagen voor de eigenschap in aanmerking kwam.
  • Als het foutbericht "Geen vergelijkbare kenmerken gevonden. De eigenschap(pen) is mogelijk te nieuw.", wat betekent dat er in de laatste 30 dagen geen activiteit voor die eigenschap heeft plaatsgevonden, of dat de 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, met Trait Recommendations, kunt u publieksgedrag begrijpen en betere segmenten voor advertentieverkoop of gebruikersverwerving bouwen.
  • Als Audience Marketplace koper, wil ik relevante gegevens van derden ontdekken 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 ModelsMet worden niet alleen de meest invloedrijke eigenschappen gevonden, maar worden gebruikers ook geturfd op basis van deze eigenschappen en wordt aan elke gebruiker een afzonderlijke score toegewezen. Vervolgens maakt u algoritmische eigenschappen om uw gebruikers te targeten. Met nauwkeurigheid en bereikcontrole in de Trait Builder, kunt u opgeven welke gebruikers onder alle gebruikers met de invloedrijke eigenschappen u wilt richten.

Algorithmic ModelsMet kunt u gebruikers op verschillende nauwkeurigheidsniveaus selecteren en in testen welke groep gebruikers het beste converteert.Audience Lab Zie het gedetailleerde gebruiksscenario in Modellen vergelijken in Audience Lab.

In Algorithmic ModelsHet model wordt elke 8 dagen uitgevoerd en vernieuwt de gebruikers die zijn gekwalificeerd voor algoritmische kenmerken.

Trait Recommendations

Trait Recommendations is een snelle manier om inzicht te krijgen in andere eigenschappen die lijken op degene die u in een segment gebruikt.

U moet 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

Bij het maken of bewerken van een segment in Segment Builder, kunt u eigenschappen onderzoeken gelijkend op de eigenschappen in de segmentregel. De Segment Builder de workflow lijkt sterk op die voor nieuwe en bestaande segmenten :

Nieuwe segmenten

  1. Ga naar Poortgegevens > Segmenten en klik op Nieuwe toevoegen.

  2. In de Treinen drop-down doos, voeg minstens één eigenschap aan de segmentregel toe.

  3. U kunt de door de eerste partij aanbevolen kenmerken en Audience Marketplace aanbevelingen van kenmerken van feeds waarop u bent geabonneerd, in het gedeelte Recommendations sectie. De Recommendations from Marketplace in deze sectie ziet u aanbevelingen met betrekking tot kenmerken van 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.

  4. (Optioneel) Als u de aanbevolen eigenschappen van de eerste partij wilt uitsluiten van bepaalde gegevensbronnen, klikt u op de knop X symbool voor de gegevensbronnen die u wilt uitsluiten.

    note note
    NOTE
    De uitgesloten gegevensbronnen worden net boven de lijst met aanbevolen kenmerken weergegeven. Klikken X in het grijze vak om de uitsluitingen te verwijderen en de resultaten van de respectieve gegevensbronnen opnieuw te bekijken.

    1. Als u aanbevolen kenmerken aan de segmentregel wilt toevoegen, klikt u op de knop **+** symbool.

IMPORTANT
Bij toevoegen Marketplace de eigenschappen aan een segment, worden de eigenschappen slechts gebruikt voor segmentschatting, tot u aan het overeenkomstige gegeven intekent. Traits die afkomstig zijn van gegevensfeeds waarop u zich niet hebt geabonneerd, worden gemarkeerd met een winkelwagentje in de lijst met handelsmerken. Klik op de naam van het kenmerk om naar de pagina met gegevensinvoer te gaan en u erop te abonneren.
marketplace-not-subscribed
U kunt een segment alleen met externe kenmerken opslaan nadat u zich aan de bijbehorende gegevensfeeds hebt geabonneerd.

Bestaande segmenten

  1. Ga naar Audience Data>Segments selecteert u het segment dat u wilt bewerken en klikt u op Bewerken .

  2. Omlaag schuiven naar de Traits vervolgkeuzelijst.

  3. U kunt geadviseerde eigenschappen zien, die aan de eigenschappen reeds in de segmentregel gelijkaardig zijn. Schuif omlaag om alle aanbevolen kenmerken weer te geven.

  4. (Optioneel) Klik op de knop X symbool voor de gegevensbronnen die u wilt uitsluiten.

    note note
    NOTE
    De uitgesloten gegevensbronnen worden net boven de lijst met aanbevolen kenmerken weergegeven. Klikken X in het grijze vak om de uitsluitingen te verwijderen en de resultaten van de respectieve gegevensbronnen opnieuw te bekijken.

    1. Als u aanbevolen kenmerken aan de segmentregel wilt toevoegen, klikt u op de knop **+** symbool.

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 de Audience Manager een ronde robinmethode om de beste gelijke voor elk bezit te tonen, dan de tweede-beste gelijke voor elk bezit, etc., voor de grootste vijftig eigenschappen door populatie, in de segmentregel.

Drie basiskenmerken

Bijvoorbeeld, wanneer er drie eigenschappen in de segmentregel zijn, zoals hieronder getoond, zijn de geadviseerde eigenschappen:

  1. Beste overeenkomst voor kenmerk 3 (de eigenschap met de grootste populatie);
  2. Beste overeenkomst voor kenmerk 1;
  3. Beste overeenkomst voor kenmerk 2;
  4. Tweede beste overeenkomst voor kenmerk 3;
  5. 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.

base-traits-example

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 +.

toe:voegen-aan-segment

TIP
De uitgesloten gegevensbronnen van de hoofdpagina worden overwogen terwijl het produceren van aanbevelingen binnen het pop-up venster van de eigenschapinformatie. En als u gegevensbronnen in deze weergave uitsluit, gelden de uitsluitingen voor de hoofdpagina.
NOTE
Aanbevolen kenmerken kunnen de kenmerken van de eerste partij zijn of de eigenschappen van derden van gegevensfeeds waarop u zich hebt geabonneerd Audience Marketplace.

Hoe het werkt

Voor het opstellen van aanbevelingen op het gebied van de eigenschap, berekent de Audience Manager het Jaccard-gelijkenis tussen de doelkenmerken en alle andere kenmerken waartoe uw account toegang heeft, inclusief gegevens van derden. Audience Manager geeft dan tot vijftig kenmerken weer die het hoogst op elkaar lijken.

Gelijksoortige score volgen trait-similarity-score

De Audience Manager berekent de Trait Similarity Score tussen twee eigenschappen door de doorsnede en de vakbond te berekenen in termen van het aantal UUIDen verdeel de twee. Voor twee kenmerken A en B ziet de berekening er als volgt uit:

jaccard-gelijkenis

Zie ook de twee onderstaande voorbeelden.

Voorbeeld 1 - Gelijksoortige score met laag bereik

Met twee kenmerken A en B heeft elk kenmerk een populatie van 1.000.000 UUIDs, 25.000 UUIDs waarvan beide kenmerken in aanmerking komen.
Met de bovenstaande formule resulteert dit in: 25,000 / 1,975,000 = 0,012. Dit is laag Trait Similarity ScoreDe twee kenmerken zijn echter zeer verschillend.

trait-recommendations-low-overlap

Voorbeeld 2 - Score met gelijksoortige trajecten

Indien dezelfde kenmerken A en B 400.000 UUIDAangezien beide kenmerken in aanmerking komen, Trait Similarity Score is veel hoger: 400,000 / 1,600,000 = 0,25

trait-recommendations-high-overlap

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.

Trait Similarity Score
Significantie
0.1 en hoger
Hoge overeenkomst tussen kenmerken
0.03 - 0.1
Normale overeenkomst tussen kenmerken
0.01 - 0.03
Lage overeenkomst tussen kenmerken
0 - 0.01
Zeer lage overeenkomsten tussen eigenschappen

Rolgebaseerde toegangscontrole (RBAC)

Voor bedrijven die Role-Based Access Controls (RBAC) hebt u toestemming nodig om segmenten te maken en te bewerken om de aanbevolen kenmerken te kunnen zien. De aanbevelingen van de eigenschap die u ziet zijn slechts degenen van gegevensbronnen die u toegang tot via hebt RBAC.

IMPORTANT
Toevoegen Marketplace Recommendations aan een segment, moeten de gebruikers eerst aan de overeenkomstige gegevensvoer intekenen. Alleen gebruikers met beheerdersrechten kunnen zich abonneren op Audience Marketplace gegevensfeeds.

Meer informatie over RBAC besturingselementen hier.

Beperkingen

  • Op dit moment worden mapkenmerken niet als aanbevolen kenmerken weergegeven in Audience Manager. Meer informatie over mapkenmerken hier.
  • Bij het weergeven van Trait Recommendations houdt Audience Manager geen rekening met Boolean operatoren (AND, OR, NOT) in segmentregels.
recommendation-more-help
de293fbf-b489-49b0-8daa-51ed303af695