Recommendations de características

Obtenha recomendações de características dinâmicas à medida que cria seus segmentos, a partir de suas características próprias e dos feeds de dados do Audience Marketplace.

Demonstração do vídeo

Comece assistindo ao vídeo Trait Recommendations abaixo e depois leia para obter mais informações. A demonstração de vídeo mostra como trabalhar com recomendações de suas características próprias, bem como com recomendações de características de feeds de dados do Audience Marketplace nos quais você já está inscrito.

O próximo vídeo descreve o fluxo de trabalho para Marketplace Recommendations, mostrando como adicionar características aos seus segmentos, com base nas recomendações dos feeds de dados em Audience Marketplace. Estas recomendações são baseadas nos feeds de dados que você não assinou.

Visão geral

O Trait Recommendations, viabilizado pelo Adobe Sensei, leva a ciência de dados até seus fluxos de trabalho diários de Audience Manager.
Com o Trait Recommendations, ao criar ou editar um segmento no Construtor de segmentos, você recebe recomendações sobre as características adicionais que você pode incluir, semelhantes às características na regra de segmento.

O Audience Manager mostra as recomendações de características de suas características próprias, na seção Recommendations, e de Audience Marketplace, na seção Recommendations from Marketplace.

Adicione as características recomendadas ao segmento para aumentar o público-alvo de destino.

Visão geral do Trait Recommendations

Resumindo:

  • O Audience Manager mostra características próprias na seção Recommendations. As recomendações do Marketplace de feeds públicos e privados que você não assinou estão visíveis na seção Recommendations from Marketplace. Clique no nome do feed para acessar Audience Marketplace e assinar.
  • Audience Manager mostra no máximo cinquenta características semelhantes à da regra de segmento.
  • Você pode filtrar as fontes de dados a partir das quais não deseja ver nenhuma recomendação.
  • Ao calcular as semelhanças, o Audience Manager considera os UUIDs qualificados para a característica nos últimos 30 dias.
  • Se você vir a mensagem de erro "Nenhuma característica semelhante encontrada. As características podem ser muito novas.", significa que não houve atividade para essa característica nos últimos 30 dias ou o Audience Manager ainda não atualizou as recomendações para essa característica. Tente novamente em 24 horas.

Casos de uso

Com o Trait Recommendations, você pode melhorar seus fluxos de trabalho, dependendo de como você usa o Audience Manager:

  • Como profissional de marketing, você pode encontrar rapidamente públicos-alvo interessados em produtos complementares com a ajuda de características semelhantes, para que possa aumentar seu alcance.
  • Se você usar o Audience Manager como editor, com Trait Recommendations, poderá entender o comportamento do público-alvo e criar segmentos melhores para vendas de anúncios ou aquisição de usuários.
  • Como comprador de dados do Audience Marketplace, desejo descobrir dados relevantes de terceiros sem navegar por um grande número de feeds.
  • Como provedor de dados do Audience Marketplace, desejo recomendar dados relevantes aos compradores para que eu possa me beneficiar de assinaturas ideais e relevantes.

Diferenças entre o Trait Recommendations e os Modelos algorítmicos

Modelos algorítmicos

Algorithmic Models não só encontra as características mais influentes, como também classifica os usuários com base nessas características e atribui a cada usuário uma pontuação individual. Em seguida, você cria características algorítmicas para direcionar os usuários. Com controles de precisão e alcance no Trait Builder, você pode especificar quais usuários entre todos aqueles que têm as características influentes você deseja direcionar.

O Algorithmic Models permite que você selecione usuários em diferentes níveis de precisão e teste em Audience Lab qual grupo de usuários converte melhor. Consulte o caso de uso detalhado em Comparar modelos no Audience Lab.

No Algorithmic Models, o modelo é executado a cada 8 dias e atualiza os usuários qualificados para características algorítmicas.

Recommendations de características

O Trait Recommendations é uma maneira rápida de obter insights sobre outras características semelhantes àquelas que você está usando em um segmento.

Você deve usar Trait Recommendations quando:

  • Precisar de insights rápidos ao criar um segmento;
  • Estiver usando os segmentos para campanhas curtas ou quando deseja suprimir rapidamente o público-alvo que converte;
  • Estiver tentando maximizar o alcance.

Fluxo de trabalho (WRK)

Ao criar ou editar um segmento no Construtor de segmentos, você pode explorar características semelhantes às características na regra de segmento. O fluxo de trabalho do Construtor de segmentos é muito semelhante para segmentos novos e existentes:

Novos segmentos

  1. Vá para Dados de público-alvo > Segmentos e clique em Adicionar novo.

  2. Na caixa suspensa Características, adicione pelo menos uma característica à regra de segmento.

  3. Você pode ver características recomendadas primárias e Audience Marketplace recomendações de características de feeds nos quais você está inscrito, na seção Recommendations. A seção Recommendations from Marketplace mostra as recomendações de características dos feeds nos quais você não tem assinatura. Todas essas recomendações são semelhantes às características adicionadas à regra de segmento. Role para baixo para ver todas as características recomendadas.

  4. (Opcional) Para excluir características primárias recomendadas de determinadas fontes de dados, clique no símbolo X para as fontes de dados que deseja excluir.

    note note
    NOTE
    As fontes de dados excluídas são mostradas logo acima da lista de características recomendadas. Clique em X na caixa cinza para remover as exclusões e ver os resultados das respectivas fontes de dados novamente.

    1. Para adicionar características recomendadas à regra de segmento, clique no símbolo **+**.

IMPORTANT
Ao adicionar Marketplace características a um segmento, as características são usadas apenas para estimativa de segmento, até que você assine o feed de dados correspondente. As características provenientes de feeds de dados nos quais você não está inscrito são marcadas com um ícone de carrinho de compras na lista de características. Clique no nome da característica para ir para a página do feed de dados e assinar-a.
marketplace-not-subscribed
Você só pode salvar um segmento com características de terceiros depois de assinar os feeds de dados correspondentes.

Segmentos existentes

  1. Vá para Audience Data>Segments, selecione o segmento que deseja editar e clique em Editar .

  2. Role para baixo até a caixa suspensa Traits.

  3. Você pode ver características recomendadas, semelhantes às características já presentes na regra de segmento. Role para baixo para ver todas as características recomendadas.

  4. (Opcional) Para excluir características recomendadas de determinadas fontes de dados, clique no símbolo X para as fontes de dados que deseja excluir.

    note note
    NOTE
    As fontes de dados excluídas são mostradas logo acima da lista de características recomendadas. Clique em X na caixa cinza para remover as exclusões e ver os resultados das respectivas fontes de dados novamente.

    1. Para adicionar características recomendadas à regra de segmento, clique no símbolo **+**.

Ao criar ou editar um segmento e adicionar uma característica à regra de segmento, você verá no máximo cinquenta características recomendadas, semelhantes àquela adicionada. Se a regra de segmento contiver mais de uma característica, o Audience Manager usará um método de round robin para mostrar a melhor correspondência para cada característica, a segunda melhor correspondência para cada característica e assim por diante, para as maiores cinquenta características por população, na regra de segmento.

Três Características Básicas

Por exemplo, quando há três características na regra de segmento, como mostrado abaixo, as características recomendadas são:

  1. Melhor correspondência para a característica 3 (a característica com a maior população);
  2. Melhor combinação para a característica 1;
  3. Melhor correspondência para a característica 2;
  4. Segunda melhor combinação para a característica 3;
  5. A segunda melhor combinação para a característica 1, e assim por diante, até chegar a cinquenta características.

Para obter recomendações para uma característica específica, clique nas características na regra de segmento (1) ou na exibição de características recomendadas (2).

exemplo de características base

Clicar em uma característica própria abre uma janela pop-up, como mostrado na imagem abaixo. Se as características recomendadas não fizerem parte do segmento, você poderá adicioná-las ao segmento pressionando +.

adicionar ao segmento

TIP
As fontes de dados excluídas da página principal são consideradas ao gerar recomendações na janela pop-up de informações de características. E, se você excluir fontes de dados nessa visualização, as exclusões se aplicam à página principal.
NOTE
As características recomendadas podem ser suas características próprias ou características de terceiros a partir de feeds de dados para os quais você está inscrito no Audience Marketplace.

Como funciona

Para produzir recomendações de características, o Audience Manager calcula a similaridade Jaccard entre a característica de destino e todas as outras características às quais sua conta tem acesso, incluindo dados de terceiros. O Audience Manager exibe, então, até cinquenta características que têm a maior similaridade.

Pontuação de similaridade de característica :headding-anchor:trait-similarity-score

Audience Manager calcule o Trait Similarity Score entre duas características calculando a interseção e a união em termos do número de UUIDs e, em seguida, divida as duas. Para duas características A e B, o cálculo tem esta aparência:

similaridade-cartão

Veja, também, os dois exemplos abaixo.

Exemplo 1 - Baixa Pontuação De Similaridade De Característica

Considerando duas características A e B, digamos que cada uma dessas características tenha uma população de 1.000.000 UUIDs, dos quais 25.000 UUIDs se qualificam para ambas as características.
Usando a fórmula acima, isso resultará em: 25.000 / 1.975.000 = 0,012. Este é um Trait Similarity Score baixo, as duas características são muito diferentes.

sobreposição-baixa-recomendação-característica

Exemplo 2 - Pontuação de similaridade de característica

Se as mesmas características A e B tiverem 400.000 UUIDs qualificados para ambas as características, a Trait Similarity Score será muito maior:
400.000 / 1.600.000 = 0,25

sobreposição-alta-recomendação-característica

Como interpretar a pontuação de similaridade de características

Use a tabela abaixo como um guia aproximado para obter a similaridade de características. Este guia é baseado nas pontuações de similaridade observadas na maioria das características.

Trait Similarity Score
Significância
0.1 e superior
Alta similaridade entre características
0,03 - 0,1
Semelhança entre características do Medium
0,01 - 0,03
Baixa similaridade entre características
0 - 0,01
Semelhança muito baixa entre características

Controle de acesso baseado em função ( RBAC)

Para empresas que usam Role-Based Access Controls (RBAC), é necessário ter permissão para criar e editar segmentos para ver as características recomendadas. As recomendações de características que você vê são apenas aquelas de fontes de dados às quais você tem acesso via RBAC.

IMPORTANT
Para adicionar Marketplace Recommendations a um segmento, os usuários devem primeiro assinar os feeds de dados correspondentes. Somente usuários com privilégios de administrador podem assinar feeds de dados do Audience Marketplace.

Leia mais sobre RBAC controles aqui.

Limitações

  • Atualmente, o Audience Manager não mostra características de pastas como características recomendadas. Leia mais sobre as características da pasta aqui.
  • Ao exibir o Trait Recommendations, o Audience Manager não leva em conta os operadores Boolean (AND, OR, NOT) nas regras de segmento.
recommendation-more-help
de293fbf-b489-49b0-8daa-51ed303af695