Terminologia e definições principais
Consulte a tabela a seguir para obter uma lista de terminologias importantes e suas definições correspondentes.
Terminologia | Definição |
---|---|
Mudança significativa | Uma alteração significativa é uma grande alteração baseada em porcentagem no público-alvo ou no tamanho do conjunto de dados, definida por limites específicos (por exemplo, 10% para públicos-alvo grandes). Alterações significativas ajudam a identificar anomalias que afetam a estabilidade dos dados. |
Anomalias | As anomalias são variações inesperadas nos dados, como um crescimento súbito de 20% em um público de Compradores de alto valor. Uma anomalia pode ser causada por um problema potencial de assimilação de dados ou por uma alteração na definição do público-alvo. |
Dados Históricos | Os dados históricos referem-se a dados de longo prazo, geralmente de um a três anos. Você pode usar dados históricos para rastrear padrões. Observação: durante o estágio de Alpha, o Assistente de IA fornece dados históricos de até 13 meses. |
Dados emergentes/recentes | Dados emergentes ou recentes se referem a pontos de dados observados por um curto período, normalmente por uma semana ou até 30 dias. Você pode usar dados emergentes ou recentes para destacar tendências imediatas e fazer ajustes rápidos. |
Previsão | As previsões são previsões de público-alvo futuro ou tamanhos de conjuntos de dados com base em tendências passadas. Você pode usar os dados de previsão para suportar o planejamento de longo prazo. |
Tamanho do público-alvo | O tamanho do público refere-se ao número total de perfis em um público-alvo. O tamanho do público é atualizado a cada iteração de assimilação de dados. |
Período de comparação | O Assistente de IA usa intervalos de tempo de comparação predefinidos. As anomalias recentes assumem o padrão de um retrospectivo de sete dias, enquanto as anomalias anteriores cobrem 30 dias. As tendências históricas abrangem até 13 meses. |
Exemplos de caso de uso
A capacidade do Assistente de IA de monitorar alterações significativas e prever públicos pode ser particularmente útil para os seguintes casos de uso:
Operações de marketing
Os profissionais de operações de marketing (ops de marketing) são responsáveis por garantir a integridade e a consistência dos dados do público-alvo. Como membro de uma equipe de operações de marketing, suas responsabilidades podem incluir o monitoramento da qualidade dos dados, a resposta a mudanças inesperadas e a manutenção de uma base estável para todos os esforços de marketing. Você pode usar a detecção de anomalias do Assistente de IA para detectar e solucionar alterações significativas no público-alvo ou no conjunto de dados, evitando assim interrupções que podem afetar o desempenho da campanha.
Usuários empresariais e profissionais de marketing
Como usuário empresarial e profissional de marketing, você pode confiar em insights precisos do público-alvo para tomar decisões orientadas por dados e garantir que suas campanhas atinjam seus públicos-alvo desejados de maneira eficaz. Com os recursos de previsão do Assistente de IA, é possível antecipar o crescimento ou a redução do público-alvo e habilitar ajustes estratégicos em recursos e direcionamento ao longo do tempo.