Vanliga frågor om Predictive Audiences
Vanliga frågor och svar om Predictive Audiences.
När ska jag använda Predictive Audiences i stället för Look-alike modeling?
Predictive Audiences och Look-alike modeling kan användas på olika sätt. De viktigaste skillnaderna mellan de två algoritmerna är följande:
- Look-alike modeling tar en liten målgrupp som indata och bygger vidare på den. Predictive Audiences tar en stor målgrupp som indata och delar in den i mindre distinkta målgrupper som definieras av era personas.
- Antalet bassegment är olika för varje algoritm. Predictive Audiences kräver minst två baslinjer, medan Look-alike modeling använder högst en baslinje.
- Predictive Audiences utvärderar segment i realtid, Look-alike modeling gör det inte.
Beroende på ert användningsområde bör ni bestämma vilken modell som är mest relevant.
Du kan tänka dig att en Predictive Audiences-modell med ett antal baslinjer är ungefär som samma antal lookalike-modeller utan utvärdering i realtid och med en mycket hög sannolikhet att besökare tillhör flera olika personas i stället för en enda.
Hur många personas/modeller kan jag skapa?
Du kan skapa upp till 10 Predictive Audiences-modeller. För varje modell kan du definiera upp till 50 baslinje-traits eller segment.
Hur skapar jag nya segment från ett Predictive Audiences-segment?
Gå till Audience Data > Segments och klicka på Predictive Audiences-mappen. Hitta det önskade segmentet, kopiera det och redigera det efter behov.
När kan jag se de första resultaten från min modell?
Resultat från Predictive Audiences-modeller är tillgängliga inom 24 timmar efter att modellen har skapats, om modellen fungerar som den ska.
Om modellen inte ger några resultat inom 24 timmar kan du kontakta din Adobe-representant.
Varför producerar min modell inga resultat eller varför visas varningsstatus?
Predictive Audiences-modeller kanske inte ger resultat på grund av en rad orsaker:
- Ingen av de markerade personerna traits / segments har tillräckligt många användarprofiler. Vi rekommenderar att du väljer traits eller segments så att varje person har minst några hundra användarprofiler.
- Ingen av de markerade personerna traits / segments har tillräckligt med data i sina användarprofiler (det finns inte tillräckligt med egenskaper för att analysera).
- Målgruppens trait/segment har inga aktiva eller onboardade användare.
- De målgruppsanvändare som varit aktiva eller registrerade under de senaste 30 dagarna har inte tillräckligt med data i sina användarprofiler (inte tillräckligt med traits att analysera).
- Målgruppssegmentet använder en annan Profile Merge Rule än den som du valde för modellen.
- Datakällan för målpublikens egenskaper kanske inte inkluderas i Profile Merge Rule som du valde för modellen.
Följ de föreslagna riktlinjerna i Urvalskriterier för personas och Urvalskriterier för målgrupp för att få optimala resultat.
Varför visar min modell Error-status?
Modellen kunde inte köras. Kontakta i så fall din Adobe-representant.
Hur ändrar jag Profile Merge Rule för en Predictive Audiences segment?
Skapa en ny modell genom att välja samma personer och målgrupp som din tidigare modell. Tilldela en annan Profile Merge Rule när en modell skapas.
Vad Profile Merge Rule ska jag välja?
När du väljer Profile Merge Rule för din modell bör du noggrant analysera ditt användningsfall.
Anta att målgruppen segment använder en Profile Merge Rule baserad på autentiserade profiler + Device Graph profiler och att du väljer samma Profile Merge Rule för prediktiva segments. I det här fallet används både enhetsnivån och enhetsövergripande traits för att utbilda modellen och användarens placering i en prediktiv segment.
Om du väljer en Profile Merge Rule som enbart baseras på enhetsprofiler kommer ingen av dina enheter traits att bli inflytelserik och kommer inte att bidra till att användarna placeras i ett prediktivt segment. Detta kan påverka modellens noggrannhet och räckvidd negativt.
Analysera ditt användningsfall noggrant och bestäm vilka trait typer du vill att modellen ska lära sig av och vilken typ av data du vill att modellen ska använda för klassificering.
Går det att klassificera en användare från målgruppen som inte är en del av något persona-trait/segment?
Nej, användaren måste ha några traits i sin profil. Om inte får användaren matchningspoängen 0 för alla persona traits/segment och kommer därför inte att klassificeras i något av de prediktiva segmenten.
Kan en användare som klassificerats i ett av de prediktiva segmenten omklassificeras till ett annat Predictive Audiences-segment?
Ja. Eftersom algoritmen tränas dagligen tillämpas ändringarna i varje persona när det gäller poängsättning för traits. Om en användare som är en del av ett Predictive Audiences-segment är aktiv kan ändringar i deras trait-poäng ändra klassificeringen baserat på de senaste 30 dagarnas aktiviteter.
Kan jag se vilka traits som används för målgruppsklassificering?
Ja, du kan se alla viktiga traits för alla baslinjer på modellrapporteringssidan. Se Viktiga traits.
Kan jag ändra TTL-tiden (time to live) för prediktiva egenskaper?
TTL för det prediktiva beteendet är inställt på 0 (livstid) och kan inte ändras. Predictive Audiences kan bara dela upp användare från prediktiva segment när de kvalificerar sig för antingen bassegmentet eller omklassificeras till ett annat prediktivt segment.
Vid behov kan du kringgå den här funktionen genom att skapa ett nytt segment som innehåller både ett prediktivt drag och ett aktivitetsdrag med en angiven TTL.
Vad händer med modellen om jag redigerar ett baslinje-trait eller segment?
Modellen utvärderar traits eller segmenten en gång om dagen. Du bör se den uppdaterade klassificeringen dagen efter uppdateringen.
Kan jag välja de datakällor som modellen ska använda för inlärning?
Nej, val av datakällor stöds inte. Predictive Audiences-algoritmen lär sig av alla era förstaparts-traits.