Trait Recommendations
Få rekommendationer för Live-egenskaper när du skapar segment, från egna egenskaper och Audience Marketplace dataflöden.
Videodemonstration
Börja med att titta på videon Trait Recommendations nedan och läs sedan vidare för mer information. Videodemonstrationen visar hur du kan arbeta med rekommendationer från dina egna egenskaper, samt hur du kan anpassa rekommendationer från Audience Marketplace dataflöden som du redan prenumererar på.
I nästa video visas arbetsflödet för Marketplace Recommendations, och hur du lägger till egenskaper i dina segment utifrån rekommendationer från dataflöden i Audience Marketplace. Rekommendationerna baseras på dataflöden som du inte prenumererar på.
Översikt
Trait Recommendations, som drivs av Adobe Sensei, för in datavetenskap i dina dagliga arbetsflöden i Audience Manager.
När du skapar eller redigerar ett segment i Segment Builder i Trait Recommendations får du rekommendationer om ytterligare egenskaper som du kan inkludera, som liknar egenskaperna i segmentregeln.
Audience Manager visar dina rekommendationer för anpassade egenskaper både från dina egna egenskaper, i avsnittet Recommendations och från Audience Marketplace i avsnittet Recommendations from Marketplace.
Lägg till de rekommenderade egenskaperna i ert segment för att öka er målgrupp.
I ett nötskal:
- Audience Manager visar egenskaper för första part i avsnittet Recommendations. Marketplace-rekommendationer från offentliga och privata feeds som du inte prenumererar på visas i avsnittet Recommendations from Marketplace. Klicka på feed-namnet för att gå till Audience Marketplace och prenumerera.
- Audience Manager visar högst femtio egenskaper som liknar den i segmentregeln.
- Du kan filtrera bort de datakällor som du inte vill se några rekommendationer från.
- Vid beräkning av likheter anser Audience Manager att UID:n som kvalificerats för egenskapen under de senaste 30 dagarna.
- Om felmeddelandet"Inga liknande egenskaper hittades. Trait(s) kan vara för nytt.", vilket innebär att det inte har förekommit någon aktivitet för den egenskapen under de senaste 30 dagarna, eller att Audience Manager ännu inte har uppdaterat rekommendationerna för den egenskapen. Försök igen om 24 timmar.
Användningsexempel
Med Trait Recommendations kan du förbättra dina arbetsflöden beroende på hur du använder Audience Manager:
- Som marknadsförare kan ni snabbt hitta målgrupper som är intresserade av kompletterande produkter med hjälp av liknande egenskaper, så att ni kan öka er räckvidd.
- Om du använder Audience Manager som utgivare, med Trait Recommendations, kan du förstå målgruppernas beteende och bygga bättre segment för annonsförsäljning eller kundvärvning.
- Som datainköpare för Audience Marketplace vill jag identifiera relevanta tredjepartsdata utan att behöva bläddra igenom ett stort antal feeds.
- Som Audience Marketplace-dataleverantör vill jag rekommendera relevanta data till köpare så att jag kan dra nytta av optimala och relevanta prenumerationer.
Skillnader mellan Trait Recommendations och algoritmiska modeller
Algoritmiska modeller
Algorithmic Models hittar inte bara de mest inflytelserika egenskaperna, utan även användare baserat på dessa egenskaper och tilldelar varje användare en individuell poäng. Sedan skapar du algoritmiska traits som riktar sig till användarna. Med precision och räckvidd-kontroller i Trait Builder kan du ange vilka användare bland alla som har de inflytelserika egenskaper som du vill ha som mål.
Med Algorithmic Models kan du välja användare på olika noggrannhetsnivåer och testa i Audience Lab vilken grupp användare som konverteras bäst. Se det detaljerade användningsexemplet i Jämför modeller i Audience Lab.
I Algorithmic Models körs modellen var 8:e dag och uppdaterar de användare som är kvalificerade för algoritmiska egenskaper.
Trait Recommendations
Trait Recommendations är ett snabbt sätt att få insikter om andra egenskaper som liknar de du använder i ett segment.
Du bör använda Trait Recommendations när:
- Ni behöver snabba insikter när ni skapar segment
- Ni använder segmenten för korta kampanjer eller när ni snabbt vill exkludera målgrupper som konverterar
- Ni försöker maximera räckvidden.
Arbetsflöde
När du skapar eller redigerar ett segment i Segmentverktyget kan du utforska egenskaper som liknar egenskaperna i segmentregeln. Arbetsflödet i Segment Builder liknar mycket för nya och befintliga segment:
Nya segment
-
Gå till Målgruppsdata > Segment och klicka på Lägg till ny.
-
Lägg till minst ett drag till segmentregeln i listrutan Traits .
-
I avsnittet Recommendations kan du se rekommenderade egenskaper och Audience Marketplace rekommendationer för egenskaper för feeds som du prenumererar på. Avsnittet Recommendations from Marketplace visar rekommendationer från feeds som du inte prenumererar på. Alla dessa rekommendationer liknar de egenskaper som du har lagt till i segmentregeln. Rulla ned för att se alla rekommenderade egenskaper.
-
(Valfritt) Om du vill utesluta rekommenderade egenskaper från första part från vissa datakällor klickar du på symbolen X för de datakällor som du vill utesluta.
note note NOTE De utelämnade datakällorna visas alldeles ovanför listan med rekommenderade egenskaper. Klicka på X i den grå rutan om du vill ta bort undantagen och visa resultat från respektive datakälla igen. 1. Om du vill lägga till rekommenderade egenskaper i segmentregeln klickar du på symbolen **+**.
Befintliga segment
-
Gå till Audience Data>Segments, markera det segment som du vill redigera och klicka på
-
Bläddra nedåt till listrutan Traits.
-
Rekommenderade egenskaper som liknar de egenskaper som redan finns i segmentregeln visas. Rulla ned för att se alla rekommenderade egenskaper.
-
(Valfritt) Om du vill utesluta rekommenderade egenskaper från vissa datakällor klickar du på X-symbolen för de datakällor som du vill utesluta.
note note NOTE De utelämnade datakällorna visas alldeles ovanför listan med rekommenderade egenskaper. Klicka på X i den grå rutan om du vill ta bort undantagen och visa resultat från respektive datakälla igen. 1. Om du vill lägga till rekommenderade egenskaper i segmentregeln klickar du på symbolen **+**.
När du skapar eller redigerar ett segment och lägger till ett drag i segmentregeln, visas maximalt femtio rekommenderade egenskaper, liknande den som du har lagt till. Om segmentregeln innehåller mer än ett drag, använder Audience Manager en runda rader-metod för att visa den bästa matchningen för varje egenskap, den näst bästa matchningen för varje egenskap och så vidare, för de största femtio egenskaperna per population, i segmentregeln.
Om det till exempel finns tre egenskaper i segmentregeln, som visas nedan, är de rekommenderade egenskaperna:
- Bästa matchning för trait 3 (egenskapen med den största befolkningen).
- Best match for trait 1;
- Best match for trait 2;
- Andra bästa matchningen för trait 3;
- Den näst bästa matchningen för trait 1 och så vidare tills du når femtio traits.
Om du vill få rekommendationer för en viss egenskap kan du klicka på egenskaperna i segmentregeln (1) eller i vyn med rekommenderade egenskaper (2).
När du klickar på ett spår från första part öppnas ett popup-fönster, vilket visas i bilden nedan. Om de rekommenderade egenskaperna inte är en del av segmentet kan du lägga till dem i segmentet genom att trycka på +.
Så här fungerar det
För att kunna skapa anpassade rekommendationer beräknar Audience Manager Jaccard-likheter mellan målegenskapen och alla andra egenskaper som ditt konto har tillgång till, inklusive tredjepartsdata. Audience Manager visar sedan upp till femtio egenskaper med den största likheten.
Spåra likhetsresultat trait-similarity-score
Audience Manager beräknar Trait Similarity Score mellan två egenskaper genom att beräkna skärningspunkten och unionen utifrån antalet UUID och sedan dividera de två. För de två egenskaperna A och B ser beräkningen ut så här:
Se även de två exemplen nedan.
Exempel 1 - Likhetspunkt med låg tram
Med två egenskaper A och B kan vi säga att var och en av egenskaperna har en befolkning på 1 000 000 UUIDs, varav 25 000 UUIDs kvalificerar sig för båda egenskaperna.
Med formeln ovan resulterar detta i: 25 000 / 1 975 000 = 0,012. Det här är ett lågt Trait Similarity Score, de två egenskaperna är mycket olika.
Exempel 2 - Likhetspunkt för spår
Om samma egenskaper A och B hade 400 000 UUID som kvalificerar för båda egenskaperna är Trait Similarity Score mycket högre:
400 000 / 1 600 000 = 0,25
Så här tolkar du likhetspoängen för spår
Använd tabellen nedan som en grov stödlinje för att anpassa likheter. Den här guiden baseras på de likhetspoäng som observerats för en majoritet av egenskaperna.
Rollbaserad åtkomstkontroll (RBAC)
För företag som använder Role-Based Access Controls (RBAC) måste du ha behörighet att skapa och redigera segment för att kunna se rekommenderade egenskaper. De rekommendationer för egenskaper som du ser är endast sådana från datakällor som du har åtkomst till via RBAC.
Läs mer om RBAC kontroller här.
Begränsningar
- I Audience Manager visas för närvarande inte mappegenskaper som rekommenderade egenskaper. Läs mer om mappegenskaper här.
- När Trait Recommendations visas tar Audience Manager inte hänsyn till Boolean-operatorer (AND, OR, NOT) i segmentreglerna.