Predictive Audiences概述 predictive-audiences
Predictive Audiences可帮助您使用高级数据科学技术将未知受众实时分类为不同的角色。
在营销环境中,人物是由访客、用户或潜在购买者定义的受众区段,他们具有一组特定特征,如人口统计信息、浏览习惯、购物历史记录等。
Predictive Audiences 模型进一步扩展了角色这一概念的应用,允许您使用 Audience Manager 的机器学习功能将未知受众分类为不同的角色。Audience Manager可以计算未知的第一方受众与一组已知的第一方受众之间的相似性,从而帮助您做到这一点。
创建Predictive Audiences模型时,第一步是选择希望目标受众作为分类依据的基线特征或区段。 这些特征或区段将定义您的角色。
在评估阶段,模型将为您定义为基线的每个特征或区段创建一个新的Predictive Audiences区段。 下次Audience Manager看到目标受众中未被分类为角色(不符合任何基线特征或区段条件)的访客时,Predictive Audiences模型将确定访客应属于哪些预测区段,并将访客添加到该区段。
您可以在Segments页面中识别模型创建的预测区段。 每个Predictive Audiences模型在Predictive Audiences文件夹下都有自己的文件夹,您可以通过单击模型文件夹来查看每个模型的区段。
用例 use-cases
为了帮助您更好地了解如何以及何时可以使用Predictive Audiences,以下是Audience Manager客户可以使用此功能解决的几个用例。
用例#1
作为一家电子商务公司的营销人员,我想将我的所有Web和移动访客分类为各种品牌亲和力类别,以便我可以个性化他们的用户体验。
用例#2
作为一家媒体公司的营销人员,我想按最喜爱的流派对我未经身份验证的Web和移动访客进行分类,以便我可以跨所有渠道向他们建议个性化内容。
用例#3
作为一家航空公司的广告商,我想确保我的受众是根据他们对旅游目的地的兴趣进行分类,以便我可以在很短的重定位窗口内向他们实时广告。
用例#4
作为广告商,我想实时对第一方受众进行分类,以便能够对热门新闻做出快速反应。
用例#5
作为营销人员,我想预测我的网站访客处于哪个客户历程阶段,例如发现、参与、购买或保留,以便我可以相应地定位他们。
用例#6
作为一家媒体公司,我想对受众进行分类,以便能够以较高的价格销售我的广告空间,同时为访客提供相关的广告。
Predictive Audiences模型的工作方式 how-predictive-audiences-models-work
创建Predictive Audiences模型时,需执行以下三个步骤:
- 首先,选择至少两个将定义角色的特征或两个区段。
- 然后,选择一个特征或区段,以定义要分类的目标受众。
- 最后,选择模型的名称、将存储预测区段的数据源以及模型的Profile Merge Rule。
角色选择标准 selection-personas
您可以选择任何第一方特征或区段来定义角色。 但是,为获得最佳结果,这里提供了一组推荐的最佳实践:
目标受众的选择标准 selection-audience
根据您的用例,如果要实时、批量或同时以这两种方式对用户进行分类,请选择具有大量实时和/或总人口的目标受众(trait或segment)。 与角色选择类似,我们建议您的目标受众trait或segment具有具有丰富配置文件的用户(丰富的traits集)。
选择目标受众时,分析您的用例,并决定要分类的ID类型:device IDs或cross-device IDs。 您在创建模型时选择的Profile Merge Rule定义了用于将每个用户放入预测segments的数据。
作为最佳实践,我们建议您选择与目标受众Profile Merge Rule具有相同配置的Profile Merge Rule,或者选择包含目标受众的配置文件类型(设备配置文件或经过身份验证的配置文件)的配置。
Predictive Audiences模型训练阶段 model-training
在算法能够将您的第一方受众分类为正确的角色之前,它需要根据您的数据进行自我训练。
对于您定义的每个角色,算法将分析其各自的受众,并评估其用户在过去30天内的任何实时和/或载入的特征活动。
此步骤每24小时执行一次,以确保您的第一方受众发生变化。
Predictive Audiences模型分类阶段 model-classification
对于实时和批量受众分类,模型首先会检查用户是否属于目标受众。 如果用户符合目标受众资格且不属于任何角色,则模型将为他们分配角色资格分数。
在评估第一方受众并分配得分时,模型使用您在帐户中定义的默认 Profile Merge Rule。 最后,访客被分类为获得最高分数的角色。
注意事项和限制 considerations
在配置Predictive Audiences模型时,请牢记以下注意事项和限制:
-
您最多可以创建10个Predictive Audiences模型。
-
对于每个模型,您最多可以选择50个基本特征/区段。
-
Predictive Audiences当前不支持第二方和第三方数据。
-
Predictive Audiences根据您的第一方特征,从您的所有第一方数据源执行受众分类。
-
Predictive Audiences的区段评估使用您在模型创建期间选择的 Profile Merge Rule。 要了解有关Profile Merge Rules的更多信息,请参阅专用的文档。
-
不支持将某些特征和区段用作基线或目标受众。 选择下列模型之一作为基线或目标受众时,Predictive Audiences模型将无法保存:
- 使用预测特征创建的预测特征和区段;
- Adobe Experience Platform特征或区段;
- 算法特征;
- 第二方和第三方特征。
-
Predictive Audience segments不能在Audience Lab中使用。
Data Export Controls dec
由Predictive Audiences模型创建的预测区段从以下第一方数据源继承了数据导出控件:
- 您在构建模型时选择的第一方数据源。
- 目标受众的第一方数据源。 具体而言,构成目标受众的traits或segments的数据导出控件。
- 您为模型选择的Profile Merge Rule的数据导出控件。
新创建的预测traits和segments将与上面描述的第一方数据源的并集具有相同的隐私限制。
具有不属于Predictive Audiences区段隐私限制的其他限制的特征将从训练阶段中排除,并且不会影响模型。
Profile Merge Rules pmr
将为所有预测区段分配您在创建模型时选择的Profile Merge Rule。 您选择的Profile Merge Rule很重要,原因如下:
-
它定义在模型分析具有影响力的traits时,将用户分类为预测性segment时,应考虑哪些设备和/或验证的配置文件。
-
它控制在模型训练步骤中应该使用哪些trait类型(设备级别或跨设备级别)并显示为具有影响力的traits。 预测segments是目标受众的子集。
- 如果目标受众是区段,我们建议您为模型选择与分配给目标受众的相同的Profile Merge Rule,或者选择包含目标受众的配置文件类型的Profile Merge Rule。
- 如果目标受众是trait,我们建议您选择一个Profile Merge Rule,以访问与目标受众特征相同的数据类型(设备配置文件数据或跨设备配置文件数据)。
-
实时受众分类仅支持使用Current Authenticated Profiles和No Device Profile选项的Profile Merge Rules。 有关详细信息,请参阅定义的配置文件合并规则选项。
选择同时使用设备数据和跨设备数据的Profile Merge Rule,可将可用于模型训练和用户分类的traits数量最大化到预测的segments中。
Role-Based Access Controls rbac
您为角色和受众分类选择的特征和区段受基于Audience Manager角色的访问控制的约束。
Audience Manager用户只能为角色和Target受众选择他们具有查看权限的特征或区段。