区段到特征重叠报表 segment-to-trait-overlap-report
返回有关特定特征和整个区段之间共享的独特用户数的数据。
概述
作为优化工具，Segment to Trait Overlap报表可帮助您构建重点突出的区段或扩大区段范围。 例如，您可以创建具有高重叠度的重点区段和特征以覆盖特定受众。 但是，大量重叠可能意味着独特用户更少（覆盖范围更小）。 运行此报告有助于通过删除具有大量区段重叠的特征，并将它们替换为重叠较少的特征，来扩展范围。
示例报告
下图提供了Segment-to-Trait Overlap报表的高级概述。
向下展开单个数据点
选择单个点以在弹出窗口中查看数据详细信息。 您的单击操作会自动更新报告中显示的数据。
将区段与特征进行比较 comparing-segments-to-traits
描述如何比较区段和特征以从结果中获取有意义的信息。
比较特征和区段唯一性：示例
乍一看，将区段与特征进行比较并尝试从结果中得出结论似乎不合逻辑。 毕竟，区段和特征是不同的，那么从完全不同的项目获得的数据又有什么意义呢？ 但是，在本例中，我们不是比较特征和区段，而是比较特征与区段之间共享的独特访客数量。 共享的唯一访客计数提供了一个通用值，可用于将区段与特征进行比较。
下图说明了特征与其所属的区段之间的关系。 在本例中，我们有一个包含10位访客的特征和一个包含1,000位访客的区段。 他们共用3个独特访客。
独特访客计数是在这些不同的对象类之间共享的通用常量值。 因此，您可以确定它们之间的独特访客关系，如下所示：
- 该特征与区段共享其30%的独特访客(3/10 = 0.30)。
- 该区段与特征共享其0.3%的独特访客(3/1,000 = 0.003)
在区段与特征比较中查找值
查看特征和区段之间的重叠可以帮助您估计可用访客池（预测）总数或查找重叠过多的低效区段。
要确定可用的访客池，请对特征总计（较少重叠）和区段总计（较少重叠）之间的差异求和。
此区段 — 特征组合最多可以包含1004个新用户。
了解区段到特征重叠报表中的数据过滤器 data-filters-s2t-report
描述特征和区段唯一重叠%滑块的工作方式。
Segment-to-Trait overlap报表允许您使用两个滑块按特征或区段重叠百分比过滤数据。
- Filter Trait Uniques %: 按特征和区段之间共享的独特访客的%过滤数据。
- Filter Segment Uniques Overlap %: 按区段和特征之间共享的独特访客的%过滤数据。
示例
下图说明了特征唯一值%与区段唯一值%之间的差异。 在这种情况下，特征和区段共享3个独特访客。 按比例：
- 该特征与区段共享其30%的独特访客(3/10 = 0.30)。
- 该区段与特征共享其0.3%的独特访客(3/1,000 = 0.003)
定义的区段到特征数据Pop字段 fields-defined
描述单击单个数据点时弹出式窗口中显示的量度。
Segment-to-Trait Overlap报表的弹出窗口包含下列量度。 请注意，表中的唯一量度表示您的 实时用户。
定义特征所属的提供程序的类型。 可以是：
- 第一方（您自己的特征）。
- 第三方（来自外部数据合作伙伴/供应商）。