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。

NOTE
Audience Manager中的重叠报表遵循RBAC原则。 您只能根据您所属的RBAC用户组,从您有权访问的数据源中查看区段和特征。

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。

用例
描述
预测

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。

查找效率低下的区段
如果某个特征属于区段定义中的 AND组,则具有该特征的独特访客已存在于区段中,并且无法添加到区段中。 您可以使用此报表查找重叠程度较低的相关特征,并将其添加到区段定义,从而扩大该区段受众池的覆盖范围。

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

量度
描述
区段ID
区段的唯一数值ID。
特征数据Source
特征所有者的名称。
数据Source类型

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)。
特征ID
特征的唯一数值ID。
特征名称
特征的名称。
特征唯一项重叠%
特征与区段共享的独特访客百分比。
区段唯一值重叠%
区段与某个特征共享的独特访客百分比。
个重叠唯一值
在区段和特征之间共享的独特访客数。
区段唯一值
区段中的独特访客数。
特征独特
特征中的独特访客数。
recommendation-more-help
de293fbf-b489-49b0-8daa-51ed303af695