Predictive Audiences總覽 predictive-audiences
Predictive Audiences可協助您使用進階的資料科學技術,將未知的受眾即時分類為不重複角色。
在行銷領域中,角色是一種受眾區段,由擁有一組共同特定特徵(例如人口統計資料、瀏覽習慣、購物記錄等)的訪客、使用者或潛在購買者所定義。
Predictive Audiences 模型可讓您使用 Audience Manager 的機器學習功能,將未知的受眾分類為不重複角色,進一步運用此概念。Audience Manager可協助您針對一組已知的第一方受眾,計算未知第一方受眾的傾向,進而實現此目標。
建立Predictive Audiences模型時,第一步是選擇基線特徵或區段,讓您的目標對象依這些特徵或區段進行分類。 這些特徵或區段將定義您的角色。
在評估階段,模型會為您定義為基準線的每個特徵或區段建立新的Predictive Audiences區段。 下次Audience Manager看到目標受眾中未被分類為角色之訪客(不符合任何基線特徵或區段的資格)時,Predictive Audiences模型會判斷訪客應屬於哪些預測區段,並將訪客新增至該區段。
您可以在Segments頁面中識別模型建立的預測區段。 每個Predictive Audiences模型在Predictive Audiences資料夾下都有自己的資料夾,您可以按一下模型資料夾來檢視每個模型的區段。
使用個案 use-cases
為了協助您更清楚瞭解您如何使用Predictive Audiences以及何時可以使用,以下是Audience Manager客戶可以使用此功能解決的一些使用案例。
使用案例#1
身為電子商務公司的行銷人員,我想將所有網頁和行動訪客分類為各種品牌相關性類別,以便個人化其使用者體驗。
使用案例#2
身為一家媒體公司的行銷人員,我想要依我最愛的流派將我未經驗證的網頁和行動訪客分類,以便我可以跨所有管道向他們建議個人化內容。
使用案例#3
作為一家航空公司的廣告商,我想要確保我根據受眾對旅遊目的地的興趣來分類受眾,以便我可以在短短的重新定位時段內即時向他們做廣告。
使用案例#4
身為廣告商,我想即時分類第一方對象,以便快速回應熱門新聞。
使用案例#5
作為行銷人員,我想預測我的網站訪客處於哪個客戶歷程階段,例如探索、參與、購買或保留,以便我可以據此鎖定他們。
使用案例#6
身為一家媒體公司,我想將我的對象分類,這樣我就能以高價銷售廣告空間,同時為訪客提供相關的廣告。
Predictive Audiences模型的運作方式 how-predictive-audiences-models-work
建立Predictive Audiences模型時,您需要完成三個步驟:
- 首先,您至少選取兩個特徵或兩個區段,以定義您的角色。
- 接著,您可以選擇特徵或區段,定義您要分類的目標對象。
- 最後,您要選擇模型的名稱、儲存預測區段的資料來源,以及模型的Profile Merge Rule。
角色選取條件 selection-personas
您可以選擇任何第一方特徵或區段來定義您的角色。 然而,為獲得最佳結果,以下是建議的一組最佳實務:
目標對象的選取條件 selection-audience
視您的使用案例而定,若要以即時、批次,或兩者同時分類,請選擇具有大量即時和/或總母體的目標對象(trait或segment)。 與角色選擇類似,我們建議您的目標對象trait或segment具有具有豐富設定檔(traits的豐富集合)的使用者。
選取目標對象時,請分析您的使用案例,並決定您要分類的ID型別: device IDs或cross-device IDs。 您在建立模型時選取的Profile Merge Rule會定義用來將每個使用者放入預測性segments的資料。
根據最佳實務,建議您選擇與目標對象Profile Merge Rule具有相同設定的Profile Merge Rule,或是包含目標對象的設定檔型別(裝置設定檔或已驗證的設定檔)的設定檔。
Predictive Audiences模型訓練階段 model-training
演演算法必須先根據您的資料自我訓練,才能將第一方對象分類為正確的角色。
演演算法會針對您定義的每個角色,分析各自的對象,並評估其使用者在過去30天內任何即時和/或已上線特徵活動。
此步驟每24小時執行一次,以說明第一方對象中的變更。
Predictive Audiences模型分類階段 model-classification
對於即時和批次對象分類,模型會先檢查使用者是否屬於目標對象。 如果使用者符合目標受眾資格且不屬於任何角色,模型會為其指派角色資格分數。
評估第一方對象並指派分數時,模型會使用您帳戶中定義的預設 Profile Merge Rule。 最後,訪客會分類為獲得最高分數的角色。
考量事項和限制 considerations
設定Predictive Audiences模型時,請記住下列考量事項和限制:
-
您最多可以建立10個Predictive Audiences模型。
-
對於每個模型,您最多可以選擇50個基本特徵/區段。
-
Predictive Audiences目前不支援第二方和第三方資料。
-
Predictive Audiences會根據您第一方特徵,從您所有第一方資料來源執行對象分類。
-
Predictive Audiences的區段評估使用您在模型建立期間選擇的 Profile Merge Rule。 若要深入瞭解Profile Merge Rules,請參閱專屬的檔案。
-
部分特徵和區段不支援作為基線或目標對象。 選擇下列其中一個做為基準或目標對象時,Predictive Audiences模型將無法儲存:
- 預測性特徵和使用預測性特徵建立的區段;
- Adobe Experience Platform特徵或區段;
- 演演算法特徵;
- 第二方和第三方特徵。
-
Predictive Audience segments不能在Audience Lab中使用。
Data Export Controls dec
Predictive Audiences模型建立的預測區段會繼承下列第一方資料來源的資料匯出控制項:
- 您在建立模型時選擇的第一方資料來源。
- 目標對象的第一方資料來源。 具體來說,就是組成您目標對象之traits或segments的資料匯出控制項。
- 您為模型選取之Profile Merge Rule的資料匯出控制。
新建立的預測性traits和segments將與上述第一方資料來源的聯合有相同的隱私許可權制。
具有不屬於Predictive Audiences區段隱私許可權制之其他限制的特徵,將從訓練階段中排除,且不會影響模型。
Profile Merge Rules pmr
所有預測區段都會指派給您建立模型時選取的Profile Merge Rule。 您選擇的Profile Merge Rule很重要,原因如下:
-
它定義在模型分析具影響力的traits時,將使用者分類為預測性segment時,應該考慮哪些裝置和/或驗證的設定檔。
-
它決定模型訓練步驟期間應該使用哪些trait型別(裝置層級或跨裝置層級),並顯示為有影響力的traits。 預測性segments是目標對象的子集。
- 如果目標對象是區段,我們建議您為模型選取與指派給目標對象相同的Profile Merge Rule,或選取包含目標對象之設定檔型別的Profile Merge Rule。
- 如果目標對象是trait,我們建議您選取一個可以存取與目標對象特徵相同資料型別的Profile Merge Rule (裝置設定檔資料或跨裝置設定檔資料)。
-
使用Current Authenticated Profiles和No Device Profile選項的Profile Merge Rules僅支援即時對象分類。 如需詳細資訊,請參閱定義的設定檔合併規則選項。
選取同時使用裝置資料與跨裝置資料的Profile Merge Rule,可將可用於模型訓練與使用者分類的traits數目增加到預測性segments。
Role-Based Access Controls rbac
您為角色和對象分類選擇的特徵和區段須遵守Audience Manager角色型存取控制。
Audience Manager使用者只能選取其具有檢視許可權之角色和Target對象的特徵或區段。