Häufig gestellte Fragen zu vorhersagekräftigen Zielgruppen
Häufig gestellte Fragen zu Predictive Audiences.
Wann sollte ich Predictive Audiences anstatt Look-alike modeling verwenden?
Predictive Audiences und Look-alike modeling bedienen verschiedene Anwendungsfälle. Die wichtigsten Unterschiede zwischen den beiden Algorithmen sind:
- Look-alike modeling erwartet eine kleine Zielgruppe als Eingabe und erweitert diese. Predictive Audiences erwartet eine große Zielgruppe als Eingabe und teilt sie anhand der von Ihnen definierten Personas in kleinere eindeutige Zielgruppen auf.
- Die Anzahl der Basissegmente ist für jeden Algorithmus unterschiedlich. Predictive Audiences erfordert mindestens zwei Grundlinien, während Look-alike modeling höchstens eine Basislinie verwendet.
- Predictive Audiences wertet die Segmente in Echtzeit aus, während Look-alike modeling dies nicht tut.
Je nach Anwendungsfall sollten Sie entscheiden, welches Modell für Sie angemessener ist.
Sie können das Erstellen eines Predictive Audiences-Modells mit einer Reihe von Grundlinien dem Erstellen der gleichen Anzahl von Look-alike-Modellen vergleichen, nur ohne die Echtzeitauswertung und mit einer sehr hohen Wahrscheinlichkeit, dass Besucher mehreren verschiedenen Personas angehören, anstatt einer eindeutigen Persona.
Wie viele Personas/Modelle darf ich erstellen?
Sie können bis zu 10 Predictive Audiences-Modelle erstellen. Für jedes Modell können Sie bis zu 50 Grundlinieneigenschaften oder Segmente definieren.
Wie kann ich neue Segmente aus einem Predictive Audiences-Segment erstellen?
Gehen Sie zu Audience Data > Segments und klicken Sie auf den Ordner Predictive Audiences. Suchen Sie nach dem gewünschten Segment, duplizieren Sie es und bearbeiten Sie es nach Ihren Bedürfnissen.
Wann kann ich die ersten Ergebnisse meines Modells sehen?
Predictive Audiences-Modellergebnisse sind innerhalb von 24 Stunden nach der Modellerstellung verfügbar, wenn das Modell erfolgreich ausgeführt wird.
Sollte das Modell nicht innerhalb von 24 Stunden Ergebnisse liefern, wenden Sie sich bitte an Ihren Adobe-Support-Mitarbeiter.
Warum liefert mein Modell keine Ergebnisse oder zeigt den Warnungsstatus an?
Predictive Audiences-Modelle können aus einer Reihe von Gründen zu keinen Ergebnissen führen:
- Keine der ausgewählten Rollen traits / segments verfügt über genügend Benutzerprofile. Es wird empfohlen, traits oder segments auszuwählen, damit jede Persona über mindestens hundert Benutzerprofile verfügt.
- Keine der ausgewählten Rollen traits / segments verfügt über genügend Daten in ihren Benutzerprofilen (nicht genügend Eigenschaften zur Analyse).
- Die Eigenschaft/das Segment der Zielgruppe hat keine aktiven oder integrierten Benutzer.
- Die Benutzer der Zielgruppe, die in den letzten 30 Tagen aktiv waren oder integriert wurden, verfügen nicht über genügend Daten in ihren Benutzerprofilen (nicht genügend Eigenschaften zum Analysieren).
- Das Zielgruppensegment verwendet einen anderen Profile Merge Rule als den, den Sie für das Modell ausgewählt haben.
- Die Datenquelle Ihrer Zielgruppen-Eigenschaften ist möglicherweise nicht in dem Profile Merge Rule enthalten, das Sie für das Modell ausgewählt haben.
Um optimale Ergebnisse zu erzielen, befolgen Sie die empfohlenen Richtlinien aus den Auswahlkriterien für Personas und den Auswahlkriterien für Zielgruppen.
Warum zeigt mein Modell den Error Status an?
Das Modell konnte nicht ausgeführt werden. In solchen Fällen wenden Sie sich bitte an Ihren Adobe-Support-Mitarbeiter.
Wie kann ich die Profile Merge Rule für eine Predictive Audiences segmentändern?
Erstellen Sie ein neues Modell, indem Sie dieselben Personas und Zielgruppen wie im vorherigen Modell auswählen. Weisen Sie bei der Modellerstellung einen anderen Profile Merge Rule zu.
Was Profile Merge Rule soll ich wählen?
Wenn Sie Profile Merge Rule für Ihr Modell auswählen, analysieren Sie Ihren Anwendungsfall genau.
Nehmen wir an, Ihre Zielgruppe segment verwendet ein Profile Merge Rule-Profil, das auf authentifizierten Profilen und Device Graph-Profilen basiert, und Sie wählen dasselbe Profile Merge Rule für das Prädiktiv segments aus. In diesem Fall werden sowohl die Geräteebene als auch die geräteübergreifende Ebene traits für das Trainieren des Modells und für die Platzierung des Benutzers in ein Prädiktiv segment verwendet.
Wenn Sie jedoch ein Profile Merge Rule nur auf der Grundlage von Geräteprofilen auswählen, wird keines Ihrer geräteübergreifenden traits-Elemente einflussreich und trägt nicht zur Platzierung von Benutzern in einem prädiktiven segment bei. Dies kann sich negativ auf die Genauigkeit und Reichweite des Modells auswirken.
Analysieren Sie Ihren Anwendungsfall sorgfältig und entscheiden Sie, von welchen trait Typen das Modell lernen soll und welche Datentypen das Modell für die Klassifizierung verwenden soll.
Kann ein vorkommen, dass ein Benutzer aus der Zielgruppe, der nicht Teil einer/s Persona-Eigenschaft/-Segments ist, nicht klassifiziert wird?
Ja, falls im Profil des Benutzer keine Eigenschaften angegeben sind. In diesem Fall erhält der Benutzer eine Übereinstimmungsbewertung von 0 für alle Persona-Eigenschaften/-Segmente und wird daher nicht in eines der Vorhersagesegmente klassifiziert.
Kann ein Benutzer, der in eines der Vorhersagesegmente klassifiziert wurde, in ein anderes Predictive Audiences-Segment umklassifiziert werden?
Ja. Da der Algorithmus täglich trainiert wird, wendet er die Änderungen für jede der Personas in Bezug auf die Bewertung der Eigenschaften an. Wenn ein Benutzer, der Teil eines Predictive Audiences-Segments ist, aktiv ist, können die Änderungen in seinem Eigenschaftswert die Classification basierend auf der Aktivität der letzten 30 Tage ändern.
Kann ich die Eigenschaften sehen, nach denen die Zielgruppe klassifiziert wurde?
Ja, Sie können alle einflussnehmenden Eigenschaften für alle Grundlinie auf der Seite mit den Modellberichten sehen. Siehe Einflussnehmende Eigenschaften.
Kann ich die Live-Zeit (TTL) für Eigenschaften mit Prognosen ändern?
Die prädiktive Eigenschaft TTL ist auf 0 (Lebensdauer) festgelegt und kann nicht geändert werden. Predictive Audiences kann die Segmentierung von Benutzern aus Vorhersagesegmenten nur aufheben, wenn sie sich für das Basissegment qualifizieren oder in ein anderes Vorhersagesegment umklassifiziert werden.
Bei Bedarf können Sie diese Funktion umgehen, indem Sie ein neues Segment erstellen, das sowohl eine prädiktive Eigenschaft als auch eine Aktivitätseigenschaft mit einer angegebenen TTL enthält.
Was passiert mit dem Modell, wenn ich eine seiner Grundlinieneigenschaften oder -segmente bearbeite?
Das Modellwertet die Eigenschaften oder Segmente einmal täglich aus. Die aktualisierte Classification sollte am nächsten Tag nach der Aktualisierung angezeigt werden.
Kann ich die Datenquellen auswählen, aus denen das Modell lernen soll?
Nein, die Auswahl von Datenquellen wird nicht unterstützt. Der Predictive Audiences-Algorithmus lernt von all Ihren Erstanbietereigenschaften.