Show Menu
THEMEN×

Trait Recommendations

Erhalten Sie beim Erstellen Ihrer Segmente Live-Eigenschaftenempfehlungen aus Ihren eigenen Erstanbieter-Eigenschaften und Audience Marketplace -Datenfeeds.

Videodemonstration

Beginn, indem Sie sich das unten stehende Trait Recommendations Video ansehen, dann lesen Sie für weitere Informationen. Die Videodemonstration zeigt Ihnen, wie Sie mit Empfehlungen aus Ihren eigenen Erstanbieter-Eigenschaften sowie mit Eigenschaftsempfehlungen aus Audience Marketplace Datenfeeds arbeiten können, die Sie bereits abonniert haben.

Das nächste Video skizziert den Arbeitsablauf für Marketplace Recommendationsund zeigt Ihnen, wie Sie Ihren Segmenten Eigenschaften hinzufügen, basierend auf Empfehlungen aus Data Feeds in Audience Marketplace. Diese Empfehlungen basieren auf Datenfeeds, die Sie nicht abonniert haben.

Überblick

Trait Recommendations, powered by Adobe Sensei, bringt Datenwissenschaften in Ihre tägliche Workflows mit Audience Manager. With Trait Recommendations, when you build or edit a segment in Segment Builder , you get recommendations on additional traits you can include, that are similar to the traits in the segment rule.
Audience Manager zeigt Ihnen Eigenschaftsempfehlungen sowohl aus Ihren Erstanbietereigenschaften, im Recommendations Abschnitt als auch aus Audience Marketplace dem Recommendations from Marketplace Abschnitt an.
Fügen Sie die empfohlenen Merkmale zu Ihrem Segment hinzu, um Ihre Zielgruppe zu erweitern.
Kurz gesagt:
  • Audience Manager zeigt Eigenschaften von Erstanbietern im Recommendations Abschnitt an. Empfehlungen von Marktplätzen aus öffentlichen und privaten Feeds, die Sie nicht abonniert haben, sind im Recommendations from Marketplace Abschnitt sichtbar. Klicken Sie auf den Feed-Namen, um ihn aufzurufen Audience Marketplace und abonnieren.
  • Audience Manager zeigt maximal fünfzig Eigenschaften an, die denen in der Segmentregel ähneln.
  • Sie können die Datenquellen herausfiltern, aus denen keine Empfehlungen angezeigt werden sollen.
  • Bei der Berechnung von Ähnlichkeiten berücksichtigt Audience Manager UUIDs , die in den letzten 30 Tagen für die Eigenschaft qualifiziert waren.
  • Wenn Sie die Fehlermeldung "Keine ähnlichen Eigenschaften gefunden. Eigenschaften sind möglicherweise zu neu.", bedeutet dies, dass entweder in den letzten 30 Tagen keine Aktivität für diese Eigenschaft stattgefunden hat oder Audience Manager die Empfehlungen für diese Eigenschaft noch nicht aktualisiert hat. Bitte versuchen Sie es in 24 Stunden erneut.

Nutzungsszenarios

Mit Trait Recommendationskönnen Sie Ihre Workflows je nach Verwendung von Audience Manager verbessern:
  • Als Vermarkter können Sie mithilfe ähnlicher Eigenschaften schnell Audiencen finden, die an ergänzenden Produkten interessiert sind, sodass Sie Ihre Reichweite vergrößern können.
  • Wenn Sie Audience Manager als Herausgeber verwenden, Trait Recommendationskönnen Sie das Verhalten der Audience verstehen und bessere Segmente für den Anzeigenverkauf oder die Benutzerakquise erstellen.
  • Als Audience Marketplace Datenkäufer möchte ich relevante Drittanbieterdaten ermitteln, ohne eine große Anzahl von Feeds durchsuchen zu müssen.
  • Als Audience Marketplace Datenanbieter möchte ich den Käufern relevante Daten empfehlen, damit ich von optimalen und relevanten Abonnements profitieren kann.

Unterschiede zwischen Eigenschaftsempfehlungen und Algorithmusmodellen

Algorithmische Modelle

Algorithmic Models Findet nicht nur die einflussreichsten Eigenschaften, sondern bewertet auch die Benutzer anhand dieser Eigenschaften und weist jedem Benutzer ein individuelles Ergebnis zu. Anschließend erstellen Sie algorithmische Eigenschaften zur Zielgruppe Ihrer Benutzer. Mit den Steuerelementen für Genauigkeit und Reichweite im Trait Builderkönnen Sie festlegen, welche Benutzer zu den einflussreichen Eigenschaften gehören, die Sie Zielgruppen vornehmen möchten.
Algorithmic Models ermöglicht Ihnen, Benutzer mit unterschiedlichen Genauigkeitsstufen auszuwählen und zu testen, in Audience Lab welcher Benutzergruppe sie besser konvertiert. Weitere Informationen finden Sie unter Vergleichen von Modellen in Audience Lab .
In Algorithmic Modelsdiesem Fall wird das Modell alle 8 Tage ausgeführt und aktualisiert die für algorithmische Eigenschaften qualifizierten Benutzer.

Trait Recommendations

Trait Recommendations ist eine schnelle Möglichkeit, Einblicke in andere Eigenschaften zu erhalten, die den Eigenschaften in einem Segment ähnlich sind.
Sie sollten Trait Recommendations Folgendes verwenden:
  • Beim Erstellen eines Segments benötigen Sie schnelle Einblicke.
  • Sie verwenden die Segmente für kurze Kampagnen oder wenn Sie die Audience, die konvertiert, schnell unterdrücken möchten;
  • Du versuchst, die Reichweite zu maximieren.

Arbeitsablauf

Beim Erstellen oder Bearbeiten eines Segments im Segmentaufbau können Sie Eigenschaften, die den Eigenschaften in der Segmentregel ähneln, untersuchen. Der Arbeitsablauf Segmentaufbau ist für neue und vorhandene Segmente sehr ähnlich:

Neue Segmente

  1. Gehen Sie zu Audiencen > Segmente und klicken Sie auf Hinzufügen Neu .
  2. Fügen Sie der Segmentregel im Dropdownfeld Eigenschaften mindestens eine Eigenschaft hinzu.
  3. Sie können empfohlene Eigenschaften und Audience Marketplace Eigenschaftsempfehlungen von Erstanbietern aus Feeds, die Sie abonniert haben, im Recommendations Abschnitt anzeigen. Der Recommendations from Marketplace Abschnitt zeigt Empfehlungen zu Eigenschaften von Feeds an, die Sie nicht abonniert haben. Alle diese Empfehlungen ähneln den Eigenschaften, die Sie der Segmentregel hinzugefügt haben. Blättern Sie nach unten, um alle empfohlenen Eigenschaften anzuzeigen.
  4. (Optional) Um empfohlene Erstanbieter-Eigenschaften aus bestimmten Datenquellen auszuschließen, klicken Sie auf das X -Symbol für die Datenquellen, die Sie ausschließen möchten.
    Die ausgeschlossenen Datenquellen werden direkt über der Liste der empfohlenen Eigenschaften angezeigt. Klicken Sie im grauen Feld auf X , um die Ausschlüsse zu entfernen und die Ergebnisse aus den entsprechenden Datenquellen erneut anzuzeigen.
  5. Um der Segmentregel empfohlene Eigenschaften hinzuzufügen, klicken Sie auf das Symbol + .
Beim Hinzufügen von Marketplace Eigenschaften zu einem Segment werden die Eigenschaften nur für die Segmentschätzung verwendet, bis Sie den entsprechenden Datenfeed abonnieren. Eigenschaften, die aus nicht abonnierten Datenfeeds stammen, werden in der Liste "Eigenschaften"mit einem Warenkorbsymbol gekennzeichnet. Klicken Sie auf den Eigenschaftsnamen, um zur Data Feed-Seite zu wechseln und sie zu abonnieren.
Sie können ein Segment mit Eigenschaften von Drittanbietern erst speichern, nachdem Sie sich bei den entsprechenden Datenfeeds angemeldet haben.

Vorhandene Segmente

  1. Gehen Sie zu Audience Data>Segments , wählen Sie das Segment aus, das Sie bearbeiten möchten, und klicken Sie auf .
  2. Blättern Sie nach unten zum Traits Dropdown-Feld.
  3. Sie können empfohlene Eigenschaften sehen, die den Eigenschaften ähnlich sind, die bereits in der Segmentregel enthalten sind. Blättern Sie nach unten, um alle empfohlenen Eigenschaften anzuzeigen.
  4. (Optional) Um empfohlene Eigenschaften aus bestimmten Datenquellen auszuschließen, klicken Sie auf das X -Symbol für die Datenquellen, die Sie ausschließen möchten.
    Die ausgeschlossenen Datenquellen werden direkt über der Liste der empfohlenen Eigenschaften angezeigt. Klicken Sie im grauen Feld auf X , um die Ausschlüsse zu entfernen und die Ergebnisse aus den entsprechenden Datenquellen erneut anzuzeigen.
  5. Um der Segmentregel empfohlene Eigenschaften hinzuzufügen, klicken Sie auf das Symbol + .
Wenn Sie ein Segment erstellen oder bearbeiten und der Segmentregel eine Eigenschaft hinzufügen, sehen Sie maximal 50 empfohlene Eigenschaften, ähnlich denen, die Sie hinzugefügt haben. Wenn die Segmentregel mehr als eine Eigenschaft enthält, verwendet Audience Manager eine Round-Robin-Methode, um die beste Übereinstimmung für jede Eigenschaft anzuzeigen, dann die zweitbeste Übereinstimmung für jede Eigenschaft usw. für die größten fünfzig Eigenschaften nach Population in der Segmentregel.
Wenn die Segmentregel z. B. drei Eigenschaften enthält, wie unten dargestellt, werden folgende Eigenschaften empfohlen:
  1. Optimale Übereinstimmung für Eigenschaft 3 (die Eigenschaft mit der größten Population);
  2. Optimale Übereinstimmung für Eigenschaft 1;
  3. Optimale Übereinstimmung für Eigenschaft 2;
  4. Zweitbeste Übereinstimmung für Eigenschaft 3;
  5. Zweitbeste Übereinstimmung für Eigenschaft 1 usw., bis Sie zu fünfzig Eigenschaften gelangen.
Um Empfehlungen für eine bestimmte Eigenschaft abzurufen, können Sie auf die Eigenschaften in der Segmentregel (1) oder in der Ansicht der empfohlenen Eigenschaften (2) klicken.
Wenn Sie auf eine Eigenschaft eines Erstanbieters klicken, wird ein Popup-Fenster geöffnet, wie in der Abbildung unten dargestellt. Wenn die empfohlenen Eigenschaften nicht Teil des Segments sind, können Sie sie mit + zum Segment hinzufügen.
Die ausgeschlossenen Datenquellen der Hauptseite werden bei der Erstellung von Empfehlungen im Popup-Fenster "Eigenschafteninformationen"berücksichtigt. Wenn Sie Datenquellen in dieser Ansicht ausschließen, gelten die Ausschlüsse auch für die Hauptseite.
Empfohlene Eigenschaften können Ihre Eigenschaften von Erstanbietern oder Eigenschaften von Drittanbietern aus Datenfeeds sein, die Sie abonniert haben Audience Marketplace.

Funktionsweise

Zur Erstellung von Eigenschaftsempfehlungen berechnet Audience Manager die Jaccard-Ähnlichkeit zwischen der Eigenschaft "Zielgruppe"und allen anderen Eigenschaften, auf die Ihr Konto Zugriff hat, einschließlich Drittanbieterdaten. Audience Manager zeigt dann bis zu fünfzig Eigenschaften mit der höchsten Ähnlichkeit an.

Ähnlichkeitsbewertung

Audiencen-Manager berechnen die Trait Similarity Score Werte zwischen zwei Eigenschaften, indem der Schnittpunkt und die Vereinigung in Bezug auf die Anzahl der UUIDs berechnet werden, und teilen Sie dann die beiden Eigenschaften. Für die beiden Eigenschaften A und B sieht die Berechnung wie folgt aus:
Siehe auch die beiden folgenden Beispiele.

Beispiel 1: Low-Trait-Ähnlichkeitsbewertung

Angesichts der beiden Eigenschaften A und B haben alle Eigenschaften eine Bevölkerung von 1.000.000 UUIDs, von denen 25.000 UUIDs für beide Eigenschaften qualifiziert sind. Wenn Sie die obige Formel verwenden, führt dies zu Folgendem: 25.000 / 1.975.000 = 0,012. Das ist ein niedriger Wert Trait Similarity Score, die beiden Eigenschaften sind sehr unähnlich.

Beispiel 2 - Bewertung der Ähnlichkeit von Eigenschaften

Wenn dieselben Eigenschaften A und B 400.000 UUIDs hatten, die für beide Eigenschaften infrage kommen, ist der Wert Trait Similarity Score viel höher: 400.000 / 1.600.000 = 0,25

So interpretieren Sie die Eigenschafts-Ähnlichkeitsbewertung

Verwenden Sie die unten stehende Tabelle als grobe Hilfslinie, um Ähnlichkeiten zu erkennen. Dieser Leitfaden basiert auf den Ähnlichkeitswerten, die bei den meisten Eigenschaften beobachtet wurden.
Trait Similarity Score
Bedeutung
0.1 und höher
Hohe Ähnlichkeit zwischen Eigenschaften
0.03 - 0.1
Mittlere Ähnlichkeit zwischen Eigenschaften
0.01 - 0.03
Geringe Ähnlichkeit zwischen Eigenschaften
0 - 0.01
Sehr niedrige Ähnlichkeit zwischen Eigenschaften

Rollenbasierte Zugriffskontrolle (RBAC)

Für Firmen, die Role-Based Access Controls (RBAC) verwenden, benötigen Sie die Berechtigung zum Erstellen und Bearbeiten von Segmenten, um empfohlene Eigenschaften anzuzeigen. Die angezeigten Eigenschaftenempfehlungen stammen nur aus Datenquellen, auf die Sie über RBACZugriff haben.
Um einem Segment Marketplace Recommendations hinzuzufügen, müssen Benutzer zunächst die entsprechenden Datenfeeds abonnieren. Nur Benutzer mit Administratorrechten können Audience Marketplace Datenfeeds abonnieren.
Lesen Sie mehr über RBAC Steuerelemente hier .

Einschränkungen

  • Derzeit zeigt Audience Manager keine Ordnereigenschaften als empfohlene Eigenschaften an. Mehr über Ordnereigenschaften hier .
  • Bei der Anzeige von Eigenschaftsempfehlungen berücksichtigt Audience Manager keine Boolean Operatoren (AND, OR, NOT) in Segmentregeln.