Show Menu
TEMAS×

Trait Recommendations

Obtenga recomendaciones de características en directo a medida que genera sus segmentos.

Demostración en video

Comience por ver el vídeo de recomendaciones de características y, a continuación, siga leyendo para obtener más información.

Información general

Trait Recommendations, con tecnología Adobe Sensei, incorpora la ciencia de datos en los flujos de trabajo diarios de 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. Añada las características recomendadas al segmento para aumentar la audiencia objetivo.
En pocas palabras:
  • Audience Manager muestra las características de origen y de terceros de las fuentes de datos actualmente suscritas como características recomendadas.
  • Audience Manager muestra un máximo de cincuenta características similares a la de la regla de segmento.
  • Puede filtrar las fuentes de datos de las que no desee ver ninguna recomendación.
  • Al calcular las similitudes, Audience Manager considera los UUID que cumplen los requisitos para la característica durante los últimos 30 días.
  • Si ve el mensaje de error "No se encontraron características similares. Las características pueden ser demasiado nuevas.", esto significa que no hubo actividad para esa característica en los últimos 30 días o que Audience Manager aún no ha actualizado las recomendaciones para esa característica. Inténtelo de nuevo en 24 horas.

Casos de uso

Con Trait Recommendations, puede mejorar los flujos de trabajo, según cómo utilice Audience Manager:
  • Como especialista en mercadotecnia, puede encontrar rápidamente audiencias interesadas en productos complementarios con la ayuda de características similares, para aumentar su alcance.
  • Si usa Audience Manager como editor, con Trait Recommendationsesto puede comprender el comportamiento de la audiencia y crear mejores segmentos para las ventas de publicidad o la adquisición de usuarios.

Diferencias entre recomendaciones de características y modelos algorítmicos

Modelos algorítmicos

Algorithmic Models no sólo encuentra las características más influyentes, sino que también puntúa a los usuarios en función de esas características y asigna a cada usuario una puntuación individual. A continuación, puede crear características algorítmicas para dirigirse a los usuarios. Con los controles de precisión y alcance en la Trait Builder, puede especificar los usuarios entre todos los que tienen las características influyentes que desea definir como objetivo.
Algorithmic Models le permite seleccionar usuarios en diferentes niveles de precisión y probar en Audience Lab qué grupo de usuarios se convierte mejor. Consulte el caso de uso detallado en Comparar modelos en Audience Lab .
En Algorithmic Models, el modelo se ejecuta cada 8 días y actualiza los usuarios cualificados para características algorítmicas.

Trait Recommendations

Trait Recommendations es una forma rápida de obtener perspectivas sobre otras características similares a las que se utilizan en un segmento.
Debe usar Trait Recommendations cuando:
  • Necesita perspectivas rápidas al crear un segmento;
  • Utiliza los segmentos para campañas cortas o cuando desea suprimir rápidamente a la audiencia que realiza la conversión;
  • Está intentando maximizar el alcance.

Flujo de trabajo

Al crear o editar un segmento en el Generador de segmentos , puede explorar características similares a las de la regla de segmentos. El flujo de trabajo del Generador de segmentos es muy similar para los segmentos nuevos y existentes:

Nuevos segmentos

  1. En Datos de audiencia > Segmentos , seleccione Agregar nuevo .
  2. En el cuadro desplegable Características , agregue al menos una característica a la regla de segmento.
  3. Ahora puede ver características recomendadas que son similares a las características agregadas a la regla de segmento. Desplácese hacia abajo para ver todas las características recomendadas.
  4. (Opcional) Para excluir las características recomendadas de ciertas fuentes de datos, haga clic en el símbolo X de las fuentes de datos que desee excluir.
    Las fuentes de datos excluidas se muestran justo encima de la lista de características recomendadas. Pulse X en el cuadro gris para eliminar las exclusiones y ver los resultados de las fuentes de datos correspondientes de nuevo.
  5. Para agregar características recomendadas a la regla de segmento, haga clic en el símbolo + .

Segmentos existentes

  1. Vaya a Audience Data>Segments , seleccione el segmento que desee editar y pulse .
  2. Desplácese hacia abajo hasta el cuadro Traits desplegable.
  3. Puede ver las características recomendadas, que son similares a las características que ya aparecen en la regla de segmento. Desplácese hacia abajo para ver todas las características recomendadas.
  4. (Opcional) Para excluir las características recomendadas de ciertas fuentes de datos, haga clic en el símbolo X de las fuentes de datos que desee excluir.
    Las fuentes de datos excluidas se muestran justo encima de la lista de características recomendadas. Pulse X en el cuadro gris para eliminar las exclusiones y ver los resultados de las fuentes de datos correspondientes de nuevo.
  5. Para agregar características recomendadas a la regla de segmento, haga clic en el símbolo + .
Al crear o editar un segmento y agregar una característica a la regla de segmento, verá un máximo de cincuenta características recomendadas, similares a la que ha agregado. Si la regla de segmento contiene más de una característica, Audience Manager utiliza un método de rotación redonda para mostrar la mejor coincidencia para cada característica, la segunda mejor coincidencia para cada característica, etc., para las cincuenta características más grandes por población, en la regla de segmento.
Por ejemplo, cuando hay tres características en la regla de segmento, como se muestra a continuación, las características recomendadas son:
  1. Mejor coincidencia para la característica 3 (la característica con la mayor población);
  2. Mejor coincidencia para la característica 1;
  3. Mejor coincidencia para la característica 2;
  4. Segunda mejor coincidencia para la característica 3;
  5. Segunda mejor coincidencia para el rasgo 1, y así sucesivamente hasta llegar a cincuenta rasgos.
Para obtener recomendaciones para una característica específica, puede hacer clic en las características en la regla de segmento (1) o en la vista de características recomendadas (2).
Al hacer clic en una característica se abre una ventana emergente, como se muestra en la imagen de abajo. Si las características recomendadas no forman parte del segmento, puede agregarlas al segmento pulsando + .
Las fuentes de datos excluidas de la página principal se consideran al generar recomendaciones dentro de la ventana emergente de información de características. Y, si excluye las fuentes de datos en esta vista, las exclusiones se aplican a la página principal.
Las características recomendadas pueden ser las características de origen o de terceros de las fuentes a las que está suscrito.

Cómo funciona

Para generar recomendaciones de características, Audience Manager calcula la similitud de Jaccard entre la característica objetivo y cualquier otra característica a la que su cuenta tenga acceso, incluidos los datos de terceros. A continuación, Audience Manager muestra hasta cincuenta características que tienen la mayor similitud.

Puntuación de similitud de características

Audience Manager calcula los Trait Similarity Score dos rasgos calculando la intersección y la unión en términos del número de UUIDs y, a continuación, divide los dos. Para dos características A y B, el cálculo tiene este aspecto:
Consulte también los dos ejemplos siguientes.

Ejemplo 1: Puntuación de similitud de características bajas

Dadas las dos características A y B, digamos que cada una de las características tiene una población de 1,000,000 UUIDs, 25,000 UUIDs de las cuales califican para ambas características. Si se utiliza la fórmula anterior, el resultado será: 25.000 / 1.975.000 = 0,012. Este es un bajo Trait Similarity Score, los dos rasgos son muy diferentes.

Ejemplo 2: Puntuación de similitud de características

Si los mismos rasgos A y B tenían 400.000 #UUID que cumplen los dos rasgos, el valor Trait Similarity Score es mucho mayor: 400.000 / 1.600.000 = 0,25

Cómo interpretar la puntuación de similitud de características

Utilice la siguiente tabla como guía general para la similitud de características. Esta guía se basa en las puntuaciones de similitud observadas en la mayoría de las características.
Trait Similarity Score
Importancia
0.1 y posterior
Gran similitud entre características
0.03 - 0.1
Similitud media entre características
0.01 - 0.03
Baja similitud entre características
0 - 0.01
Muy baja similitud entre características

Control de acceso basado en roles (RBAC)

Para las empresas que utilizan Role-Based Access Controls (RBAC), debe tener permiso para crear y editar segmentos para ver las características recomendadas. Y, las características recomendadas que ve son sólo las de los orígenes de datos a los que tiene acceso mediante RBAC. Lea más sobre RBAC los controles aquí .

Limitaciones

  • Actualmente, Audience Manager no muestra las características de la carpeta como características recomendadas. Obtenga más información sobre las características de las carpetas aquí .
  • Al mostrar Recomendaciones de características, Audience Manager no tiene en cuenta Boolean los operadores (AND, OR, NOT) en las reglas de segmentos.