Show Menu
TEMAS×

Trait Recommendations

Obtenga recomendaciones de características en directo a medida que crea sus segmentos, a partir de sus propias características de origen y fuentes de datos Audience Marketplace .

Demostración en video

Inicio viendo el Trait Recommendations video de abajo, luego lea para más información. La demostración de vídeo muestra cómo trabajar con recomendaciones de sus propias características personales, así como recomendaciones de características de fuentes de datos a las que Audience Marketplace ya está suscrito **.

El siguiente vídeo describe el flujo de trabajo para Marketplace Recommendationsy muestra cómo agregar características a los segmentos, en función de las recomendaciones de las fuentes de datos de Audience Marketplace. Estas recomendaciones se basan en fuentes de datos a las que no está suscrito .

Información general

Trait Recommendations, con tecnología de Adobe Sensei, incorpora la ciencia de datos en sus flujos de trabajo diarios del Administrador de Audiencias. 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.
El Administrador de Audiencias muestra las recomendaciones de características tanto de sus características individuales, en la Recommendations sección, como de Audience Marketplace , en la Recommendations from Marketplace sección.
Añada las características recomendadas al segmento para aumentar la audiencia objetivo.
En pocas palabras:
  • El Administrador de Audiencias muestra las características propias en la Recommendations sección. Las recomendaciones del mercado de fuentes públicas y privadas a las que no está suscrito están visibles en la Recommendations from Marketplace sección . Haga clic en el nombre de la fuente para ir Audience Marketplace y suscribirse.
  • El Administrador de Audiencias 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 similitudes, el Administrador de Audiencias considera 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 o bien no hubo actividad para esa característica en los últimos 30 días, o bien el Administrador de Audiencias aún no ha actualizado las recomendaciones para esa característica. Inténtelo de nuevo en 24 horas.

Casos de uso

Con Trait Recommendations, puede mejorar sus flujos de trabajo en función de cómo utilice el Administrador de Audiencias:
  • Como especialista en mercadotecnia, puede encontrar rápidamente audiencias interesadas en productos complementarios con la ayuda de características similares, para aumentar su alcance.
  • Si usa el Administrador de Audiencias como editor, con Trait Recommendationsesto puede comprender el comportamiento de la audiencia y generar mejores segmentos para las ventas publicitarias o la adquisición de usuarios.
  • Como comprador Audience Marketplace de datos, quiero descubrir datos relevantes de terceros sin explorar un gran número de fuentes.
  • Como proveedor Audience Marketplace de datos, quiero recomendar datos relevantes a los compradores para que pueda beneficiarse de suscripciones óptimas y relevantes.

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 el destinatario de los usuarios. Con los controles de precisión y alcance en la Trait Builder, puede especificar qué usuarios de entre todos los que tienen las características influyentes que desea destinatario.
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 el laboratorio de Audiencia.
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;
  • Está utilizando los segmentos para campañas cortas o cuando desea suprimir rápidamente la audiencia que convierte;
  • 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. Vaya a Datos de Audiencia > Segmentos y haga clic en Añadir nuevo .
  2. En el cuadro desplegable Características , agregue al menos una característica a la regla de segmento.
  3. Puede ver las características recomendadas de origen y las recomendaciones de Audience Marketplace características de las fuentes a las que está suscrito, en la Recommendations sección . La Recommendations from Marketplace sección muestra las recomendaciones de características de las fuentes a las que no está suscrito. Todas estas recomendaciones 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 de origen recomendadas de determinadas 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 las características recomendadas. Haga clic en 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 agregar Marketplace características a un segmento, las características solo se utilizan para la estimación de segmentos, hasta que se suscriba a la fuente de datos correspondiente. Las características que provienen de fuentes de datos a las que no está suscrito se marcan con un icono de carro de compras en la lista de características. Haga clic en el nombre de la característica para ir a la página de fuentes de datos y suscribirse a ella.
Puede guardar un segmento con características de terceros solo después de suscribirse a las fuentes de datos correspondientes.

Segmentos existentes

  1. Vaya a Audience Data>Segments , seleccione el segmento que desee editar y haga clic en .
  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 las características recomendadas. Haga clic en 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 + .
Cuando crea o edita un segmento y agrega 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, el Administrador de Audiencias utiliza un método de rotación redonda para mostrar la mejor coincidencia para cada característica, la segunda mejor coincidencia para cada característica, y así sucesivamente, 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 propia 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 tienen en cuenta al generar recomendaciones dentro de la ventana emergente de información de características. Y, si excluye las fuentes de datos de esta vista, las exclusiones se aplican a la página principal.
Las características recomendadas pueden ser sus características de origen o de terceros a partir de fuentes de datos a las que esté suscrito en Audience Marketplace.

Cómo funciona

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

Puntuación de similitud de características

El Administrador de Audiencias 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 UUIDs que califican para ambas características, el 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
Mínima similitud entre características
0 - 0.01
Muy baja similitud entre características

Control de acceso basado en roles (RBAC)

Para las compañías que utilizan Role-Based Access Controls (RBAC), debe tener permiso para crear y editar segmentos para ver las características recomendadas. Las recomendaciones de características que ve son solo las de los orígenes de datos a los que tiene acceso mediante RBAC.
Para agregar Marketplace Recommendations a un segmento, los usuarios deben suscribirse primero a las fuentes de datos correspondientes. Solo los usuarios con privilegios de administrador pueden suscribirse a fuentes Audience Marketplace de datos.
Lea más sobre RBAC los controles aquí .

Limitaciones

  • Actualmente, el Administrador de Audiencias no muestra las características de las carpetas como características recomendadas. Obtenga más información sobre las características de las carpetas aquí .
  • Al mostrar las recomendaciones de características, el Administrador de Audiencias no tiene en cuenta Boolean los operadores (AND, OR, NOT) en las reglas de segmentos.