Recomendaciones de rasgos

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

Demostración en vídeo

Comience por ver la Trait Recommendations A continuación, siga leyendo para obtener más información. La demostración de vídeo le muestra cómo trabajar con recomendaciones de sus propias características de origen, así como con recomendaciones de características de Audience Marketplace fuentes de datos que ya está suscrito a.

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

Información general

Trait Recommendations, con tecnología Adobe Sensei, incorpora la ciencia de datos en los flujos de trabajo diarios del Audience Manager.
Con Trait Recommendations, cuando genere o edite un segmento en Generador de segmentosAdemás, obtiene recomendaciones sobre características adicionales que puede incluir, que son similares a las características de la regla de segmento.

El Audience Manager le muestra recomendaciones de rasgos tanto de sus rasgos de origen, como de Recommendations y de Audience Marketplace, en el Recommendations from Marketplace sección.

Añada las características recomendadas al segmento para aumentar la audiencia objetivo.

En pocas palabras:

Casos de uso

Con Trait Recommendations, puede mejorar los flujos de trabajo en función de cómo utilice Audience Manager:

Diferencias entre modelos algorítmicos y Recommendations de rasgos

Modelos algorítmicos

Algorithmic Models no solo encuentra los rasgos más influyentes, sino que también puntúa a los usuarios según esos rasgos y asigna a cada usuario una puntuación individual. Seguidamente, puede crear rasgos algorítmicos para segmentar los usuarios. Con controles de precisión y alcance en la Trait Builder, puede especificar a qué usuarios quiere dirigirse de entre todos los que tienen los rasgos influyentes.

Algorithmic Models permite seleccionar usuarios en diferentes niveles de precisión y realizar pruebas en Audience Lab qué grupo de usuarios se convierte mejor. Consulte el caso de uso detallado en Comparar modelos en Audience Lab.

Entrada Algorithmic Models, el modelo se ejecuta cada 8 días y actualiza los usuarios clasificados para rasgos algorítmicos.

Recomendaciones de rasgos

Trait Recommendations es una forma rápida de obtener perspectivas sobre otros rasgos similares a los que utiliza en un segmento.

Debe utilizar Trait Recommendations cuando:

Flujo de trabajo

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

Nuevos segmentos

Segmentos existentes

Cuando crea o edita un segmento y agrega una característica a la regla del segmento, ve un máximo de cincuenta características recomendadas, similares a la que ha agregado. Si la regla del segmento contiene más de un rasgo, Audience Manager utiliza un método de round robin para mostrar la mejor coincidencia para cada rasgo, la segunda mejor coincidencia para cada rasgo y así sucesivamente, para los cincuenta rasgos más grandes por población, en la regla del segmento.

Por ejemplo, cuando hay tres rasgos en la regla del segmento, como se muestra a continuación, los rasgos recomendados son:

Para obtener recomendaciones para un rasgo específico, puede hacer clic en los rasgos en la regla del segmento (1) o en la vista de rasgos recomendados (2).

Al hacer clic en una característica de origen, se abre una ventana emergente, como se muestra en la siguiente imagen. Si los rasgos recomendados no forman parte del segmento, puede añadirlos al segmento pulsando +.

Cómo funciona

Para generar recomendaciones de rasgos, el Audience Manager calcula el Similitud de Jaccard entre el rasgo objetivo y todos los demás rasgos a los que su cuenta tiene acceso, incluidos los datos de terceros. A continuación, el Audience Manager muestra hasta cincuenta rasgos que tienen la similitud más alta.

Puntuación de similitud de rasgos trait-similarity-score

Audience Manager calcula el Trait Similarity Score entre dos rasgos calculando la intersección y la unión en términos del número de UUIDs y luego divide los dos. Para dos rasgos A y B, el cálculo tiene este aspecto:

Véanse también los dos ejemplos siguientes.

Ejemplo 1: Puntuación de similitud de rasgo baja

Dados dos rasgos A y B, supongamos que cada uno de los rasgos tiene una población de 1 000 000 UUIDs, 25.000 UUIDde los cuales cumplen los requisitos para ambos rasgos.
Utilizando la fórmula anterior, esto resultará en: 25 000 / 1 975 000 = 0,012. Esto es bajo Trait Similarity ScoreSin embargo, los dos rasgos son muy diferentes.

Ejemplo 2: Puntuación de similitud de rasgos

Si los mismos rasgos A y B tenían 400.000 UUIDPara que cumplan los requisitos de ambos rasgos, la variable Trait Similarity Score es mucho más alto: 400 000 / 1 600 000 = 0,25

Interpretación de la puntuación de similitud de rasgos

Utilice la siguiente tabla como guía aproximada para comprobar la similitud de rasgos. Esta guía se basa en las puntuaciones de similitud observadas en la mayoría de los rasgos.

Control de acceso basado en roles (RBAC)

Para empresas que utilizan Role-Based Access Controls (RBAC), debe tener permiso para crear y editar segmentos para ver las características recomendadas. Las recomendaciones de rasgos que ve solo son las de las fuentes de datos a las que tiene acceso a través de RBAC.

Más información sobre RBAC controles aquí.

Limitaciones