Show Menu
SUJETS×

Recommandations de caractéristiques

Bénéficiez de recommandations de caractéristiques dynamiques lorsque vous créez vos segments, à partir de vos propres caractéristiques propriétaires et de flux de Audience Marketplace données.

Démonstration vidéo

Début en regardant la Trait Recommendations vidéo ci-dessous, puis lisez pour plus d'informations. La démonstration vidéo vous montre comment utiliser les recommandations issues de vos propres caractéristiques propriétaires, ainsi que les recommandations de caractéristiques issues de flux de Audience Marketplace données auxquels vous êtes déjà abonné .

La vidéo suivante décrit le processus pour Marketplace Recommendationslequel vous allez ajouter des caractéristiques à vos segments, en fonction des recommandations issues de flux de données dans Audience Marketplace. Ces recommandations sont basées sur des flux de données auxquels vous n’êtes pas abonné .

Présentation

Trait Recommendations, optimisé par Adobe Sensei, intègre la science des données dans vos workflows d'Audience Manager quotidiens. 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.
L’Audience Manager vous montre les recommandations relatives aux caractéristiques de vos caractéristiques propriétaires, dans la Recommendations section et Audience Marketplace dans la Recommendations from Marketplace section.
Ajoutez les caractéristiques recommandées à votre segment pour élargir votre audience cible.
En un mot :
  • L’Audience Manager présente les caractéristiques de premier niveau dans la Recommendations section. Les recommandations Marketplace provenant de flux publics et privés auxquels vous n’êtes pas abonné sont visibles dans la Recommendations from Marketplace section. Cliquez sur le nom du flux auquel vous souhaitez vous abonner Audience Marketplace .
  • L’Audience Manager affiche un maximum de cinquante caractéristiques similaires à celle de la règle de segment.
  • Vous pouvez filtrer les sources de données à partir desquelles vous ne souhaitez afficher aucune recommandation.
  • Lors du calcul des similitudes, l’Audience Manager tient compte des UUID qui ont été qualifiés pour la caractéristique au cours des 30 derniers jours.
  • Si vous voyez le message d'erreur "Aucune caractéristique similaire trouvée. Les caractéristiques peuvent être trop nouvelles.", cela signifie qu'il n'y a eu aucune activité pour cette caractéristique au cours des 30 derniers jours ou que l'Audience Manager n'a pas encore mis à jour les recommandations pour cette caractéristique. Veuillez réessayer dans 24 heures.

Cas d’utilisation

Avec Trait Recommendations, vous pouvez améliorer vos workflows, en fonction de la manière dont vous utilisez l’Audience Manager :
  • En tant que spécialiste du marketing, vous pouvez rapidement trouver des audiences intéressées par des produits complémentaires à l’aide de caractéristiques similaires, afin d’augmenter votre portée.
  • Si vous utilisez l’Audience Manager en tant qu’éditeur, avec Trait Recommendations, vous pouvez comprendre le comportement des audiences et créer de meilleurs segments pour les ventes d’annonces publicitaires ou l’acquisition d’utilisateurs.
  • En tant qu’acheteur de Audience Marketplace données, je souhaite découvrir des données tierces pertinentes sans parcourir un grand nombre de flux.
  • En tant que fournisseur de Audience Marketplace données, je souhaite recommander des données pertinentes aux acheteurs afin de pouvoir bénéficier d'abonnements optimaux et pertinents.

Différences entre les recommandations de caractéristiques et les modèles algorithmiques

Modèles algorithmiques

Algorithmic Models non seulement trouve-t-on les caractéristiques les plus influentes, mais il note également les utilisateurs en fonction de ces caractéristiques et attribue à chaque utilisateur un score individuel. Vous créez ensuite des caractéristiques algorithmiques pour cibler vos utilisateurs. With accuracy and reach controls in the Trait Builder, you can specify which users amongst all those who have the influential traits you want to target.
Algorithmic Models vous permet de sélectionner des utilisateurs à différents niveaux de précision et de tester Audience Lab quel groupe d’utilisateurs effectue le plus de conversions. Consultez les cas d’utilisation détaillés dans Comparaison des modèles dans Audience Lab .
In Algorithmic Models, the model runs every 8 days and refreshes the users qualified for algorithmic traits.

Recommandations de caractéristiques

Trait Recommendations est un moyen rapide d’obtenir des informations sur d’autres caractéristiques similaires à celles que vous utilisez dans un segment.
Vous devez utiliser Trait Recommendations :
  • vous avez besoin d’insights rapides en créant un segment ;
  • vous utilisez les segments pour des campagnes courtes ou vous souhaitez supprimer rapidement des audiences qui se convertissent ;
  • vous essayez de maximiser votre portée.

Workflow

Lors de la création ou de la modification d’un segment dans le créateur de segments, vous pouvez explorer des caractéristiques similaires aux caractéristiques de la règle de segment. Le processus du créateur de segments est très similaire pour les segments nouveaux et existants :

Nouveaux segments

  1. Accédez à Données d’Audience > Segments , puis cliquez sur Ajouter nouveau .
  2. Dans la liste déroulante Caractéristiques , ajoutez au moins une caractéristique à la règle de segment.
  3. Vous pouvez afficher dans la Audience Marketplace section les caractéristiques recommandées propriétaires et les recommandations Recommendations de caractéristiques des flux auxquels vous êtes abonné. La Recommendations from Marketplace section présente les recommandations relatives aux caractéristiques des flux auxquels vous n’êtes pas abonné. Toutes ces recommandations sont similaires aux caractéristiques que vous avez ajoutées à la règle de segmentation. Faites défiler la page vers le bas pour afficher toutes les caractéristiques recommandées.
  4. (Facultatif) Pour exclure les caractéristiques propriétaires recommandées de certaines sources de données, cliquez sur le symbole X correspondant aux sources de données à exclure.
    Les sources de données exclues sont affichées juste au-dessus de la liste des caractéristiques recommandées. Cliquez sur X dans la zone grise pour supprimer les exclusions et afficher à nouveau les résultats des sources de données respectives.
  5. Pour ajouter des caractéristiques recommandées à la règle de segment, cliquez sur le symbole + .
Lorsque vous ajoutez Marketplace des caractéristiques à un segment, celles-ci ne sont utilisées que pour l’estimation des segments, jusqu’à ce que vous vous abonniez au flux de données correspondant. Les caractéristiques provenant de flux de données auxquels vous n’êtes pas abonné sont marquées par une icône de panier dans la liste de caractéristiques. Cliquez sur le nom de la caractéristique pour accéder à la page de flux de données et vous y abonner.
Vous ne pouvez enregistrer un segment avec des caractéristiques tierces qu’après avoir souscrit un abonnement aux flux de données correspondants.

Segments existants

  1. Accédez à Audience Data>Segments , sélectionnez le segment à modifier, puis cliquez sur .
  2. Faites défiler l’écran jusqu’à la Traits liste déroulante.
  3. Vous pouvez afficher les caractéristiques recommandées, qui sont similaires aux caractéristiques déjà présentes dans la règle de segmentation. Faites défiler la page vers le bas pour afficher toutes les caractéristiques recommandées.
  4. (Facultatif) Pour exclure les caractéristiques recommandées de certaines sources de données, cliquez sur le symbole X correspondant aux sources de données à exclure.
    Les sources de données exclues sont affichées juste au-dessus de la liste des caractéristiques recommandées. Cliquez sur X dans la zone grise pour supprimer les exclusions et afficher à nouveau les résultats des sources de données respectives.
  5. Pour ajouter des caractéristiques recommandées à la règle de segment, cliquez sur le symbole + .
Lorsque vous créez ou modifiez un segment et ajoutez une caractéristique à la règle de segment, vous obtenez un maximum de cinquante caractéristiques recommandées, semblables à celles que vous avez ajoutées. Si la règle de segmentation contient plusieurs caractéristiques, l’Audience Manager utilise une méthode de robot circulaire pour afficher la meilleure correspondance pour chaque caractéristique, puis la deuxième meilleure correspondance pour chaque caractéristique, et ainsi de suite, pour les cinquante caractéristiques les plus importantes par population, dans la règle de segment.
Par exemple, s’il existe trois caractéristiques dans la règle de segment, comme illustré ci-dessous, les caractéristiques recommandées sont les suivantes :
  1. la meilleure correspondance pour le trait 3 (trait ayant la plus grande population);
  2. Meilleure correspondance pour la caractéristique 1 ;
  3. Meilleure correspondance pour la caractéristique 2 ;
  4. Deuxième meilleure correspondance pour le trait 3 ;
  5. Deuxième meilleure correspondance pour la caractéristique 1, et ainsi de suite jusqu'à ce que vous atteigniez cinquante traits.
Pour obtenir des recommandations pour une caractéristique spécifique, vous pouvez cliquer sur les caractéristiques dans la règle de segmentation (1) ou dans la vue de caractéristiques recommandée (2).
Cliquez sur une caractéristique propriétaire pour ouvrir une fenêtre contextuelle, comme illustré dans l’image ci-dessous. Si les caractéristiques recommandées ne font pas partie du segment, vous pouvez les ajouter au segment en appuyant sur + .
Les sources de données exclues de la page principale sont prises en compte lors de la génération de recommandations dans la fenêtre contextuelle d’informations sur la caractéristique. Et si vous excluez les sources de données dans cette vue, les exclusions s’appliquent à la page principale.
Les caractéristiques recommandées peuvent être vos caractéristiques propriétaires ou tierces à partir de flux de données auxquels vous êtes abonné dans Audience Marketplace.

Fonctionnement

Pour générer des recommandations de caractéristiques, l’Audience Manager calcule la similarité Jaccard_index Jaccard entre la caractéristique de cible et toutes les autres caractéristiques auxquelles votre compte a accès, y compris les données tierces. L’Audience Manager affiche ensuite jusqu’à cinquante caractéristiques présentant la plus grande similarité.

Score de similarité de caractéristiques

L'Audience Manager calcule le nombre Trait Similarity Score entre deux caractéristiques en calculant l'intersection et l'union en fonction du nombre de UUIDs, puis divise les deux. Pour deux caractéristiques A et B, le calcul ressemble à ceci :
Voir également les deux exemples ci-dessous.

Exemple 1 - Note de similarité de caractéristiques faible

Compte tenu de deux caractéristiques A et B, disons que chacune de ces caractéristiques a une population de 1 000 000 UUIDs, dont 25 000 UUIDs répondent aux deux caractéristiques. En utilisant la formule ci-dessus, vous obtenez : 25 000 / 1 975 000 = 0,012. C'est un faible Trait Similarity Score, les deux caractéristiques sont très dissemblables.

Exemple 2 - Note de similarité de caractéristiques

Si les mêmes caractéristiques A et B avaient 400 000 UUIDs qui répondent aux deux caractéristiques, le Trait Similarity Score chiffre est beaucoup plus élevé : 400 000 / 1 600 000 = 0,25

Comment interpréter la note de similarité de caractéristiques

Utilisez le tableau ci-dessous comme un guide sommaire de la similarité des caractéristiques. Ce guide est basé sur les scores de similitude observés dans la majorité des caractéristiques.
Trait Similarity Score
Signification
0.1 et ultérieure
Haute similarité entre les caractéristiques
0.03 - 0.1
similarité moyenne entre les caractéristiques
0.01 - 0.03
Faible similarité entre les caractéristiques
0 - 0.01
Très faible similarité entre les caractéristiques

Contrôle d'accès basé sur les rôles (RBAC)

Pour les sociétés qui utilisent Role-Based Access Controls (RBAC), vous devez disposer des autorisations nécessaires pour créer et modifier des segments afin d’afficher les caractéristiques recommandées. Les recommandations de caractéristiques que vous voyez ne sont que celles provenant de sources de données auxquelles vous avez accès via RBAC.
Pour ajouter Marketplace Recommendations un segment, les utilisateurs doivent d’abord s’abonner aux flux de données correspondants. Seuls les utilisateurs disposant de droits d’administrateur peuvent s’abonner aux flux de Audience Marketplace données.
Pour en savoir plus sur RBAC les contrôles, cliquez ici .

Limites

  • Actuellement, l’Audience Manager n’affiche pas les caractéristiques de dossier comme caractéristiques recommandées. En savoir plus sur les caractéristiques des dossiers ici .
  • Lors de l’affichage des recommandations de caractéristiques, l’Audience Manager ne prend pas en compte Boolean les opérateurs (AND, OR, NOT) dans les règles de segmentation.