Show Menu
화제×

예측 대상 개요

Predictive Audiences 고급 데이터 과학 기술을 사용하여 알 수 없는 고객을 고유한 개인으로 실시간으로 분류할 수 있습니다.
이 문서에는 이 기능의 설정 및 사용을 안내하는 제품 설명서가 포함되어 있습니다. 여기에 포함된 어떠한 것도 법적 충고는 아닙니다. 법률 자문을 위해 법률 자문을 구할 수 있습니다.
마케팅 컨텍스트에서는 방문자, 사용자 또는 잠재 구매자가 정의한 고객 세그먼트로, 인구 통계, 탐색 습관, 쇼핑 내역 등과 같은 특정 트레이트를 공유합니다.
Predictive Audiences 모델은 Adobe Audience Manager의 머신 러닝 기능을 사용하여 알 수 없는 고객을 별개의 개인으로 분류할 수 있도록 함으로써 이러한 개념을 한 단계 더 발전시켰습니다. Adobe Audience Manager를 사용하면 알 수 없는 자사 고객의 알려진 자사 고객 성향을 파악하여 이를 달성할 수 있습니다.
모델을 만들 때 첫 번째 단계는 대상 대상을 분류할 기준 트레이트 또는 세그먼트를 선택하는 것입니다. Predictive Audiences 이러한 트레이트 또는 세그먼트는 자신의 개성을 정의합니다.
평가 단계 동안 모델은 기준선으로 정의한 각 트레이트 또는 세그먼트에 대한 새 Predictive Audiences 세그먼트를 만듭니다. 다음 번에 Audience Manager가 가상 사용자로 분류되지 않은 타겟 대상의 방문자를 보게 되면(기본 트레이트 또는 세그먼트에 대한 자격이 부여되지 않음), Predictive Audiences 모델은 방문자가 속해야 하는 예측 세그먼트 중 어느 것을 결정하고 해당 세그먼트에 방문자를 추가합니다.
모델에서 생성된 예측 세그먼트를 Segments 페이지에서 식별할 수 있습니다. 각 Predictive Audiences 모델에는 Predictive Audiences 폴더 아래에 자체 폴더가 있으며 모델 폴더를 클릭하여 각 모델의 세그먼트를 볼 수 있습니다.

사용 사례

사용 방법과 시기를 보다 잘 이해할 수 있도록 Audience Manager 고객이 이 기능을 사용하여 해결할 수 있는 몇 가지 사용 사례를 Predictive Audiences소개합니다.

사용 사례 #1

전자 상거래 회사의 마케터로서 모든 웹 및 모바일 방문자를 다양한 브랜드 친화성 카테고리로 분류하여 사용자 경험을 개인화할 수 있습니다.

사용 사례 #2

미디어 기업의 마케터로서 저는 인증되지 않은 웹 및 모바일 방문자를 즐겨 사용하는 장르별로 분류하여 모든 채널에서 개인화된 콘텐츠를 제공할 것을 제안합니다.

사용 사례 #3

항공 회사의 광고주로서, 저는 제 고객을 여행 목적지에 대한 관심에 따라 분류하고, 짧은 리타겟팅 기간 내에 실시간으로 고객에게 광고를 제공할 수 있도록 하고 싶습니다.

사용 사례 #4

광고주로서, 실시간 퍼스트 파티 고객을 분류하여 트렌드 뉴스에 빠르게 반응할 수 있도록 하고 싶습니다.

사용 사례 #5

마케터는 검색, 참여, 구매 또는 유지와 같은 웹 사이트 방문자의 고객 경로 단계를 예측하여 그에 따라 타깃팅할 수 있습니다.

사용 사례 #6

미디어 업체로서 고객을 분류하고 싶은데, 방문자에게 적절한 광고를 제공하는 동시에 프리미엄 가격으로 광고 영역을 판매할 수 있습니다.

예측 대상 모델의 작동 방식

모델을 만들 때 다음 세 단계를 Predictive Audiences 수행합니다.
  1. 먼저, 성격을 정의할 최소한 두 개의 트레이트 또는 두 개의 세그먼트를 선택합니다.
  2. 그런 다음 분류할 대상 대상을 정의하는 트레이트 또는 세그먼트를 선택합니다.
  3. 마지막으로, 모델의 이름을 선택하고 예측 세그먼트를 저장할 데이터 소스를 선택합니다.

개인 선택 기준

자사 트레이트 또는 세그먼트를 선택하여 개인성을 정의할 수 있습니다. 그러나 최적의 결과를 얻으려면 다음과 같은 권장 우수 사례를 확인하십시오.

타겟 대상을 위한 선택 기준

페르소나 선택과 유사하게, 적합한 페르소나를 분류하기 위해 트레이트 세트가 풍부한 실시간 사용자가 있는 방식으로 타겟 고객을 정의하는 트레이트 또는 세그먼트를 선택해야 합니다.

예측 대상 모델 교육 단계

이 알고리즘이 자사 고객을 적합한 개인으로 분류하려면 먼저 데이터에 대한 자체 교육이 필요합니다.
사용자가 정의한 각 가상 사용자에 대해 알고리즘은 해당 대상을 분석하고 지난 30일 동안 해당 사용자에 대한 실시간 및/또는 온보드 트레이트 활동을 평가합니다. 이 단계는 24시간마다 한 번씩 실시되므로 자사 대상의 변경 사항을 고려합니다.

예측 대상 모델 분류 단계

타겟 대상의 일부인 방문자가 실시간으로 표시되면 모델은 방문자가 정의된 개인인지 여부를 평가합니다. 어떤 개인에도 속하지 않는 모든 방문자에 대해 모델은 페르소나 자격 점수를 지정합니다.
자사 대상을 평가하고 점수를 할당하는 동안 모델은 계정에 Profile Merge Rule 정의된 기본값을 사용합니다. 마지막으로 방문자는 최고 점수를 받은 가상 사용자로 분류됩니다.

고려 사항 및 제한 사항

구현 단계로 이동하기 전에 이 섹션을 자세히 읽어 보십시오.
모델을 구성할 때 다음 고려 사항 및 제한 사항을 Predictive Audiences 염두에 두십시오.
  • 최대 10개의 Predictive Audiences 모델을 만들 수 있습니다.
  • 각 모델에 대해 최대 50개의 기본 트레이트/세그먼트를 선택할 수 있습니다.
  • 타사 및 타사 데이터는 현재 에서 지원되지 않습니다 Predictive Audiences.
  • 고객 분류는 퍼스트 파티 고객을 대상으로 실시간으로 수행됩니다. 온보드 퍼스트 파티 대상 분류는 향후 업데이트에서 지원됩니다.
    현재 예측 세그먼트의 Total Segment Population 세그먼트가 0으로 표시되고 예측 대상에 대해 일괄 아웃바운드 데이터 전송이 지원되지 않습니다. 이 동작은 향후 업데이트에서 변경됩니다.
  • Predictive Audiences 모든 자사 데이터 소스에서 자사 트레이트를 기반으로 고객 분류를 수행합니다.
  • 세그먼트 평가에서는 계정에 정의한 기본값을 Predictive Audiences Profile Merge Rule 사용합니다. 전용 Profile Merge Rules 설명서를 merge-rules-overview.html참조하십시오.
  • 일부 트레이트 및 세그먼트는 기준선 또는 대상 대상으로 지원되지 않습니다. Predictive Audiences 다음 중 하나를 기준선 또는 대상 대상으로 선택할 때 모델이 저장되지 않습니다.

데이터 내보내기 제어

모델에서 생성된 예측 세그먼트는 Predictive Audiences 다음 자사 데이터 data-export-controls.html 소스에서 데이터 내보내기 컨트롤을 상속합니다.
  1. 모델을 작성할 때 선택하는 퍼스트 파티 데이터 소스.
  2. 타겟 고객의 퍼스트 파티 데이터 소스 특히 타겟 고객을 구성하는 트레이트 또는 세그먼트의 데이터 내보내기 제어
새로 생성된 예측 트레이트 및 세그먼트는 위에 설명된 자사 데이터 소스의 결합과 동일한 개인 정보 보호 제한을 가집니다.
세그먼트 개인 정보 보호 제한에 속하지 않는 추가 제한 사항이 있는 트레이트는 Predictive Audiences 교육 단계에서 제외되며 모델에 영향을 주지 않습니다.

역할 기반 액세스 제어

개인 및 대상 분류에 대해 선택하는 트레이트 및 세그먼트는 Audience Manager 역할 기반 액세스 컨트롤의 적용을 받습니다 .
Audience Manager 사용자는 볼 권한이 있는 개인 및 타겟 대상의 트레이트 또는 세그먼트만 선택할 수 있습니다.