Show Menu
화제×

Predictive Audiences 개요

Predictive Audiences 고급 데이터 과학 기술을 사용하여 알려지지 않은 고객을 개별 인물로 실시간으로 분류할 수 있습니다.
이 문서에는 이 기능의 설정 및 사용을 안내하는 제품 설명서가 포함되어 있습니다. 여기에 들어 있는 어떠한 것도 법적 권고사항이다. 법률 자문을 위해 법률 자문을 구할 수 있습니다.
마케팅 컨텍스트에서 성향은 인구 통계, 탐색 습관, 쇼핑 이력 등과 같은 특정 트레이트 집합을 공유하는 방문자, 사용자 또는 잠재적 구매자로 정의되는 대상 세그먼트로입니다.
Predictive Audiences 모델은 Audience Manager의 기계 학습 기능을 사용하여 알 수 없는 대상을 개별 성향으로 분류할 수 있도록 함으로써 이러한 개념을 한 단계 더 발전시킵니다. Audience Manager를 사용하면 일단의 알려진 자사 고객에 대해 알 수 없는 자사 대상의 성향을 계산하여 이를 달성할 수 있습니다.
모델을 만들 때 첫 번째 단계는 대상 대상을 분류할 기준 특성이나 세그먼트를 선택하는 것입니다. Predictive Audiences 이러한 트레이트 또는 세그먼트는 사용자의 성격을 정의합니다.
평가 단계 동안 모델은 베이스라인으로 정의한 각 특성 또는 세그먼트에 대한 새 Predictive Audiences 세그먼트를 만듭니다. 다음 번에 Audience Manager에서 가상 사용자로 분류되지 않은 타겟 대상의 방문자를 볼 때(기본 특성 또는 세그먼트에 대한 자격이 부여되지 않음), Predictive Audiences 모델은 방문자가 속해야 하는 예측 세그먼트 중 어떤 예측 세그먼트를 결정하고 해당 세그먼트에 방문자를 추가합니다.
모델에서 생성된 예측 세그먼트를 페이지에서 식별할 수 Segments 있습니다. 각 Predictive Audiences 모델에는 Predictive Audiences 폴더 아래에 자체 폴더가 있으며 모델 폴더를 클릭하여 각 모델의 세그먼트를 볼 수 있습니다.

사용 사례

사용 방법 및 시기를 보다 잘 이해할 수 있도록 Audience Manager 고객이 이 기능 Predictive Audiences을 사용하여 해결할 수 있는 몇 가지 사용 사례를 소개합니다.

사용 사례 #1

e커머스 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 분류하고 싶습니다. 그러면 모든 채널에서 개인화된 컨텐츠를 제공할 수 있습니다.

사용 사례 #3

항공사 광고주로서, 저는 제 고객을 여행 목적지에 대한 관심에 따라 분류하고, 짧은 리타겟팅 기간 내에 그들에게 실시간으로 광고할 수 있도록 하고 싶습니다.

사용 사례 #4

광고주로서 저는 제 퍼스트 파티 참가자를 실시간으로 분류하여 트렌드 뉴스에 빠르게 반응하고 싶습니다.

사용 사례 #5

마케터는 검색, 참여, 구매 또는 유지 등 웹 사이트 방문자가 어떤 고객 경로 단계를 경험하는지 예측하여 그에 따라 타깃팅할 수 있습니다.

사용 사례 #6

미디어 회사로서 고객을 분류하고 싶은데, 이를 통해 방문자에게 연관성 있는 광고를 제공하는 동시에 프리미엄 가격으로 광고 공간을 판매할 수 있습니다.

모델 Predictive Audiences 작동 방식

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

개인 선택 기준

자사 특성 또는 세그먼트를 선택하여 개인 이름을 정의할 수 있습니다. 그러나 최적의 결과를 얻으려면 다음 권장 우수 사례 세트가 있습니다.

Target 대상을 위한 선택 기준

페르소나 선택과 유사하게, 타겟 고객을 정의하는 트레이트 또는 세그먼트를 선택하여 풍부한 트레이트 세트를 가진 실시간 사용자가 있는 방식으로 적합한 페르소나를 분류해야 합니다.

Predictive Audiences 모델 교육 단계

이 알고리즘이 자사 고객을 적합한 개인으로 분류하려면 먼저 데이터를 기반으로 학습해야 합니다.
사용자가 정의하는 각 페르소나에 대해 알고리즘은 해당 대상을 분석하고 지난 30일 동안 해당 사용자에 대한 실시간 및/또는 온보딩 트레이트 활동을 평가합니다. 이 단계는 자사 대상의 변경 사항을 반영하기 위해 24시간마다 한 번씩 수행됩니다.

Predictive Audiences 모델 분류 단계

타겟 대상의 일부인 방문자를 실시간으로 볼 때 모델은 방문자가 정의된 성향에 속하는지 여부를 평가합니다. 어떤 개인에도 속하지 않는 모든 방문자에 대해 모델은 페르소나 자격 점수를 지정합니다.
자사 대상을 평가하고 점수를 할당하는 동안 모델은 계정에 정의된 기본값을 사용합니다. Profile Merge Rule 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 사항에 Predictive Audiences 유의하십시오.
  • 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 대상자에게만 수행됩니다. 향후 업데이트에서는 온보드 퍼스트 파티 분류가 지원될 수 있습니다.
    현재 예측 세그먼트 Total Segment Population 가 0으로 표시되고, 아웃바운드 데이터 전송 일괄 Predictive Audiences수행은 지원되지 않습니다. 이 동작은 향후 업데이트 시 변경됩니다.
  • Predictive Audiences 모든 자사 데이터 소스에서 자사 트레이트를 기반으로 고객 분류를 수행합니다.
  • 세그먼트 평가 Predictive Audiences 는 계정에 정의된 기본값 Profile Merge Rule 을 사용합니다. 자세한 내용은 Profile Merge Rules 전용 설명서를 참조하십시오 .
  • 일부 트레이트 및 세그먼트는 기준선 또는 대상 대상으로 지원되지 않습니다. Predictive Audiences 다음 중 하나를 기준선 또는 대상 대상으로 선택할 때 모델이 저장되지 않습니다.
    • 예측 트레이트로 생성된 예측 트레이트 및 세그먼트
    • Adobe Experience Platform 트레이트 또는 세그먼트
    • 알고리즘 특성;
    • 제휴 및 제3자 특성

Data Export Controls

모델로 생성된 예측 세그먼트는 다음 자사 데이터 소스 Predictive Audiences 에서 data-export-controls.html 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.

Role-Based Access Controls

개인 및 대상 분류에 대해 선택하는 트레이트 및 세그먼트는 Audience Manager 역할 기반 액세스 제어 의 적용을 받습니다 .