Predictive Audiences 개요 predictive-audiences

Predictive Audiences 을 사용하면 알 수 없는 대상을 고급 데이터 과학 기술을 사용하여 실시간으로 개별 성향으로 분류할 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.

다음을 만들 때 Predictive Audiences 모델, 첫 번째 단계는 타겟 대상자를 분류할 기준선 트레이트 또는 세그먼트를 선택하는 것입니다. 이러한 트레이트 또는 세그먼트는 성향을 정의합니다.

평가 단계에서 모델은 새로운 항목을 생성합니다 Predictive Audiences 기준선으로 정의한 각 트레이트 또는 세그먼트에 대한 세그먼트입니다. 다음에 Audience Manager에게 성향에 대해 분류되지 않은(기준선 트레이트 또는 세그먼트에 적합하지 않은) 타겟 대상의 방문자가 표시되면 Predictive Audiences 모델은 방문자가 속해야 하는 예측 세그먼트 중 하나를 결정하고 방문자를 해당 세그먼트에 추가합니다.

모델에서 생성한 예측 세그먼트를 식별할 수 있습니다. Segments 페이지를 가리키도록 업데이트하는 중입니다. 각 Predictive Audiences 모델은 아래에 자체 폴더가 있습니다. Predictive Audiences 폴더를 클릭하면 모델 폴더를 클릭하여 각 모델의 세그먼트를 볼 수 있습니다.

사용 사례 use-cases

을(를) 사용하는 방법과 시기를 더 잘 이해할 수 있도록 Predictive Audiences는 이 기능을 사용하여 Audience Manager 고객이 해결할 수 있는 몇 가지 사용 사례입니다.

사용 사례 #1

전자 상거래 회사의 마케터로서 사용자 경험을 개인화할 수 있도록 모든 웹 및 모바일 방문자를 다양한 브랜드 선호도 범주로 분류하고 싶습니다.

사용 사례 #2

미디어 회사의 마케터로서 인증되지 않은 웹 및 모바일 방문자를 즐겨 찾는 장르로 분류하여 모든 채널에서 개인화된 콘텐츠를 제안할 수 있도록 하려고 합니다.

사용 사례 #3

저는 항공사의 광고주로서, 여행지에 대한 관심도에 따라 고객들을 분류하여 짧은 리타겟팅 기간 내에서 실시간으로 광고할 수 있게 하고 싶습니다.

사용 사례 #4

광고주로서, 저는 실시간으로 자사 대상자를 분류하여 트렌드 뉴스에 신속하게 대응할 수 있도록 하고 싶습니다.

사용 사례 #5

마케터는 웹 사이트 방문자가 검색, 참여, 구매 또는 유지와 같은 어떤 고객 여정 단계에 있는지 예측하여 그에 따라 타깃팅할 수 있도록 하고 싶습니다.

사용 사례 #6

미디어 회사로서 대상을 분류하여 방문자에게 관련 광고를 제공하면서 프리미엄 가격으로 광고 공간을 판매할 수 있도록 하고 싶습니다.

방법 Predictive Audiences 모델 작업 how-predictive-audiences-models-work

다음을 만들 때 Predictive Audiences 모델은 다음 세 단계를 수행합니다.

성향 선택 기준 selection-personas

자사 트레이트 또는 세그먼트를 선택하여 가상 사용자를 정의할 수 있습니다. 그러나 최적의 결과를 얻으려면 다음과 같은 권장 모범 사례 세트가 있습니다.

Target 대상의 선택 기준 selection-audience

사용 사례에 따라 실시간으로, 일괄 처리로 또는 두 가지 모두로 사용자를 분류할지 여부에 관계없이 타겟 대상(trait 또는 segment) 상당한 실시간 및/또는 총 인구가 있습니다. 사용자 선택과 유사하게, 타겟 대상자에게 권장합니다 trait 또는 segment 은(는) 풍부한 프로필을 가진 사용자 있음 (다양한 세트) traits).

타겟 대상을 선택할 때 사용 사례를 분석하고 분류할 ID 유형을 결정합니다. device IDs 또는 cross-device IDs. 다음 Profile Merge Rule 모델을 만들 때 선택하는 것은 각 사용자를 예측으로 배치하는 데 사용할 데이터를 정의합니다 segments.

모범 사례로서 다음 중 하나를 선택하는 것이 좋습니다. Profile Merge Rule 타겟 대상자와 동일한 구성을 갖습니다. Profile Merge Rule또는 target 대상의 프로필 유형(장치 프로필 또는 인증된 프로필)을 포함하는 프로필입니다.

Predictive Audiences 모델 교육 단계 model-training

알고리즘이 자사 대상자를 적합한 개인으로 분류하려면 먼저 데이터에 대해 자신을 교육해야 합니다.

정의한 각 담당자에 대해 알고리즘은 각각의 대상자를 분석하고 지난 30일 동안 사용자에 대한 실시간 및/또는 온보딩된 트레이트 활동을 평가합니다.
이 단계는 자사 대상의 변경 사항을 고려하여 24시간마다 한 번씩 수행됩니다.

Predictive Audiences 모델 분류 단계 model-classification

실시간 및 배치 대상 분류의 경우 모델은 먼저 사용자가 타겟 대상에 속하는지 여부를 확인합니다. 사용자가 타겟 대상 자격을 충족하고 어떤 성향에도 속하지 않는 경우 모델은 사용자에게 성향 자격 점수를 지정합니다.

자사 대상을 평가하고 점수를 할당하는 동안 모델은 기본값을 사용합니다 Profile Merge Rule 을(를) 계정에 정의했습니다. 마지막으로 방문자는 가장 높은 점수를 받은 담당자로 분류됩니다.

고려 사항 및 제한 사항 considerations

구성 시 Predictive Audiences 모델, 다음 고려 사항 및 제한 사항에 유의하십시오.

Data Export Controls dec

다음에 의해 생성된 예측 세그먼트 Predictive Audiences 모델은 데이터 내보내기 제어 다음 자사 데이터 소스에서:

새로 생성된 예측 traits 및 segments 위에서 설명한 자사 데이터 소스의 통합과 동일한 개인 정보 보호 제한 사항을 갖습니다.

에 속하지 않는 추가 제한이 있는 트레이트 Predictive Audiences 세그먼트 개인 정보 보호 제한은 교육 단계에서 제외되며, 모델에 영향을 주지 않습니다.

Profile Merge Rules pmr

모든 예측 세그먼트에 Profile Merge Rule 모델을 만들 때 선택한 옵션입니다. 다음 Profile Merge Rule 다음과 같은 이유로 선택해야 합니다.

선택 Profile Merge Rule 디바이스 데이터와 디바이스 간 데이터를 모두 사용하는 은 traits 모델 교육 및 사용자 분류에 사용될 수 있습니다. segments.

Role-Based Access Controls rbac

성향 및 대상 분류에 대해 선택하는 트레이트 및 세그먼트는 Audience Manager의 대상입니다 역할 기반 액세스 제어.

Audience Manager 사용자는 보유한 가상 사용자 및 타겟 대상에 대한 트레이트 또는 세그먼트만 선택할 수 있습니다. 보기 권한.