Show Menu
화제×

트레이트 권장 사항

자사 트레이트 및 Audience Marketplace 데이터 피드에서 세그먼트를 만들 때 라이브 트레이트 추천을 얻을 수 있습니다.

비디오 데모

먼저 아래 Trait Recommendations 비디오를 시청한 다음 자세한 내용을 읽어 보십시오. 비디오 데모에서는 자사 트레이트의 권장 사항과 이미 구독한 Audience Marketplace 데이터 피드의 트레이트 권장 사항을 사용하여 작업하는 방법을 보여 줍니다 .

다음 비디오에서는 데이터 피드의 권장 사항을 기반으로 세그먼트에 트레이트를 추가하는 방법을 보여 주는 Marketplace Recommendations다음 의 워크플로우에 대해 개요를 Audience Marketplace설명합니다. 이러한 권장 사항은 구독하지 ​않은 데이터 피드를 기반으로 합니다.

개요

Trait Recommendations데이터 과학을 Adobe SenseiAudience Manager의 일상적인 워크플로우에 접목시킬 수 있습니다. 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.
Audience Manager는 퍼스트 파티 트레이트, Recommendations 섹션 및 Audience Marketplace ​섹션에서 트레이트 추천을 Recommendations from Marketplace 표시합니다.
세그먼트에 권장 트레이트를 추가하여 타겟 대상자를 늘리십시오.
간단히 말해:
  • Audience Manager는 Recommendations 섹션에 자사 트레이트를 표시합니다. 구독하지 않은 공개 및 비공개 피드의 마켓플레이스 권장 사항이 Recommendations from Marketplace 섹션에 표시됩니다. 피드 이름을 클릭하여 이동하여 Audience Marketplace 구독합니다.
  • Audience Manager는 세그먼트 규칙의 트레이트와 유사한 최대 50개의 트레이트를 표시합니다.
  • 권장 사항을 표시하지 않을 데이터 소스를 필터링할 수 있습니다.
  • 유사성을 계산할 때 Audience Manager는 지난 30일 동안 트레이트에 자격을 갖춘 UUID를 고려합니다.
  • "비슷한 트레이트가 없습니다. 트레이트가 너무 새로운 것일 수 있습니다." 즉, 지난 30일 동안 해당 트레이트에 대한 활동이 없거나 Audience Manager가 아직 해당 트레이트에 대한 권장 사항을 업데이트하지 않았음을 의미합니다. 24시간 후에 다시 시도하십시오.

사용 사례

Audience Trait RecommendationsManager 사용 방법에 따라 워크플로우를 향상시킬 수 있습니다.
  • 마케터는 유사한 트레이트를 활용하여 보완 제품에 관심 있는 고객을 신속하게 찾을 수 있으므로 도달 범위를 확대할 수 있습니다.
  • 게시자로 Audience Manager를 사용하는 경우 Trait Recommendations고객 행동을 파악하고 광고 영업 또는 사용자 확보를 위한 더 나은 세그먼트를 만들 수 있습니다.
  • 데이터 구매자인 Audience Marketplace 저는 많은 양의 피드를 검색하지 않고도 관련 타사 데이터를 발견하고 싶습니다.
  • 데이터 제공업체로서 최적의 Audience Marketplace 연관성 있는 구독을 이용할 수 있도록 관련 데이터를 구매자에게 추천하고 싶습니다.

특성 권장 사항과 알고리즘 모델 간의 차이점

알고리즘 모델

Algorithmic Models 가장 영향력 있는 트레이트를 찾을 뿐만 아니라 이러한 트레이트를 기반으로 사용자의 점수를 매기고 각 사용자에게 개별 점수를 지정합니다. 그런 다음 사용자를 타깃팅할 알고리즘 트레이트를 만듭니다. 의 정확도 및 도달 범위 제어를 통해 Trait Builder타깃팅하려는 영향력 있는 트레이트를 가진 모든 사용자 중에서 어떤 사용자를 지정할 수 있습니다.
Algorithmic Models 는 다른 정확도 수준에서 사용자를 선택하고 사용자 그룹이 더 잘 변환되도록 테스트할 Audience Lab 수 있도록 해줍니다. Audience Lab의 모델 비교에서 자세한 사용 사례를 참조하십시오 .
이 Algorithmic Models모델은 8일마다 실행되며 알고리즘 트레이트에 적합한 사용자를 새로 고칩니다.

트레이트 권장 사항

Trait Recommendations 는 세그먼트에서 사용 중인 트레이트와 유사한 다른 트레이트에 대한 통찰력을 얻는 빠른 방법입니다.
다음 Trait Recommendations 경우에 사용해야 합니다.
  • 세그먼트를 작성하는 동안 빠른 통찰력이 필요합니다.
  • 짧은 캠페인에 세그먼트를 사용하거나 전환한 대상자를 빠르게 표시하지 않으려는 경우
  • 도달 범위를 최대화하려고 합니다.

워크플로우

세그먼트 빌더에서 세그먼트를 만들거나 편집할 세그먼트 규칙의 트레이트와 유사한 트레이트를 탐색할 수 있습니다. 세그먼트 빌더 워크플로우는 새 세그먼트와 기존 세그먼트에 대해 매우 유사합니다.

새 세그먼트

  1. 대상 데이터 > 세그먼트로 ​이동하고 새로 추가를 클릭합니다 .
  2. 트레이트 드롭다운 상자에서 세그먼트 규칙에 트레이트를 하나 이상 추가합니다.
  3. 구독한 피드에서 퍼스트 파티 권장 트레이트 및 트레이트 권장 사항을 Audience Marketplace Recommendations 섹션에서 볼 수 있습니다. 이 Recommendations from Marketplace 섹션에는 가입하지 않은 피드에서 트레이트 권장 사항이 표시됩니다. 이러한 권장 사항은 모두 세그먼트 규칙에 추가한 트레이트와 유사합니다. 아래로 스크롤하여 모든 권장 트레이트를 확인합니다.
  4. (선택 사항) 특정 데이터 소스에서 권장 자사 트레이트를 제외하려면 제외할 데이터 소스에 대해 X 기호를 클릭합니다.
    제외된 데이터 소스는 권장 트레이트 목록 바로 위에 표시됩니다. 회색 상자에서 X를 클릭하여 제외를 제거하고 각 데이터 소스의 결과를 다시 확인합니다.
  5. 권장 트레이트를 세그먼트 규칙에 추가하려면 + 기호를 클릭합니다.
세그먼트에 트레이트를 추가할 Marketplace 때 트레이트는 해당 데이터 피드에 가입하기 전까지 세그먼트 예측에만 사용됩니다. 가입하지 않은 데이터 피드에서 발생한 트레이트는 트레이트 목록에 장바구니 아이콘이 표시됩니다. 트레이트 이름을 클릭하여 데이터 피드 페이지로 이동하여 가입합니다. 해당 데이터 피드에 가입한 후에만 타사 트레이트로 세그먼트를 저장할 수 있습니다.

기존 세그먼트

  1. > Audience Data로Segments ​이동하여 편집할 세그먼트를 선택하고 편집을 .
  2. 아래로 스크롤하여 Traits 드롭다운 상자로 이동합니다.
  3. 세그먼트 규칙에 이미 있는 트레이트와 유사한 권장 트레이트를 볼 수 있습니다. 아래로 스크롤하여 모든 권장 트레이트를 확인합니다.
  4. (선택 사항) 특정 데이터 소스에서 권장 트레이트를 제외하려면 제외할 데이터 소스에 대한 X 기호를 클릭합니다.
    제외된 데이터 소스는 권장 트레이트 목록 바로 위에 표시됩니다. 회색 상자에서 X를 클릭하여 제외를 제거하고 각 데이터 소스의 결과를 다시 확인합니다.
  5. 권장 트레이트를 세그먼트 규칙에 추가하려면 + 기호를 클릭합니다.
세그먼트를 만들거나 편집하고 세그먼트 규칙에 트레이트를 추가하면 추가한 트레이트와 유사한 최대 50개의 권장 트레이트가 표시됩니다. 세그먼트 규칙에 둘 이상의 트레이트가 포함되어 있는 경우 Audience Manager는 라운드 로빈 방법을 사용하여 각 트레이트에 가장 적합한 일치를 표시한 다음 각 트레이트에 대해 두 번째로 가장 일치하는 항목을 세그먼트 규칙에서 인구 50개 트레이트에 대해 표시합니다.
예를 들어, 다음과 같이 세그먼트 규칙에 세 가지 트레이트가 있을 때 권장되는 트레이트는 다음과 같습니다.
  1. 트레이트 3에 가장 적합합니다(인구 수가 가장 많은 트레이트).
  2. 트레이트 1에 가장 적합한 일치
  3. 트레이트 2에 가장 적합한 일치
  4. 트레이트 3의 두 번째 일치
  5. 트레이트 1에 대해 두 번째로 가장 잘 맞는 것, 그리고 50가지 트레이트가 나올 때까지 계속됩니다.
특정 트레이트에 대한 권장 사항을 얻으려면 세그먼트 규칙(1) 또는 권장 트레이트 보기(2)에서 트레이트를 클릭할 수 있습니다.
퍼스트 파티 트레이트를 클릭하면 아래 이미지와 같이 팝업 창이 열립니다. 권장 트레이트가 세그먼트의 일부가 아닌 경우 + ​를 눌러 세그먼트에 추가할 수 있습니다.
주 페이지에서 제외된 데이터 소스는 트레이트 정보 팝업 창 내에서 권장 사항을 생성하는 동안 고려됩니다. 또한 이 보기에서 데이터 소스를 제외하는 경우 기본 페이지에 제외가 적용됩니다.
권장 트레이트는 가입한 데이터 피드의 자사 트레이트 또는 타사 트레이트가 될 수 Audience Marketplace있습니다.

작동 방법

특성 권장 사항을 만들기 위해 Audience Manager는 타겟 트레이트와 계정에 액세스할 수 있는 다른 모든 트레이트 간 Java 유사성을 계산합니다(타사 데이터 포함). 그러면 Audience Manager는 가장 유사성이 높은 트레이트를 최대 50개까지 표시합니다.

트레이트 유사성 점수

Audience Manager는 두 트레이트 Trait Similarity Score 간의 수를 기준으로 교차 및 합집합을 UUID계산한 다음 두 트레이트를 나눕니다. 두 트레이트 A와 B의 경우 계산은 다음과 같습니다.
아래의 두 가지 예를 참조하십시오.

예 1 - 낮은 트레이트 유사성 점수

두 가지 특성 A와 B를 고려할 때, 각각의 특성에는 1000,000명의 인구가 있으며, UUID그 중 25,000명의 UUID사람들이 두 가지 특징을 모두 가질 수 있다고 합시다. 위의 공식을 사용하면 다음과 같은 결과가 발생합니다.25,000 / 1,975,000 = 0.012.이것은 낮으며, Trait Similarity Score두 가지 특징은 매우 유사하지 않습니다.

예 2 - 트레이트 유사성 점수

동일한 트레이트 A와 B가 두 트레이트의 UUID자격을 400,000개 가지면 Trait Similarity Score 훨씬 더 높습니다.400,000 / 1,600,000 = 0.25

트레이트 유사성 점수를 해석하는 방법

아래 표를 트레이트 유사성에 대한 대략적인 안내서로 사용하십시오. 이 안내서는 대부분의 트레이트에서 관찰된 유사성 점수를 기반으로 합니다.
Trait Similarity Score
중요도
0.1 이상
트레이트 간 높은 유사성
0.03 - 0.1
트레이트 간 중간 유사성
0.01 - 0.03
트레이트 간 낮은 유사성
0 - 0.01
트레이트 간 매우 낮은 유사성

역할 기반 액세스 제어(RBAC)

( RBAC)를 사용하는 회사의 경우 권장 트레이트를 보려면 세그먼트를 만들고 편집할 권한이 있어야 합니다. 표시되는 트레이트 권장 사항은 액세스 권한이 있는 데이터 소스의 트레이트 권장 사항일 RBAC뿐입니다.
세그먼트에 Marketplace Recommendations 추가하려면 먼저 해당 데이터 피드에 가입해야 합니다. 관리자 권한이 있는 사용자만 Audience Marketplace 데이터 피드에 가입할 수 있습니다.
컨트롤에 대한 자세한 내용을 RBAC 살펴보십시오 관리(RBAC 컨트롤) .

제한

  • 현재 Audience Manager에서는 권장되는 트레이트로 폴더 트레이트를 표시하지 않습니다. 폴더 트레이트에 대한 자세한 내용을 살펴보십시오 .
  • 특성 권장 사항을 표시할 때 Audience Manager는 세그먼트 규칙에서 Boolean 연산자(AND, NOT)를 고려하지 않습니다.