트레이트 추천

고유한 자사 트레이트에서 세그먼트를 만들 때 라이브 트레이트 권장 사항을 얻을 수 있습니다. Audience Marketplace 데이터 피드.

비디오 데모

다음 항목을 보는 것으로 시작하십시오. Trait Recommendations 아래 비디오에서 자세한 내용을 확인하십시오. 이 비디오 데모에서는 자사 트레이트의 권장 사항과 의 트레이트 권장 사항을 사용하여 작업하는 방법을 보여 줍니다 Audience Marketplace 다음 데이터 피드: 을(를) 이미 구독 중입니다..

다음 비디오에서는 의 워크플로에 대해 간략하게 설명합니다. Marketplace Recommendations, 에서는 의 데이터 피드에서 권장 사항을 기반으로 세그먼트에 트레이트를 추가하는 방법을 보여 줍니다. Audience Marketplace. 이러한 권장 사항은 다음과 같은 데이터 피드를 기반으로 합니다. 을(를) 구독하지 않았습니다..

개요

Trait Recommendations, 제공 Adobe Sensei는 데이터 과학을 Audience Manager의 일반 워크플로우에 적용하는 것입니다.
포함 Trait Recommendations에서 세그먼트를 만들거나 편집할 때 세그먼트 빌더를 사용하면 포함할 수 있는 추가 트레이트에 대한 권장 사항을 얻을 수 있습니다. 이러한 권장 사항은 세그먼트 규칙의 트레이트와 유사합니다.

Audience Manager은 자사 트레이트의 트레이트 권장 사항을에서 보여줍니다. Recommendations 섹션 및 시작 Audience Marketplace, Recommendations from Marketplace 섹션.

세그먼트에 권장 트레이트를 추가하여 타겟 대상자를 늘리십시오.

간단히 말해,

사용 사례

포함 Trait Recommendations, Audience Manager 사용 방법에 따라 워크플로우를 개선할 수 있습니다.

트레이트 Recommendations과 알고리즘 모델 간의 차이점

알고리즘 모델

Algorithmic Models 가장 영향력 있는 트레이트를 찾을 뿐만 아니라 해당 트레이트를 기반으로 사용자에게 점수를 매기고 각 사용자에게 개별 점수를 지정합니다. 그런 다음, 사용자를 타겟팅하는 알고리즘 트레이트를 만듭니다. 의 정확성 및 도달 범위 제어 Trait Builder을(를) 통해 영향력 있는 트레이트를 가진 모든 사용자 중 타겟팅할 사용자를 지정할 수 있습니다.

Algorithmic Models 에서 다양한 정확도 수준에서 사용자를 선택하고 테스트할 수 있습니다 Audience Lab 어느 사용자 그룹이 더 잘 전환되는지 확인합니다. 대상 랩의 모델 비교에서 자세한 사용 사례를 확인하십시오.

위치 Algorithmic Models, 모델은 8일마다 실행되고 알고리즘 트레이트에 맞는 사용자를 새로 고칩니다.

트레이트 추천

Trait Recommendations 는 세그먼트에서 사용 중인 트레이트와 유사한 다른 트레이트에 대한 통찰력을 얻는 빠른 방법입니다.

다음을 사용해야 합니다. Trait Recommendations 시기:

워크플로

에서 세그먼트를 작성하거나 편집할 때 세그먼트 빌더, 세그먼트 규칙의 트레이트와 유사한 트레이트를 탐색할 수 있습니다. 다음 세그먼트 빌더 워크플로우는 새 세그먼트와 기존 세그먼트에 대해 매우 유사합니다.

새 세그먼트

기존 세그먼트

세그먼트를 만들거나 편집하고 세그먼트 규칙에 트레이트를 추가하면 추가한 트레이트와 유사한 최대 50개의 권장 트레이트가 표시됩니다. 세그먼트 규칙에 트레이트가 두 개 이상 포함된 경우 Audience Manager은 라운드 로빈 방법을 사용하여 각 트레이트에 가장 적합한 일치 항목을 표시한 다음, 모집단별로 가장 큰 50개 트레이트에 대해 두 번째로 적합한 일치 항목 등을 세그먼트 규칙에서 표시합니다.

예를 들어 세그먼트 규칙에 아래 표시된 대로 세 가지 트레이트가 있는 경우 권장되는 트레이트는 다음과 같습니다.

특정 트레이트에 대한 권장 사항을 얻으려면 세그먼트 규칙 (1)이나 권장 트레이트 보기 (2)에서 트레이트를 클릭할 수 있습니다.

자사 트레이트를 클릭하면 아래 그림과 같이 팝업 창이 열립니다. 권장 트레이트가 세그먼트에 속하지 않으면 를 눌러 트레이트를 세그먼트에 추가할 수 있습니다 +.

작동 방법

트레이트 권장 사항을 만들려면 Audience Manager은 자카드 유사성 대상 트레이트와 타사 데이터를 포함하여 계정이 액세스할 수 있는 모든 다른 트레이트 간에 매핑됩니다. 그런 다음 Audience Manager은 유사성이 가장 높은 최대 50개의 트레이트를 표시합니다.

트레이트 유사성 점수 trait-similarity-score

Audience Manager 계산 Trait Similarity Score 다음 숫자로 교차와 결합을 계산하여 두 트레이트 사이 UUIDs를 만들고 둘을 나눕니다. 두 트레이트 A와 B의 경우 다음과 같이 계산됩니다.

아래의 두 가지 예제를 참조하십시오.

예제 1 - 낮은 트레이트 유사성 점수

두 개의 트레이트 A와 B를 고려할 때, 각 트레이트의 인구는 100만 명이라고 하자 UUIDs, 25,000 UUID의 두 가지 트레이트에 모두 적합합니다.
위의 공식을 사용하면 25,000 / 1,975,000 = 0.012가 됩니다. 낮은 수준입니다 Trait Similarity Score, 두 트레이트는 매우 다릅니다.

예제 2 - 트레이트 유사성 점수

만약 동일한 트레이트 A와 B가 40만 개라면 UUID두 특성 모두에 적합한 경우 Trait Similarity Score 많이 높음: 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.

역할 기반 액세스 제어(RBAC)

을 사용하는 회사의 경우 Role-Based Access Controls (RBAC)에서 권장되는 트레이트를 보려면 세그먼트를 만들고 편집할 수 있는 권한이 있어야 합니다. 표시되는 트레이트 권장 사항은 를 통해 액세스할 수 있는 데이터 소스의 트레이트 권장 사항일 뿐입니다 RBAC.

자세한 내용 RBAC 컨트롤 여기.

제한