Show Menu
TÓPICOS×

Predictive Audiences Visão geral

Predictive Audiences ajuda a classificar uma audiência desconhecida em personas distintas, em tempo real, usando técnicas avançadas de ciência de dados.
Este artigo contém a documentação do produto destinada a orientá-lo durante a configuração e o uso deste recurso. Nada aqui contido é aconselhamento jurídico. Consulte o seu próprio advogado para obter orientação jurídica.
Em um contexto de marketing, uma pessoa é um segmento de público-alvo definido por visitantes, usuários ou possíveis compradores, que compartilham um conjunto específico de características, como demografia, hábitos de navegação, histórico de compras etc.
Os modelos de Predictive Audiences levam esse conceito um passo além, permitindo que você use os recursos de aprendizado de máquina do Audience Manager para classificar públicos desconhecidos em personas distintas. O Audience Manager ajuda você a fazer isso calculando a propensão do seu público primário desconhecido para um conjunto de públicos originais conhecidos.
Quando você cria um Predictive Audiences modelo, a primeira etapa é escolher as características ou segmentos de linha de base pelos quais deseja que a audiência do público alvo seja classificada. Essas características ou segmentos definirão suas personas.
Durante a fase de avaliação, o modelo cria um novo Predictive Audiences segmento para cada característica ou segmento que você definiu como linha de base. Na próxima vez que o Audience Manager ver um visitante da audiência do público alvo que não estiver classificado para uma pessoa (não se qualificou para nenhuma das características ou segmentos da linha de base), o Predictive Audiences modelo determinará a qual dos segmentos preditivos o visitante deve pertencer e adicionará o visitante a esse segmento.
Você pode identificar os segmentos preditivos criados pelo modelo, na Segments página. Cada Predictive Audiences modelo tem sua própria pasta sob a Predictive Audiences pasta e você pode ver os segmentos de cada modelo clicando na pasta do modelo.

Casos de uso

Para ajudá-lo a entender melhor como e quando você poderia usar Predictive Audiences, veja alguns casos de uso que os clientes do Audience Manager podem resolver usando esse recurso.

Caso de uso n° 1

Como comerciante em uma empresa de comércio eletrônico, eu quero classificar todos os meus visitantes móveis e da Web em várias categorias de afinidade de marca, para que eu possa personalizar a experiência do usuário.

Caso de uso n° 2

Como profissional de marketing em uma empresa de mídia, eu quero classificar meus visitantes móveis e da Web não autenticados por gêneros favoritos, para que eu possa sugerir a eles conteúdo personalizado em todos os canais.

Caso de uso n° 3

Como anunciante de uma empresa aérea, quero me certificar de classificar minha audiência com base no interesse deles em destinos de viagens, para que eu possa anunciar a eles em tempo real, dentro de uma pequena janela de redefinição de metas.

Caso de uso n° 4

Como anunciante, quero classificar minha audiência em tempo real, para que eu possa reagir rapidamente às notícias de tendências.

Caso de uso n° 5

Como profissional de marketing, quero prever em qual fase da jornada do cliente meus visitantes do site estão, como descoberta, envolvimento, compra ou retenção, para que eu possa público alvo-los de acordo.

Caso de uso n° 6

Como empresa de mídia, eu quero categorizar minha audiência, para que eu possa vender meu espaço publicitário com preços premium, ao mesmo tempo em que ofereço aos meus visitantes anúncios relevantes.

Como funcionam Predictive Audiences os modelos

Ao criar um Predictive Audiences modelo, você percorre três etapas:
  1. Primeiro, selecione um mínimo de duas características ou dois segmentos que definirão suas personas.
  2. Em seguida, escolha uma característica ou segmento que defina a audiência do público alvo que deseja classificar.
  3. Por fim, você escolhe um nome para o modelo, uma fonte de dados que armazenará os segmentos preditivos e um nome Profile Merge Rule para o modelo.

Critérios de seleção para personas

Você pode escolher quaisquer características ou segmentos originais para definir suas personas. No entanto, para obter os melhores resultados, veja um conjunto de práticas recomendadas:
  • Escolha suas características pessoais ou segmentos para que cada pessoa tenha pelo menos algumas centenas de IDs de dispositivo.
  • Se suas características forem baseadas em IDs de vários dispositivos, você poderá vinculá-las em segmentos com Regras de mesclagem de Perfis que usam IDs de dispositivo, como Device Graph. Isso garantirá que haja IDs de dispositivo suficientes com as quais o algoritmo possa aprender.
  • Recomendamos escolher características ou segmentos simples para suas personas, que consistem de 1 a 3 características.
  • Escolha características da linha de base ou segmentos que tenham sobreposição mínima.
  • Certifique-se de capturar características granulares em suas propriedades digitais.

Critérios de seleção para a Audiência do Público alvo

Dependendo do caso de uso, se você deseja classificar os usuários em tempo real, em lote ou em ambos, escolha uma audiência de público alvo (trait ou segment) que tenha uma população total e/ou em tempo real significativa. Semelhante à seleção pessoal, recomendamos que sua audiência de público alvo trait ou que segment tenha usuários com perfis ricos (conjuntos ricos de traits).
Ao selecionar a audiência do público alvo, analise seu caso de uso e decida quais tipos de IDs você deseja classificar: device IDs ou cross-device IDs. O Profile Merge Rule que você seleciona ao criar o modelo define os dados que serão usados para colocar cada usuário no preditivo segments.
Como prática recomendada, recomendamos escolher uma configuração Profile Merge Rule que tenha a mesma configuração da audiência do público alvo Profile Merge Ruleou que inclua o tipo de perfil (perfil do dispositivo ou perfil autenticado) da audiência do público alvo.

Predictive Audiences Fase de treinamento do modelo

Antes que o algoritmo possa classificar sua audiência primária nas pessoas certas, ele precisa treinar a si mesmo nos seus dados.
Para cada persona definida, o algoritmo analisa sua respectiva audiência e avalia qualquer atividade de característica em tempo real e/ou integrada para seus usuários nos últimos 30 dias. Esta etapa ocorre uma vez a cada 24 horas, para levar em conta as alterações na audiência primária.

Predictive Audiences Fase de classificação do modelo

Para a classificação de audiência em tempo real e em lote, o modelo verifica primeiro se um usuário pertence à audiência do público alvo. Se o usuário se qualificar para a audiência do público alvo e não pertencer a nenhuma das pessoas, o modelo atribuirá uma pontuação de qualificação pessoal.
Ao avaliar audiências primárias e atribuir pontuações, o modelo usa o padrão Profile Merge Rule definido em sua conta. Por fim, o visitante é classificado na pessoa para a qual recebeu a pontuação mais alta.

Considerações e limitações

Leia atentamente esta seção antes de passar para a fase de implementação.
Ao configurar seus Predictive Audiences modelos, lembre-se das seguintes considerações e limitações:
  • Você pode criar até 10 modelos de Predictive Audiences.
  • Para cada modelo, você pode escolher até 50 características/segmentos básicos.
  • Dados de segundo e de terceiros não são suportados atualmente em Predictive Audiences.
  • Predictive Audiences executa a classificação de audiência com base nas características originais, de todas as fontes de dados originais.
  • A avaliação de segmentos para Predictive Audiences usa o Profile Merge Rule que você escolher durante a criação do modelo. Para saber mais sobre Profile Merge Rules , consulte a documentação dedicada.
  • Algumas características e segmentos não são suportados como audiências de linha de base ou públicos alvos. Predictive Audiences os modelos não serão salvos ao escolher uma das seguintes opções como linhas de base ou audiências de público alvo:
  • Predictive Audience segments não pode ser usado em Audience Lab.

Data Export Controls

Segmentos preditivos criados por Predictive Audiences modelos herdam os Controles de exportação de dados das seguintes fontes de dados primários:
  1. A fonte de dados primária escolhida ao criar o modelo.
  2. As fontes de dados primários da audiência do público alvo. Especificamente, os controles de exportação de dados do ou traits que compõem segments a audiência do público alvo.
  3. Os Controles de exportação de dados do Profile Merge Rule modelo selecionado.
O preditivo recém-criado traits e segments terá as mesmas restrições de privacidade que a união das fontes de dados originais descritas acima.
Características que têm restrições adicionais que não fazem parte das restrições de privacidade do Predictive Audiences segmento serão excluídas da fase de treinamento e não se tornarão influentes para o modelo.

Profile Merge Rules

Todos os segmentos preditivos serão atribuídos aos Profile Merge Rule que você selecionou ao criar o modelo. A opção Profile Merge Rule escolhida é importante pelos seguintes motivos:
  • Define quais dispositivos e/ou perfis autenticados devem ser considerados quando o modelo analisa o influente traits, no momento da classificação de um usuário em um predictivo segment.
  • Regula os trait tipos (nível do dispositivo ou nível entre dispositivos) que devem ser utilizados durante a fase de formação do modelo e que devem ser revelados como influentes traits. Preditivo segments são subconjuntos da audiência do público alvo.
    • Se a audiência do público alvo for um segmento, recomendamos que você selecione o mesmo modelo atribuído Profile Merge Rule à audiência do público alvo, ou um Profile Merge Rule que inclua o tipo de perfil da audiência do público alvo.
    • Se a audiência do público alvo for um trait, recomendamos que você selecione um Profile Merge Rule que possa acessar o mesmo tipo de dados que a característica da audiência do público alvo (dados do perfil do dispositivo ou dados do perfil entre dispositivos).
  • Profile Merge Rules o uso das opções Current Authenticated Profiles e No Device Profile só é suportado para classificação de audiência em tempo real. Para obter mais informações, consulte Definição das opções de regras de mesclagem de Perfis.
Selecionar um Profile Merge Rule que use dados de dispositivo e dados entre dispositivos maximiza o número de traits dados que podem ser usados para treinamento de modelo e classificação de usuário no preditivo segments.

Role-Based Access Controls

As características e os segmentos que você escolhe para a classificação de audiência e estão sujeitos aos Controles de acesso baseados em funções de Audience Manager.
Os usuários do Audience Manager podem selecionar apenas características ou segmentos para pessoas e audiências públicos alvos, que têm permissão para visualização .