Show Menu
TÓPICOS×

Recomendações de característica

Obtenha recomendações de características ao vivo conforme você cria seus segmentos.

Demonstração de vídeo

Comece assistindo ao vídeo das Recomendações de características e depois leia para obter mais informações.

Visão geral

Trait Recommendations, alimentado por Adobe Sensei, traz a ciência de dados para seus fluxos de trabalho diários do Audience Manager. 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. Adicione as características recomendadas ao segmento para aumentar o público-alvo de destino.
Em poucas palavras:
  • O Audience Manager mostra as características de terceiros e de terceiros dos feeds de dados atualmente inscritos como características recomendadas.
  • O Audience Manager mostra no máximo cinquenta características semelhantes àquelas da regra de segmento.
  • Você pode filtrar as fontes de dados das quais não deseja ver nenhuma recomendação.
  • Ao calcular semelhanças, o Audience Manager considera UUIDs que se qualificaram para a característica nos últimos 30 dias.
  • Se você vir a mensagem de erro "Nenhuma característica semelhante encontrada. A(s) característica(ões) pode(m) ser muito nova(s).", isso significa que não houve atividade para essa característica nos últimos 30 dias, ou o Audience Manager ainda não atualizou as recomendações para essa característica. Tente novamente em 24 horas.

Casos de uso

Com Trait Recommendations, você pode melhorar seus fluxos de trabalho, dependendo de como usar o Audience Manager:
  • Como comerciante, você pode encontrar rapidamente públicos interessados em produtos complementares com a ajuda de características semelhantes, para que você possa aumentar seu alcance.
  • Se você usar o Audience Manager como editor, com Trait Recommendations, você pode entender o comportamento do público-alvo e criar segmentos melhores para vendas de anúncios ou aquisição de usuários.

Diferenças entre as Recomendações de características e os Modelos algorítmicos

Modelos algorítmicos

Algorithmic Models não somente encontra as características mais influentes, como também pontua os usuários com base nessas características e atribui a cada usuário uma pontuação individual. Em seguida, você cria características algorítmicas para direcionar seus usuários. Com os controles de precisão e alcance no Trait Builder, você pode especificar quais usuários entre todos aqueles que têm as características influentes que deseja direcionar.
Algorithmic Models permite que você selecione usuários em diferentes níveis de precisão e teste em Audience Lab qual grupo de usuários converte melhor. Consulte o caso de uso detalhado em Comparar modelos no Audience Lab .
No Algorithmic Models, o modelo é executado a cada 8 dias e atualiza os usuários qualificados para características algorítmicas.

Recomendações de característica

Trait Recommendations é uma maneira rápida de obter insights sobre outras características que são semelhantes àquelas usadas em um segmento.
Você deve usar Trait Recommendations quando:
  • Você precisa de insights rápidos ao criar um segmento;
  • Você está usando os segmentos para campanhas curtas ou quando deseja suprimir rapidamente o público-alvo que converte;
  • Você está tentando maximizar o alcance.

Fluxo de trabalho

Ao criar ou editar um segmento no Construtor de segmentos, você pode explorar características semelhantes às da regra de segmentos. O fluxo de trabalho do construtor de segmentos é muito semelhante para segmentos novos e existentes:

Novos segmentos

  1. Em Dados de público-alvo > Segmentos , selecione Adicionar novo .
  2. Na caixa suspensa Características , adicione pelo menos uma característica à regra do segmento.
  3. Agora você pode ver características recomendadas que são semelhantes às características adicionadas à regra de segmento. Role para baixo para ver todas as características recomendadas.
  4. (Opcional) Para excluir características recomendadas de determinadas fontes de dados, clique no símbolo X das fontes de dados que deseja excluir.
    As fontes de dados excluídas são mostradas logo acima da lista de características recomendadas. Pressione X na caixa cinza para remover as exclusões e ver os resultados das respectivas fontes de dados novamente.
  5. Para adicionar características recomendadas à regra de segmento, clique no símbolo + .

Segmentos existentes

  1. Vá até Audience Data>Segments , selecione o segmento que deseja editar e pressione .
  2. Role para baixo até a caixa Traits suspensa.
  3. Você pode ver as características recomendadas, que são semelhantes às características que já estão na regra de segmento. Role para baixo para ver todas as características recomendadas.
  4. (Opcional) Para excluir características recomendadas de determinadas fontes de dados, clique no símbolo X das fontes de dados que deseja excluir.
    As fontes de dados excluídas são mostradas logo acima da lista de características recomendadas. Pressione X na caixa cinza para remover as exclusões e ver os resultados das respectivas fontes de dados novamente.
  5. Para adicionar características recomendadas à regra de segmento, clique no símbolo + .
Ao criar ou editar um segmento e adicionar uma característica à regra de segmento, você verá no máximo cinquenta características recomendadas, semelhantes àquelas adicionadas. Se a regra de segmento contiver mais de uma característica, o Audience Manager usará um método round robin para mostrar a melhor correspondência para cada característica, a segunda melhor correspondência para cada característica e assim por diante, para os cinquenta maiores características por população, na regra de segmento.
Por exemplo, quando há três características na regra de segmento, como mostrado abaixo, as características recomendadas são:
  1. Melhor correspondência para o traço 3 (o traço com a maior população);
  2. Melhor correspondência para a característica 1;
  3. Melhor correspondência para a característica 2;
  4. Segunda melhor correspondência para a característica 3;
  5. A segunda melhor combinação para a característica 1, e assim por diante, até que você tenha cinquenta características.
Para obter recomendações para uma característica específica, você pode clicar nas características na regra de segmento (1) ou na exibição de características recomendadas (2).
Clicar em uma característica abre uma janela pop-up, como mostrado na imagem abaixo. Se as características recomendadas não forem parte do segmento, é possível adicioná-las ao segmento pressionando + .
As fontes de dados excluídas da página principal são consideradas ao gerar recomendações na janela pop-up de informações de características. E, se você excluir fontes de dados nessa exibição, as exclusões se aplicam à página principal.
As características recomendadas podem ser suas características originais ou de terceiros dos feeds aos quais você está inscrito.

Como funciona

Para produzir recomendações de características, o Audience Manager calcula a similaridade Jaccard_index Jaccard entre a característica de destino e todas as outras características a que sua conta tem acesso, incluindo dados de terceiros. O Audience Manager exibe até cinquenta características que têm a maior similaridade.

Pontuação de semelhança de característica

O Audience Manager calcula o Trait Similarity Score entre duas características ao calcular a interseção e a união em termos do número de UUIDs e, em seguida, divide as duas. Para duas características A e B, o cálculo é semelhante a:
Veja também os dois exemplos abaixo.

Exemplo 1 - Pontuação de semelhança de baixa característica

Dados dois traços A e B, digamos que cada um dos traços tem uma população de 1.000.000 UUIDs, 25.000 UUIDdos quais se qualificam para ambos os traços. Usando a fórmula acima, isso resultará em: 25.000 / 1.975.000 = 0,012. Isto é baixo Trait Similarity Score, as duas características são muito diferentes.

Exemplo 2 - Pontuação de semelhança de característica

Se os mesmos traços A e B tivessem 400.000 #UUIDs que se qualificam para ambos os traços, o Trait Similarity Score é muito maior: 400.000 / 1.600.000 = 0,25

Como interpretar a pontuação de semelhança de característica

Use a tabela abaixo como um guia aproximado para traçar a semelhança. Este guia é baseado nas pontuações de similaridade observadas na maioria das características.
Trait Similarity Score
Significância
0.1 e superior
Alta semelhança entre características
0.03 - 0.1
Semelhança média entre características
0.01 - 0.03
Baixa semelhança entre características
0 - 0.01
Semelhança muito baixa entre características

Controle de acesso baseado em função (RBAC)

Para empresas que usam Role-Based Access Controls (RBAC), é necessário ter permissão para criar e editar segmentos para ver as características recomendadas. E as características recomendadas que você vê são apenas aquelas de fontes de dados às quais você tem acesso via RBAC. Leia mais sobre RBAC controles aqui .

Limitações

  • Atualmente, o Audience Manager não mostra as características da pasta como características recomendadas. Leia mais sobre as características das pastas aqui .
  • Ao exibir as Recomendações de características, o Audience Manager não leva em conta Boolean os operadores (AND, OR, NOT) nas regras de segmento.