Show Menu
主题×

区段到特质重叠报表

返回特定特征和整个区段之间共享的唯一用户数的数据。
Audience manager中的Overlap报告遵循RBAC原则。 您只能根据您所属的 RBAC用户组来查看您有权访问的数据源中的区段 和特征。

概述

作为一种优化工具,报 Segment to Trait Overlap 告可以帮助您构建高度集中的细分或扩大细分范围。 例如,您可以创建具有高度重叠性的重点细分和特征以触及特定受众。 但是,大量重叠可能意味着唯一用户减少(访问范围减小)。 运行此报告有助于通过删除具有大量区段重叠的特征并将其替换为重叠较少的特征来扩大受众范围。

示例报告

下图提供了报告的高级概 Segment-to-Trait Overlap 述。

对单个数据点进行向下钻取

选择单个点以在弹出窗口中查看数据详细信息。 单击操作会自动更新报告中显示的数据。

比较区段与特征

介绍如何比较区段和特征,从结果中获得有意义的信息。

比较特征和段唯一值:示例

乍一看,比较细分与特征并尝试从结果中得出结论似乎不合逻辑。 毕竟,细分和特征是不同的,那么从不同项目派生的数据又有什么意义呢? 但是,在这种情况下,我们不会比较特征和区段,而是比较它们之间共享的唯一访客数。 共享的唯一访客计数提供了使区段与特征比较成为可能的公用值。
下图说明了特征与其所属区段之间的关系。 在这种情况下,我们的特征是10个访客,而区段是1,000个访客。 他们共享3个唯一的共同访问者。
唯一访客计数是这些不同类别对象之间共享的常数值。 因此,您可以按如下方式确定它们之间的唯一访客关系:
  • 特征与区段(3/10 = 0.30)共享其唯一访客的30%。
  • 区段共享其特征独特访客的0.3%(3/1,000 = 0.003)

在区段与特征比较中查找值

查看特征和区段之间的重叠情况可以帮助您估计可用访客池总数(预测)或查找重叠过多的低效区段。
用例 描述
预测
要确定可用的访客池,请求特征总和(重叠较少)与区段总和(重叠较少)之间的差值总和。
此细分特征组合最多可达1004个新用户。
查找低效的细分
如果某个特征是区段定义中的 AND 组的一部分,则具有该特征的唯一访客已经位于区段中,无法添加到区段。 您可以使用此报告查找重叠程度低的相关特征并将其添加到区段定义中,从而增加该区段受众池的范围。

了解“段到特征重叠”报告中的数据过滤器

描述特征和区段唯一重叠%滑块的工作方式。
该报 Segment-to-Trait overlap 告允许您使用两个滑块按重叠%(按特征或段)筛选数据。
  • Filter Trait Uniques %: 按特征和区段之间共享的唯一访客百分比过滤数据。
  • Filter Segment Uniques Overlap %: 按区段和特征之间共享的唯一访客百分比过滤数据。

示例

下图说明了特征唯一值%与段唯一值%之间的差异。 在这种情况下,特征和区段共享3个唯一访客。 作为比例:
  • 特征与区段(3/10 = 0.30)共享其唯一访客的30%。
  • 区段共享其特征独特访客的0.3%(3/1,000 = 0.003)

定义的段到特征数据弹出字段

描述单击单个数据点时在弹出窗口中显示的量度。
报告的弹出窗 Segment-to-Trait Overlap 口包含以下指标。 请注意,表中的唯一指标代表您 的实时用户
量度 描述
区段ID 区段的唯一数字ID。
特征数据源 特征所有者的名称。
数据源类型 定义特征所属的提供程序类型。 可以是:
  • 第一方(您自己的特质)。
  • 第三方(来自外部数据合作伙伴/供应商)。
特征ID 特征的唯一数字ID。
特征名称 特征的名称。
特征唯一值重叠% 特征与区段共享的唯一访客%。
区段唯一值重叠% 区段共享具有特征的唯一访客百分比。
重叠单值 区段和特征之间共享的唯一访客数。
区段唯一值 区段中的唯一访客数。
特征唯一值 特征中的唯一访客数。