特徵建議

在構建細分市場時,從自己的第一方特徵中獲得即時特徵建議, Audience Marketplace 資料饋送。

視頻演示

從監視 Trait Recommendations 下面顯示視頻,然後閱讀以獲取詳細資訊。 視頻演示演示了如何處理來自您自己的第一方特徵的建議,以及來自 Audience Marketplace 資料饋送 您已訂閱

下一個視頻概述了 Marketplace Recommendations,顯示如何根據中的資料源建議向段添加特徵 Audience Marketplace。 這些建議基於資料源 您未訂閱

概述

Trait Recommendations,由 Adobe Sensei,將資料科學引入您的Audience Manager日常工作流。
與 Trait Recommendations,在 段生成器,您將獲得有關可包含的其他特性的建議,這些特性與段規則中的特性相似。

Audience Manager顯示,你的建議都來自你的第一黨特徵, RecommendationsAudience Marketplace,也請參見Wiki頁。 Recommendations from Marketplace 的子菜單。

將建議的特徵加入區段,有助於擴大您的目標對象範圍。

特性Recommendations概述

簡而言之:

  • Audience Manager顯示 Recommendations 的子菜單。 您未訂閱的公共和專用源的市場建議可在 Recommendations from Marketplace 的子菜單。 按一下源名稱以轉到 Audience Marketplace 訂閱。
  • Audience Manager最多顯示50個與段規則中類似的特徵。
  • 您可以過濾掉不想查看任何建議的資料源。
  • 計算相似性時,Audience Manager考慮 UUID 在過去30天裡就符合了。
  • 如果看到錯誤消息「未找到類似的特徵。 性狀可能太新了。」這意味著,過去30天中,該性狀沒有活動,或者Audience Manager尚未更新有關該性狀的建議。 請在24小時後重試。

使用個案

與 Trait Recommendations,您可以根據使用Audience Manager的方式改進工作流:

  • 作為營銷人員,你可以借助類似的特點快速找到對互補產品感興趣的受眾,這樣你就可以擴大觸角。
  • 如果將Audience Manager用作發佈者, Trait Recommendations您可以瞭解受眾行為,並為廣告銷售或用戶購買構建更好的細分市場。
  • 作為 Audience Marketplace 資料購買者,我想在不瀏覽大量源的情況下發現相關的第三方資料。
  • 作為 Audience Marketplace 資料提供商,我想向購買者推薦相關資料,以便我能夠從最優且相關的訂閱中獲益。

特徵Recommendations與算法模型的差異

演算法模型

Algorithmic Models 不僅找到最具影響力的特徵,還根據這些特徵對用戶進行評分,並為每個用戶分配一個個人得分。 接著您可建立演算法特徵,來鎖定您的使用者。在 Trait Builder,您可以指定所有具有您希望針對的影響性特徵的用戶中的哪些用戶。

Algorithmic Models 使您能夠選擇精度級別不同的用戶,並test Audience Lab 哪組用戶轉換得更好。 請參閱在 Audience Lab 中比較模型中的詳細使用案例。

在 Algorithmic Models模型每8天運行一次,刷新符合算法特徵的用戶。

特徵建議

Trait Recommendations 是一種快速的方法,可以獲得與你在某段中使用的特徵類似的其他特徵。

你應該 Trait Recommendations 時間:

  • 您在建立區段時需要快速的深入分析;
  • 您正使用區段進行簡短的行銷活動,或想要快速隱藏轉換的受眾;
  • 您正嘗試最大程度提高觸及率。

工作流程

在中構建或編輯段時 段生成器,可以探索與分段規則中的特徵相似的特徵。 的 段生成器 對於新段和現有段,工作流非常相似:

新段

  1. 轉到 受眾資料>段,然後按一下 添加新

  2. 性狀 下拉框,向段規則中添加至少一個特徵。

  3. 你可以看到第一方推薦的特徵 Audience Marketplace 訂閱的源的特性建議 Recommendations 的子菜單。 的 Recommendations from Marketplace 部分顯示您未訂閱的源的特性建議。 所有這些建議都與您添加到段規則中的特徵相似。 向下滾動查看所有推薦的特性。

  4. (可選)要從某些資料源中排除建議的第一方特徵,請按一下 X 要排除的資料源的符號。

    note note
    NOTE
    排除的資料源顯示在推薦特性清單的正上方。 按一下 X 框中,刪除排除項並再次查看各資料源的結果。

    1. 要將推薦的特徵添加到段規則,請按一下 **+** 的雙曲餘切值。

IMPORTANT
添加時 Marketplace traits到一個段,這些traits僅用於段估計,直到您訂閱相應的資料饋送。 來自您未訂閱的資料源的特徵在特性清單中用購物車表徵圖標籤。 按一下特性名稱可轉到資料饋送頁並訂閱該頁。
市場未訂閱
只有在對相應的資料源進行訂閱後,才能保存具有第三方特徵的段。

現有段

  1. 轉到 Audience Data>Segments,選擇要編輯的段並按一下 編輯

  2. 向下滾動到 Traits 下拉框。

  3. 您可以看到推薦的特徵,這些特徵與分段規則中已有的特徵相似。 向下滾動查看所有推薦的特性。

  4. (可選)要從某些資料源中排除建議的特徵,請按一下 X 要排除的資料源的符號。

    note note
    NOTE
    排除的資料源顯示在推薦特性清單的正上方。 按一下 X 框中,刪除排除項並再次查看各資料源的結果。

    1. 要將推薦的特徵添加到段規則,請按一下 **+** 的雙曲餘切值。

當您建立或編輯段並向段規則添加特徵時,您最多會看到50個建議的特徵,與您添加的特徵類似。 如果分段規則包含多個特徵,則在分段規則中,Audience Manager使用循環方法顯示每個特徵的最佳匹配,然後每個特徵的次佳匹配,等等,顯示按種群數量排列的最大50個特徵。

三大基本特徵

例如,當段規則中有三個特徵時,建議的特徵是:

  1. 性狀3(人數最多的性狀)最佳匹配;
  2. 性狀1最佳匹配;
  3. 性狀2最佳匹配;
  4. 性狀3次最佳匹配;
  5. 第二個最適合性狀1,等等,直到你達到50個性狀。

要獲取針對特定特徵的建議,可以按一下段規則(1)或建議特徵視圖(2)中的特徵。

基特徵示例

按一下第一方特性會開啟一個彈出窗口,如下圖所示。 如果建議的特徵不是段的一部分,可通過按將它們添加到段 +

添加到段

TIP
在特徵資訊彈出窗口內生成建議時,考慮首頁中排除的資料源。 而且,如果在此視圖中排除資料源,則排除將應用於首頁。
NOTE
建議的特徵可以是您訂閱的資料源中的第一方特徵或第三方特徵 Audience Marketplace。

運作方式

要生成特徵推薦,Audience Manager計算 雅卡德相似性 在目標特性和您的帳戶可以訪問的所有其它特性之間,包括第三方資料。 Audience Manager顯示最多50個相似性最高的特徵。

特質相似性分數 trait-similarity-score

Audience Manager計算 Trait Similarity Score 通過求交和並數計算兩個特徵之間 UUIDs,然後把兩者分開。 對於A和B兩種特徵,計算結果如下:

Jaccard相似度

另請參見以下兩個示例。

示例1 — 低特徵相似性得分

給出A和B兩個特徵,假設每個特徵都有100萬人 UUIDs,25,000 UUID其中兩個特徵都符合。
使用上述公式,將導致:25,000 / 1,975,000 = 0.012。這是個低點 Trait Similarity Score這兩個特徵是非常不同的。

特徵 — 推薦 — 低重疊

示例2 — 特性相似性得分

如果A和B的相同性狀有40萬 UUID符合這兩種特質的 Trait Similarity Score 要高得多:400,000 / 1,600,000 = 0.25

特徵 — 推薦 — 高重疊

如何解讀特質相似性評分

使用下表作為特徵相似性的粗略指南。 本指南基於在大多數特徵上觀察到的相似性得分。

Trait Similarity Score
意義
0.1及以上
性狀之間的高度相似性
0.03 - 0.1
性狀之間的中等相似性
0.01 - 0.03
性狀之間的低相似性
0 - 0.01
特徵之間的相似性很低

基於角色的訪問控制(RBAC)

對於使用 Role-Based Access Controls (RBAC),您需要具有建立和編輯段的權限才能查看推薦的特徵。 您看到的特性建議僅是您通過訪問的資料源 RBAC。

IMPORTANT
添加 Marketplace Recommendations 對於一個段,用戶必須首先訂閱相應的資料源。 只有具有管理員權限的用戶才能訂閱 Audience Marketplace 資料饋送。

閱讀有關 RBAC 控制項 這裡

限制

  • 目前,Audience Manager不將資料夾特徵顯示為推薦特徵。 閱讀有關資料夾特徵的詳細資訊 這裡
  • 在展示特質Recommendations時,Audience Manager Boolean 運算子(AND。 OR。 NOT)。
recommendation-more-help
de293fbf-b489-49b0-8daa-51ed303af695