Tentang audiens prediktif
Audiens prediktif adalah audiens yang memiliki setidaknya satu kondisi berdasarkan metrik prediktif. Misalnya, Anda dapat membuat audiens untuk 'pengguna yang cenderung membeli dalam 7 hari ke depan' yang mencakup pengguna yang cenderung membeli dalam 7 hari ke depan.
Prasyarat
Ketersediaan audiens prediktif bergantung pada apakah metrik prediktif yang mendasarinya valid untuk digunakan, yakni telah memenuhi semua prasyarat. Jika Anda telah mengekspor audiens prediktif ke akun produk tertaut, audiens tersebut tidak akan mengakumulasi pengguna baru jika properti tersebut menjadi tidak memenuhi syarat untuk metrik prediktif dan prediksi baru tidak dibuat.
Membuat audiens prediktif
Setelah properti Anda memenuhi syarat untuk prediksi, Anda dapat menggunakan template audiens yang direkomendasikan untuk membuat audiens sendiri dengan kondisi berdasarkan prediksi tersebut.
- Di Admin, klik Audiens pada bagian Tampilan data.
- Klik Audiens baru.
Untuk membuat audiens berdasarkan audiens yang direkomendasikan:- Pada bagian Audiens yang direkomendasikan, klik Prediktif.
- Audiens prediktif yang direkomendasikan dan memenuhi prasyarat pembuatan model prediksi akan diberi label Siap digunakan. Klik salah satu template yang siap digunakan.
- Ubah template sesuai kebutuhan Anda menggunakan pembuat audiens.
- Mulailah dari Langkah 4 dalam proses pembuatan audiens, lalu pilih salah satu metrik prediktif.
Untuk mengedit kondisi prediktif saat Anda membuat audiens, pilih salah satu opsi konfigurasi:
- Paling cenderung… (mencakup N% pengguna teratas)
- Paling tidak cenderung… (mencakup N% pengguna terbawah)
- Kustom (masukkan rentang persentase atau gunakan penggeser di sebelah kanan untuk memilih rentang)
Jika menggunakan rentang kustom, penggeser tersebut memungkinkan Anda melihat jumlah pengguna yang disertakan dan kemungkinan pengguna tersebut dalam memenuhi kondisi yang diprediksi. Dengan rentang yang lebih besar, Anda dapat melihat bahwa lebih banyak pengguna disertakan, tetapi makin banyak dari mereka yang cenderung tidak memenuhi kondisi tersebut.
Konfigurasi prediksi default untuk kemungkinan churn, yang ditetapkan agar mencakup pengguna dalam persentil ke-80 hingga ke-100 (20% pengguna teratas).
Konfigurasi prediksi yang diubah untuk kemungkinan churn, yang ditetapkan agar mencakup pengguna dalam persentil ke-40 hingga ke-100 (60% pengguna teratas).
Menggunakan audiens prediktif
Di produk iklan Anda
Audiens prediktif secara otomatis dibagikan ke akun iklan yang telah Anda tautkan ke properti Anda (mis., Google Ads, Display & Video 360, Search Ads 360).
Sebagai audiens pemasaran ulang
Pengguna yang berada di ambang konversi lebih mudah diyakinkan untuk menyelesaikan konversi tersebut. Misalnya, pengguna yang mempelajari detail produk atau menambahkan item ke keranjang telah memberikan sinyal kuat bahwa mereka sudah hampir sepenuhnya memutuskan untuk membeli produk tersebut. Selain mengandalkan sinyal sederhana ini, Analytics menggunakan machine learning untuk menemukan pola perilaku mendalam yang unik untuk properti Anda dan menunjukkan bahwa pengguna kemungkinan akan melakukan konversi. Tindak lanjut yang persuasif dari Anda melalui kampanye pemasaran ulang yang disusun dengan baik dapat memberikan dorongan terakhir yang dibutuhkan pengguna untuk menyelesaikan proses tersebut.
Dalam kampanye re-engagement
Meskipun pengguna yang kemungkinan melakukan churn menunjukkan minat yang rendah terhadap bisnis Anda, mereka juga sebelumnya telah menunjukkan engagement dengan bisnis Anda. Lakukan kembali pendekatan terhadap pengguna tersebut menggunakan pengingat tentang berbagai nilai yang Anda tawarkan dalam hal variasi, kualitas, dan harga produk, atau opsi pengiriman dan pengembalian yang praktis. Ingatkan pengguna tersebut bahwa mereka bernilai bagi bisnis Anda dengan memberikan penawaran spesial.
Audiens prediktif yang disarankan
Audiens yang disarankan mencakup pengguna yang melebihi nilai minimum untuk metrik prediktif. Misalnya, pengguna disertakan dalam audiens "Pengguna yang cenderung membeli dalam 7 hari ke depan" ketika "Probabilitas pembelian > persentil ke-90". Misalnya, jika data sesuai model didasarkan pada 1.000 pengguna, persentil ke-90 sampai ke-100 akan mencakup 100 pengguna (10% teratas) dengan probabilitas pembelian terbesar. Pengguna yang melebihi atau berada pada persentil ke-90 (100 pengguna teratas) akan disertakan dalam audiens.
Jika menambahkan kondisi lain ke audiens, Anda dapat mengurangi jumlah pengguna yang akan disertakan. Misalnya, jika menyertakan Usia atau Wilayah, atau menambahkan kondisi berdasarkan jumlah peristiwa, Anda dapat mengeliminasi sebagian dari 99 pengguna yang tadinya akan disertakan.
| Audiens | Deskripsi | Konfigurasi |
|---|---|---|
| Pengguna yang membeli dan cenderung akan churn dalam 7 hari ke depan | Pengguna yang membeli dan cenderung tidak akan mengunjungi properti Anda dalam 7 hari ke depan. |
Sertakan: (peristiwa) in_app_purchase ATAU purchase ATAU ecommerce_purchase ATAU (metrik) LTV > 0 DAN (metrik prediktif) Probabilitas churn > persentil ke-80 |
| Pengguna yang cenderung tidak akan aktif dalam 7 hari ke depan | Pengguna yang cenderung tidak akan mengunjungi properti Anda dalam 7 hari ke depan. |
Sertakan: (metrik prediktif) Probabilitas churn > persentil ke-80 |
| Pengguna yang cenderung membeli dalam 7 hari ke depan | Pengguna yang cenderung melakukan pembelian dalam 7 hari ke depan. |
Sertakan: (metrik prediktif) Probabilitas pembelian > persentil ke-90 |
| Pengguna yang cenderung membeli untuk pertama kali dalam 7 hari ke depan | Pengguna yang cenderung melakukan pembelian pertama dalam 7 hari ke depan. |
Sertakan: (metrik prediktif) Probabilitas pembelian > persentil ke-90 DAN (metrik) LTV = 0 Kecualikan: (peristiwa) in_app_purchase ATAU purchase ATAU ecommerce_purchase |
| Diprediksi menjadi pembelanja teratas dalam 28 hari ke depan | Pengguna yang diprediksi melakukan pembelanjaan paling banyak dalam 28 hari ke depan. |
Sertakan: (metrik prediktif) Pendapatan diprediksi > persentil ke-95 |