Show Menu
THEMEN×

Algorithmische Modelle

Erstellen und verwalten Sie die Eigenschaften oder Segmente, die bei der algorithmischen Modellierung verwendet werden, auch als Look-alike-Modellierung bezeichnet. Modellfunktionen befinden sich in Audience Data > Models .

Algorithmische Modelle

Die folgenden Abschnitte stellen eine Übersicht über die algorithmische Modellierung in dar Audience Manager. Sie beschreiben, wie Modellierung funktioniert, die Vorteile und den Workflow.

Neue Benutzer mit algorithmischer Modellierung suchen

Die algorithmische Modellierung hilft Ihnen, neue, einzigartige Zielgruppen durch die automatisierte Datenanalyse zu entdecken. Der Prozess beginnt, wenn Sie eine Eigenschaft oder ein Segment, ein Zeitintervall sowie Datenquellen von Erstanbietern und Drittanbietern auswählen. Ihre Auswahl bietet die Eingaben für das algorithmische Modell. Wenn der Analyseverfahren ausgeführt wird, sucht er anhand gemeinsamer Merkmale der ausgewählten Population nach infrage kommenden Benutzern. Nach Abschluss dieser Daten stehen Ihnen im Eigenschaften-Builder zur Verfügung, mit dem Sie Eigenschaften erstellen können, die auf Genauigkeit und Reichweite basieren. Darüber hinaus können Sie Segmente erstellen, die algorithmische Eigenschaften mit regelbasierten Eigenschaften kombinieren und weitere Qualifikationsanforderungen mit booleschen Ausdrücken und Vergleichsoperatoren hinzufügen. Algorithmische Modellierung bietet Ihnen eine dynamische Möglichkeit, Werte aus all Ihren verfügbaren Eigenschaftsdaten zu extrahieren.

Vorteile

Die Verwendung der Audience Manager Modellierung bietet unter anderem folgende Vorteile:
  • **** Datengenauigkeit: Der Algorithmus wird regelmäßig ausgeführt, was dazu beiträgt, die Ergebnisse aktuell und relevant zu halten.
  • **** Automatisierung: Sie müssen nicht viele statische Regeln verwalten. Der Algorithmus findet Zielgruppen für Sie.
  • **** Sparen Sie Zeit und Mühe: Mit unserem Modellierungsprozess müssen Sie nicht erraten, welche Eigenschaften/Segmente funktionieren oder wie lange Ressourcen für Kampagnen verwendet werden, um neue Zielgruppen zu entdecken. Das Modell kann das für Sie tun.
  • **** Zuverlässigkeit: Die Modellierung funktioniert mit serverseitigen Erkennungs- und Qualifizierungsprozessen, die Ihre eigenen Daten und ausgewählte Drittanbieterdaten auswerten, auf die Sie Zugriff haben. Das bedeutet, dass Sie die Besucher Ihrer Site nicht sehen müssen, um sie für eine Eigenschaft zu qualifizieren.

Arbeitsablauf

Sie verwalten Modelle in Audience Data > Models . Auf hoher Ebene umfasst der Workflow-Prozess Folgendes:
  • Wählen Sie die Ausgangsdaten aus, die der Algorithmus auswerten soll. Dazu gehören Eigenschaften oder Segmente, Zeiträume und Datenquellen (Ihre eigenen Daten und Daten von Drittanbietern, auf die Sie bereits Zugriff haben Audience Manager). Im Arbeitsablauf für die Modellerstellung können Sie die Eigenschaften ausschließen, die Sie nicht in Ihr Modell eingreifen möchten.
  • Speichern Sie Ihr Modell. Nach dem Speichern wird der algorithmische Evaluierungsprozess automatisch ausgeführt. Beachten Sie jedoch, dass dieser Vorgang bis zu 7 Tage dauern kann. Audience Manager sendet Ihnen eine E-Mail, wenn der Algorithmus abgeschlossen ist und Ergebnisse zur Eigenschaftserstellung verfügbar sind.
  • Erstellen Sie algorithmische Eigenschaften Trait Builder.
  • Kombinieren Sie Eigenschaften in Segmente Segment Builder.
  • Erstellen und senden Sie Segmentdaten an ein Ziel.

Fehlerbehebung

Wir deaktivieren jedes algorithmische Modell, das bei der Generierung von Daten für drei aufeinander folgende Vorgänge fehlschlägt. Beachten Sie, dass Sie den Status des Modells anschließend nicht wieder auf "aktiv"zurücksetzen können. Um sicherzustellen, dass Ihre Modelle Daten generieren, sollten Sie Modelle aus Datenquellen mit ausreichenden Eigenschaften erstellen, aus denen Daten gesammelt werden können.

EigenschaftenGewicht verstehen

TraitWeight ist ein proprietärer Algorithmus, der entwickelt wurde, um automatisch neue Eigenschaften zu entdecken. Es vergleicht Eigenschaftendaten aus Ihren aktuellen Eigenschaften und Segmenten mit allen anderen Erstanbieter- und Drittanbieterdaten, auf die Sie Zugriff haben Audience Manager. In diesem Abschnitt finden Sie eine Beschreibung des TraitWeight algorithmischen Erkennungsprozesses.
Die folgenden Schritte beschreiben den TraitWeight Bewertungsprozess.

Schritt 1: Erstellen einer Grundlinie für den Vergleich von Eigenschaften

Zum Erstellen einer Grundlinie TraitWeight werden alle mit einer Zielgruppe verbundenen Eigenschaften für einen Zeitraum von 30, 60 oder 90 Tagen gemessen. Als Nächstes werden Eigenschaften nach ihrer Häufigkeit und ihrer Korrelation sortiert. Die Häufigkeit misst die Gemeinsamkeit. Korrelation misst die Wahrscheinlichkeit, dass eine Eigenschaft nur in der Basiszielgruppe vorhanden ist. Eigenschaften, die häufig auftreten, weisen eine hohe Gemeinsamkeit auf, ein wichtiges Merkmal, mit dem ein gewichteter Wert festgelegt wird, wenn sie mit Eigenschaften kombiniert werden, die in den ausgewählten Datenquellen gefunden werden.

Schritt 2: Identische Eigenschaften in der Datenquelle suchen

Nachdem der Algorithmus eine Vergleichsbasis erstellt hat, sucht er nach identischen Eigenschaften in den ausgewählten Datenquellen. In diesem Schritt werden alle entdeckten Eigenschaften mit einer Häufigkeit TraitWeight gezählt und mit der Grundlinie verglichen. Im Gegensatz zum Ausgangswert werden jedoch ungewöhnliche Eigenschaften höher eingestuft als diejenigen, die häufiger auftreten. Seltene Eigenschaften sollen eine hohe Spezifität aufweisen. TraitWeight bewertet Kombinationen von allgemeinen Eigenschaften und ungewöhnlichen (hochspezifischen) Datenquelleneigenschaften als einflussreicherer oder wünschenswerter als Eigenschaften, die beide Datensätze gemeinsam haben. In der Tat erkennt unser Modell diese großen, gemeinsamen Eigenschaften und weist Datensätzen mit hohen Korrelationen keine übermäßige Priorität zu. Seltene Eigenschaften erhalten eine höhere Priorität, da sie mit größerer Wahrscheinlichkeit neue, einzigartige Benutzer darstellen als Eigenschaften mit hoher Gemeinsamkeit.

Schritt 3: Stärke zuweisen

In diesem Schritt werden neu entdeckte Eigenschaften nach Einfluss oder Zweckmäßigkeit TraitWeight sortiert. Die Waage ist ein Prozentsatz, der zwischen 0 % und 100 % liegt. Eigenschaften, die näher an 100 % platziert wurden, sind eher wie die Zielgruppe in Ihrer Grundgesamtheit. Darüber hinaus sind stark gewichtete Eigenschaften wertvoll, da sie neue, individuelle Benutzer darstellen, die sich ähnlich wie Ihre etablierte Zielgruppe verhalten. Denken Sie daran, TraitWeight betrachtet Eigenschaften mit hoher Gemeinsamkeit im Ausgangswert und hoher Spezifität in den verglichenen Datenquellen als wertvoller als Eigenschaften, die in jedem Datensatz vorkommen.

Schritt 4: Benutzer auswerten

Jeder Benutzer in den ausgewählten Datenquellen erhält eine Benutzerbewertung, die der Summe aller Gewichtungen der einflussreichen Eigenschaften im Profil dieses Benutzers entspricht. Die Benutzerwerte werden dann zwischen 0 und 100 % normalisiert.

Schritt 5: Anzeigen und Arbeiten mit Ergebnissen

Audience Manager zeigt Ihre gewichteten Modellergebnisse in Trait Builder. Wenn Sie eine algorithmische Eigenschaft erstellen möchten, Trait Builder können Sie Eigenschaften erstellen, die auf dem gewichteten Ergebnis basieren, das der Algorithmus während einer Datenausführung generiert hat. Sie können eine höhere Genauigkeit wählen, um nur Benutzer mit sehr hohen Benutzerwerten zu qualifizieren, die daher der Grundzielgruppe sehr ähnlich sind und nicht der übrigen Zielgruppe. Wenn Sie eine größere Zielgruppe (Reichweite) erreichen möchten, können Sie die Genauigkeit herabsetzen.

Schritt 6: Neubewertung der Bedeutung einer Eigenschaft über Verarbeitungszyklen hinweg

In regelmäßigen Abständen TraitWeight wird die Bedeutung eines Merkmals anhand der Größe und Änderung der Population dieser Eigenschaft neu bewertet. Dies geschieht, wenn die Anzahl der Benutzer, die für diese Eigenschaft qualifiziert sind, mit der Zeit steigt oder abnimmt. Dieses Verhalten wird am deutlichsten in Eigenschaften gesehen, die sehr groß werden. Angenommen, der Algorithmus verwendet die Eigenschaft A für die Modellierung. Wenn die Population von Eigenschaft A zunimmt, TraitWeight wird die Bedeutung dieser Eigenschaft neu bewertet und es kann ein niedrigeres Ergebnis zugewiesen oder ignoriert werden. In diesem Fall ist Eigenschaft A zu häufig oder zu groß, um etwas Bedeutendes über seine Bevölkerung zu sagen. Nachdem Sie den Wert von Eigenschaft A TraitWeight verringert haben (oder ihn im Modell ignoriert), verringert sich die Population der algorithmischen Eigenschaft. Die Liste der einflussreichen Eigenschaften spiegelt die Entwicklung der Grundgesamtheit wider. Verwenden Sie die Liste der einflussreichen Eigenschaften, um zu verstehen, warum diese Änderungen stattfinden.
Verwandte Links:

Zeitplan für algorithmische Modelle und Eigenschaften aktualisieren

Erstellung und Aktualisierung von Zeitplänen für neue oder vorhandene algorithmische Modelle und Eigenschaften.

Zeitplan für die Erstellung und Aktualisierung algorithmischer Modelle

Aktivitätstyp Beschreibung
Erstellen oder Klonen eines Modells
Bei neuen oder geklonten algorithmischen Modellen läuft der Erstellungsvorgang einmal täglich ab:
  • 17:00 Uhr EST (November - März)
  • 18:00 Uhr EDT (März - November)
Modelle, die nach Ablauf der Erstellungsfrist erstellt oder geklont wurden, werden am folgenden Tag verarbeitet.
Wenn die erste Ausführung eines Modells keine Daten generiert, wird sie am nächsten Tag ein zweites Mal ausgeführt. Wenn der zweite Versuch auch keine Daten generiert, wird am nächsten Tag ein dritter Versuch unternommen. Das Modell wird nicht mehr ausgeführt, wenn der dritte Versuch ebenfalls keine Daten generiert. In diesem Fall deaktivieren wir das Modell. Weitere Informationen finden Sie unter Fehlerbehebung bei Algorithmusmodellen .
Modell aktualisieren
Unter idealen Bedingungen werden vorhandene Modelle an Wochentagen, mindestens alle 7 Tage, ausgeführt. Wenn Sie z. B. am Montag ein Modell erstellen (bis zum Termin), wird es spätestens am folgenden Montag aktualisiert.
Ein Modell wird erneut ausgeführt, wenn eine der folgenden Bedingungen erfüllt ist:
  • Die letzte Runde war nicht erfolgreich.
  • Es wurde vor UND in den letzten 7 Tagen noch nicht ausgeführt UND das Modell hat mindestens eine aktive Eigenschaft.

Algorithmischer Plan zur Erstellung und Aktualisierung von Eigenschaften

Aktivitätstyp Beschreibung
Eigenschaften erstellen
Die Erstellung der Eigenschaften wird jeden Tag von Montag bis Freitag durchgeführt. Im Allgemeinen werden in der Benutzeroberfläche innerhalb von 48 Stunden neue algorithmische Eigenschaften angezeigt.
Eigenschaften aktualisieren
Vorhandene Eigenschaften werden mindestens alle 7 Tage aktualisiert und folgen dem Zeitplan für Modellaktualisierungen.

Modelllisten-Ansicht

Die Listenansicht ist ein zentraler Arbeitsbereich, mit dem Sie Modelle erstellen, überprüfen und verwalten können.
Die Seite "Modelle"enthält Funktionen und Werkzeuge, die Ihnen helfen,
  • Erstellen Sie neue Modelle.
  • Verwalten Sie vorhandene Modelle (bearbeiten, anhalten, löschen oder klonen).
  • Suchen Sie nach Modellen anhand des Namens.
  • Erstellen Sie algorithmische Eigenschaften mit einem beliebigen Modell.

Modellzusammenfassungsansicht

Auf der Zusammenfassungsseite werden Modelldetails wie Name, Reichweite/Genauigkeit, Verarbeitungsverlauf und anhand des Modells erstellte Eigenschaften angezeigt. Die Seite enthält auch Einstellungen, mit denen Sie Modelle erstellen und verwalten können. Klicken Sie in der Zusammenfassungsliste auf einen Modellnamen, um dessen Details anzuzeigen.
Die Modellübersichtsseite enthält die folgenden Abschnitte.
Abschnitt Beschreibung
Basisinformationen
Beinhaltet grundlegende Informationen zum Modell, z. B. den Namen und den Zeitpunkt des letzten Ausführung.
Modellreichweite und -genauigkeit
Zeigt Genauigkeit und Reichweitendaten für die letzte Modellausführung an.
Modellverarbeitungsverlauf
Zeigt das Datum und die Uhrzeit der Verarbeitung der letzten 10 Ausführung und an, ob Daten für diese Ausführung generiert wurden.
Einflussreiche Eigenschaften
Tabelle mit einflussreichen Eigenschaften :
  • Listet die 50 einflussreichsten Eigenschaften auf, die am besten in der Grundgesamtheit des Modells dargestellt werden.
  • Richtet die einzelnen Eigenschaften nach ihrem relativen Gewicht aus. Das relative Gewicht sortiert neu entdeckte Eigenschaften nach Einfluss oder Erwünschtheit. Die Waage ist ein Prozentsatz, der zwischen 0 % und 100 % liegt. Eigenschaften, die näher an 100 % platziert wurden, sind eher wie die Zielgruppe in Ihrer Grundgesamtheit. Siehe Grundlegendes zu TraitWeight .
  • Zeigt die 30-Tage-Uniques und die Gesamtanzahl der Eigenschaften für jede Eigenschaft an.
Eigenschaften mit Modell
Zeigt eine Liste der algorithmischen Eigenschaften, die auf dem ausgewählten Modell basieren. Klicken Sie auf einen Eigenschaftsnamen oder eine Eigenschaften-ID, um weitere Informationen zu den Eigenschaften anzuzeigen. Wählen Sie "Neue Eigenschaft mit Modell erstellen", um zum algorithmischen Eigenschaftenerstellungsprozess zu wechseln.
Die Abschnittbeschriftung ändert sich je nach Name des Modells. Beispiel: Sie erstellen ein Modell und geben ihm einen Namen für Modell A. Wenn Sie die Zusammenfassungsseite laden, wird der Name dieses Abschnitts in Eigenschaften mit Modell A geändert.