Show Menu
ARGOMENTI×

Informazioni Look-Alike Modeling

Trova nuovi utenti con Look-Alike Modeling

Look-Alike Modeling consente di scoprire audience nuove e uniche tramite l'analisi automatizzata dei dati. Il processo inizia quando si seleziona uno trait o segment, un intervallo di tempo e la prima e terza parte data sources. Le scelte forniscono gli input per il modello algoritmico. Quando il processo di analisi viene eseguito, cerca gli utenti idonei in base alle caratteristiche condivise della popolazione selezionata. Al termine, questi dati sono disponibili in Generatore di caratteristiche , dove è possibile utilizzarli per creare caratteristiche in base alla precisione e alla portata . Inoltre, puoi creare segmenti che combinano caratteristiche algoritmiche con rules-based traits altri requisiti di qualifica, con Boolean espressioni e operatori di confronto. Look-Alike Modeling offre un metodo dinamico per estrarre valore da tutti i dati sulle caratteristiche disponibili.

Vantaggi

I principali vantaggi dell'utilizzo Look-Alike Modeling comprendono:
  • Precisione dei dati: L'algoritmo viene eseguito regolarmente, in modo da mantenere i risultati aggiornati e pertinenti.
  • Automazione: Non è necessario gestire un ampio insieme di regole statiche. L'algoritmo troverà audience per voi.
  • Risparmiate tempo e riducete lo sforzo: Con il nostro processo di modellazione non è necessario indovinare cosa traits/segments potrebbe funzionare o spendere tempo nelle campagne per scoprire nuovi tipi di pubblico. Il modello può fare questo per voi.
  • Affidabilità: La modellazione funziona con processi di individuazione e qualificazione lato server che valutano i dati personali e i dati di terze parti selezionati a cui hai accesso. Ciò significa che non è necessario visualizzare i visitatori sul sito per qualificarli per una caratteristica.

Flusso di lavoro

Puoi gestire i modelli in Audience Data > Models . A un livello elevato, il processo di workflow comprende le seguenti attività:
  • Selezionare i dati di base che si desidera valutare dall'algoritmo. Questo include un intervallo di tempo trait o segment, e data sources (i tuoi dati personali e i dati di terze parti a cui hai già accesso tramite Audience Manager). Nel flusso di lavoro per la creazione del modello, potete escludere traits che non intendete interferire con il modello.
  • Salvare il modello. Una volta salvato, il processo di valutazione algoritmica viene eseguito automaticamente. Tuttavia, il completamento di questo processo può richiedere fino a 7 giorni. Audience Manager invia un messaggio e-mail al termine dell’algoritmo e i risultati sono disponibili per la trait creazione.
  • Creare algoritmi traits in Trait Builder.
  • Unisci traits in segments in Segment Builder.
  • Creare e inviare segment dati a un destination.

Risoluzione dei problemi

Disattiviamo tutti Look-Alike Model quelli che non generano dati per tre esecuzioni consecutive. Non è possibile impostare nuovamente lo stato del modello su attivo in seguito. Per garantire che i modelli generino dati, si consiglia di creare modelli da origini dati con dati sufficienti traits per accumulare dati.

Informazioni TraitWeight

TraitWeight è un algoritmo proprietario progettato per scoprire nuovi traits automaticamente. Confronta trait i dati correnti traits e segments con tutti gli altri dati di prime e terze parti a cui hai accesso Audience Manager. Fare riferimento a questa sezione per una descrizione del processo di individuazione TraitWeight algoritmica.
I passaggi seguenti descrivono il processo di TraitWeight valutazione.

Passaggio 1: Creare una baseline per il Trait confronto

Per generare una linea di base, TraitWeight misura tutti i dati traits associati a un'audience per un intervallo di 30, 60 o 90 giorni. Successivamente, si classifica traits in base alla loro frequenza e correlazione. Il conteggio delle frequenze misura la comunanza. La correlazione misura la probabilità che un trait essere presente solo nel pubblico di riferimento. Traits che appaiono spesso mostrano un'alta comunanza, una caratteristica importante usata per impostare un punteggio ponderato quando combinato con traits scoperto nel vostro selezionato data sources.

Passaggio 2: Trova lo stesso Traits nel pannello Data Source

Dopo aver creato una linea di base per il confronto, l'algoritmo cerca la stessa cosa traits nell'elemento selezionato data sources. In questo passaggio, TraitWeight esegue un conteggio di frequenza di tutti gli elementi rilevati traits e li confronta con la linea di base. Tuttavia, a differenza della linea di base, traits le voci non comuni sono più alte di quelle che appaiono più spesso. Si dice che traits siano rari a mostrare un alto grado di specificità. TraitWeight valuta le combinazioni di riferimento comune traits e non comune (altamente specifico) data source come più influente o desiderabile di quanto traits traits comune a entrambi i set di dati. In realtà, il nostro modello riconosce queste grandi, comuni traits e non assegna priorità in eccesso ai set di dati con alte correlazioni. Rare traits ha una priorità più alta perché è più probabile che rappresentino utenti nuovi e unici che traits con un'alta comunanza.

Passaggio 3: Assegna spessore

In questo passaggio, TraitWeight classifica scoperti di recente traits in ordine di influenza o desiderabilità. La scala del peso è una percentuale compresa tra 0% e 100%. Traits con un punteggio più vicino al 100%, i dati sono più simili al pubblico della popolazione di riferimento. Inoltre, traits sono molto ponderati perché rappresentano utenti nuovi e unici che possono comportarsi in modo simile al pubblico di riferimento stabilito. Ricorda che TraitWeight considera traits con un'elevata comunanza nella linea di base e con un'elevata specificità nelle origini dati confrontate un valore maggiore di quanto traits sia comune in ciascun set di dati.

Passaggio 4: Punteggio utenti

A ogni utente selezionato data sources viene assegnata una valutazione utente pari alla somma di tutti i pesi dell'influente traits sul profilo dell'utente. I punteggi utente vengono quindi normalizzati tra 0 e 100%.

Passaggio 5: Visualizzazione e utilizzo dei risultati

Audience Manager visualizza i risultati ponderati del modello in Trait Builder. Quando si desidera creare un algorithmic trait, Trait Builder consente di creare traits in base al punteggio ponderato generato dall'algoritmo durante un'esecuzione dei dati. Potete scegliere una precisione più elevata per qualificare solo gli utenti con un punteggio utente molto elevato e quindi molto simile al pubblico previsto, anziché il resto del pubblico. Se desiderate raggiungere un pubblico più vasto (portata), potete ridurre la precisione.

Passaggio 6: Rivalutare il significato di un ciclo di Trait elaborazione trasversale

Periodicamente, TraitWeight rivaluta l'importanza di un trait in base alle dimensioni e al cambiamento della popolazione di tale trait. Questo accade quando il numero di utenti idonei per tale trait aumenta o diminuisce nel tempo. Questo comportamento è più chiaro nelle caratteristiche che diventano molto grandi. Ad esempio, supponiamo che l'algoritmo utilizzi trait A la modellazione. Con l' trait A aumento della popolazione, TraitWeight rivaluta l'importanza di questo trait e può assegnare un punteggio inferiore o ignorarlo. In questo caso, trait A è troppo comune o grande per dire qualcosa di significativo sulla sua popolazione. Dopo aver TraitWeight ridotto il valore di trait A (o ignorato nel modello), la popolazione della caratteristica algoritmica diminuisce. L'elenco delle persone influenti traits riflette l'evoluzione della popolazione di base. Utilizzate l'elenco delle informazioni più importanti traits per comprendere il motivo di tali modifiche.
Collegamenti correlati:

Aggiorna pianificazione per Look-Alike Models e Traits

Creazione e aggiornamento di programmi per nuovi o esistenti algorithmic models e traits.

Look-Alike Model Pianificazione creazione e aggiornamento

Tipo di attività Descrizione
Creare o duplicare un modello
Per i modelli [!UICONTROL Look-Alike Models] nuovi o clonati, il processo di creazione viene eseguito una volta al giorno a:
  • 5 PM EST (novembre - marzo)
  • EDT 18 (marzo - novembre)
I modelli generati o clonati dopo la scadenza della creazione vengono elaborati il giorno successivo.
Se la prima esecuzione di un modello non genera dati, verrà eseguita una seconda volta, il giorno successivo. Se anche il secondo tentativo non genera dati, verrà effettuato un terzo tentativo, il giorno successivo. Il modello si interrompe se anche il terzo tentativo non genera dati. In questo caso, il modello verrà disattivato. Per ulteriori informazioni, consulta Risoluzione dei problemi relativi a modelli simili.
Aggiornamento di un modello
In condizioni ideali, i modelli esistenti vengono eseguiti nei giorni feriali, almeno una volta ogni 7 giorni. Ad esempio, se crei un modello (entro la scadenza) il lunedì, il lunedì successivo verrà aggiornato al più tardi.
Un modello verrà rieseguito se soddisfa una delle seguenti condizioni:
  • L'ultima esecuzione non è riuscita.
  • È stato eseguito correttamente prima di E non è stato eseguito affatto negli ultimi 7 giorni E il modello ha almeno un tratto attivo ad esso collegato.

Look-Alike Trait Pianificazione creazione e aggiornamento

Tipo di attività Descrizione
Creare una caratteristica
Il processo di creazione delle caratteristiche viene eseguito ogni giorno, dal lunedì al venerdì. In genere, nell’interfaccia utente vengono visualizzate nuove caratteristiche algoritmiche entro 48 ore.
Aggiorna una caratteristica
Le caratteristiche esistenti vengono aggiornate almeno una volta ogni 7 giorni e seguono la pianificazione per gli aggiornamenti dei modelli.

Visualizzazione elenco modelli

La vista Elenco è un’area di lavoro centrale che consente di creare, rivedere e gestire i modelli.
La pagina Models elenco contiene funzioni e strumenti utili per:
  • Creare nuovi modelli.
  • Gestire i modelli esistenti (modificare, mettere in pausa, eliminare o duplicare).
  • Cercare modelli per nome.
  • Create algorithmic traits utilizzando un determinato modello.

Visualizzazione riepilogo modelli

Nella pagina di riepilogo sono visualizzati i dettagli del modello quali nome, portata/precisione, cronologia di elaborazione e traits creati dal modello. La pagina include inoltre impostazioni che consentono di creare e gestire i modelli. Fate clic sul nome di un modello dall'elenco di riepilogo per visualizzarne i dettagli.
La pagina di riepilogo del modello include le sezioni seguenti.
Sezione Descrizione
Informazioni di base
Include informazioni di base sul modello, ad esempio il nome e la data dell'ultima esecuzione.
Raggiungimento e precisione dei modelli
Mostra l'accuratezza e i dati di portata per l'ultima esecuzione del modello.
Cronologia elaborazione modello
Visualizza la data e l'ora di elaborazione per le ultime 10 esecuzioni e se i dati sono stati generati su tali esecuzioni.
Caratteristiche influenti
La tabella Caratteristiche influenti:
  • Elenca le prime 50 caratteristiche influenti meglio rappresentate nella popolazione della linea di base del modello.
  • Classifica ogni caratteristica in ordine di classificazione Relative Weight (Spessorerelativo). Il Relative Weight ordina le caratteristiche scoperte di recente in ordine di influenza o desiderabilità. La scala del peso è una percentuale compresa tra 0% e 100%. Le caratteristiche con una classificazione più vicina al 100% indicano che sono più simili al pubblico della popolazione di riferimento. Vedere Informazioni su TraitWeight .
  • Mostra le uniche di 30 giorni e la popolazione totale di caratteristiche per ogni caratteristica.
Caratteristiche che utilizzano il modello
Mostra un elenco delle caratteristiche algoritmiche basate sul modello selezionato. Per ulteriori informazioni sulla caratteristica, fai clic sul nome o sull’ID della caratteristica. Selezionate Crea nuova caratteristica con modello per passare al processo di creazione delle caratteristiche algoritmiche.
L'etichetta della sezione viene modificata in base al nome del modello. Ad esempio, supponiamo di creare un modello e denominarlo Modello A. Quando si carica la pagina di riepilogo, il nome di questa sezione viene modificato in Caratteristiche utilizzando il modello A .