Show Menu
화제×

알고리즘 모델 정보

유사 모델링이라고도 하는 알고리즘 모델링에 사용된 트레이트 또는 세그먼트를 만들고 관리합니다. 모델 기능은 에 Audience Data > Models ​있습니다.

알고리즘 모델 이해

아래 섹션은 에서 알고리즘 모델링에 대한 검토를 나타냅니다 Audience Manager. 모델링 작동 방식, 이점 및 워크플로우에 대해 설명합니다.

알고리즘 모델링을 통해 새로운 사용자 찾기

알고리즘 모델링을 통해 자동화된 데이터 분석을 통해 새로운 고유 고객을 발견할 수 있습니다. 트레이트 또는 세그먼트, 시간 간격, 첫 번째 및 타사 데이터 소스를 선택하면 프로세스가 시작됩니다. 선택 사항은 알고리즘 모델에 대한 입력을 제공합니다. 분석 프로세스가 실행되면 선택한 모집단의 공유 특성을 기반으로 적격한 사용자를 찾습니다. 완료되면 이 데이터를 트레이트 빌더에서 사용할 수 있으며 여기에서 정확도와 도달 수에 따라 트레이트를 만들 수 있습니다. 또한 알고리즘 트레이트와 규칙 기반 트레이트를 결합하는 세그먼트를 만들고 부울 표현식 및 비교 연산자로 기타 자격 요구 사항을 추가할 수 있습니다. 알고리즘 모델링을 통해 사용 가능한 모든 트레이트 데이터에서 값을 동적으로 추출할 수 있습니다.

장점

모델링 사용의 주요 이점은 다음과 같습니다. Audience Manager
  • ​데이터 정확도:알고리즘이 정기적으로 실행되므로 결과를 최신 상태로 유지할 수 있습니다.
  • ​자동화:대량의 정적 규칙을 관리할 필요가 없습니다. 알고리즘이 사용자를 찾습니다.
  • ​작업 시간 단축:모델링 프로세스를 통해 어떤 트레이트/세그먼트가 작동하는지 추측하거나 새로운 고객을 찾기 위해 캠페인에 시간을 허비하지 않아도 됩니다. 모델이 자동으로 해줍니다.
  • ​안정성:모델링은 자신의 데이터와 액세스 권한이 있는 타사 데이터를 평가하는 서버측 검색 및 검증 프로세스와 연동됩니다. 즉, 사이트 방문자가 트레이트 자격을 갖추었는지 여부를 확인할 필요가 없습니다.

워크플로우

에서 모델을 관리합니다 Audience Data > Models . 높은 수준의 워크플로우 프로세스에는 다음이 포함됩니다.
  • 알고리즘을 평가할 기준 데이터를 선택합니다. 여기에는 트레이트 또는 세그먼트, 시간 범위 및 데이터 소스(이미 액세스할 수 있는 자체 데이터 및 타사 데이터)가 Audience Manager포함됩니다. 모델 생성 워크플로우에서 모델의 충돌을 초래하지 않을 트레이트를 제외할 수 있습니다.
  • 모델을 저장합니다. 일단 저장되면 알고리즘 평가 프로세스가 자동으로 실행됩니다. 그러나 이 프로세스를 완료하는 데 최대 7일이 소요될 수 있습니다. Audience Manager 알고리즘이 완료되고 결과를 트레이트 생성에 사용할 수 있을 때 이메일을 보냅니다.
  • 알고리즘에 의한 트레이트 Trait Builder구축
  • 트레이트를 세그먼트로 결합할 수 Segment Builder있습니다.
  • 세그먼트 데이터를 만들어 대상에 보냅니다.

문제 해결

연속 3회 동안 데이터를 생성하지 못하는 알고리즘 모델을 비활성화합니다. 이후 모델의 상태를 다시 활성으로 설정할 수는 없습니다. 모델이 데이터를 생성할 수 있도록 데이터를 축적할 수 있는 충분한 트레이트가 있는 데이터 소스에서 모델을 구축하는 것이 좋습니다.

특성 가중치 이해

TraitWeight 는 새로운 트레이트를 자동으로 검색하도록 설계된 독점 알고리즘입니다. 현재 트레이트 및 세그먼트의 트레이트 데이터를 액세스 권한이 있는 다른 모든 자사 데이터와 비교합니다. Audience Manager 알고리즘 검색 프로세스에 대한 설명은 이 섹션을 TraitWeight 참조하십시오.
다음 단계에서는 TraitWeight 평가 프로세스에 대해 설명합니다.

1단계:트레이트 비교를 위한 기준 요소 만들기

기준을 만들려면 30, 60 또는 90일 간격 동안 대상자와 연관된 모든 트레이트를 측정합니다 TraitWeight . 그 다음으로, 그것은 빈도와 상관관계에 따라 특성들의 등급을 매긴다. 빈도 수는 공통성을 측정합니다. 상관 관계는 기준선 대상자만 트레이트가 있을 가능성을 측정합니다. 자주 나타나는 트레이트는 선택한 데이터 소스에서 검색된 트레이트와 결합할 때 가중치가 적용된 점수를 설정하는 데 사용되는 중요한 특징인 높은 공통성을 나타낸다고 합니다.

2단계:데이터 소스에서 동일한 트레이트 찾기

비교를 위해 기준을 작성한 후 알고리즘이 선택한 데이터 소스에서 동일한 트레이트를 찾습니다. 이 단계에서 검색된 모든 트레이트의 주파수 수를 TraitWeight 수행하고 베이스라인과 비교합니다. 하지만 기준선과 달리 일반적이지 않은 트레이트는 자주 나타나는 트레이트보다 더 높게 평가됩니다. 희귀한 특성들은 고도의 특수성을 나타낸다고 한다. TraitWeight 일반적인 기준 특성과 일반적이지 않은(고도로 특정) 데이터 소스 트레이트의 조합을 두 데이터 세트에 공통되는 트레이트보다 더 영향력적이거나 바람직한 것으로 평가 실제로 Adobe 모델은 이러한 크고 일반적인 특성을 인식하고 상관 관계가 높은 데이터 세트에 우선 순위를 할당하지 않습니다. 드물게 제공되는 트레이트는 보드 전체에서 공통성이 높은 트레이트보다 새로운 고유 사용자를 나타낼 가능성이 높으므로 우선 순위가 높습니다.

3단계:가중치 지정

이 단계에서, 영향력이나 무능력 순으로 새롭게 발견된 특성들의 등급을 매깁니다. TraitWeight 가중치는 0%에서 100%까지 실행되는 백분율입니다. 트레이트가 100%에 가까울수록 기준 모집단 내 대상과 더 비슷하다는 것을 의미합니다. 또한, 기준선 대상자와 유사하게 동작할 수 있는 새롭고 고유한 사용자를 나타내므로 가중치가 높은 트레이트가 중요합니다. 비교 TraitWeight 데이터 소스의 기준에서 공통성이 높은 트레이트를 고려하면 각 데이터 세트에 공통되는 트레이트보다 가치가 더 높습니다.

4단계:점수 지정 사용자

선택한 데이터 소스의 각 사용자에게는 해당 사용자 프로필의 영향력 있는 트레이트의 모든 가중치의 합계와 같은 사용자 점수가 제공됩니다. 그러면 사용자 점수가 0에서 100% 사이로 표준화됩니다.

5단계:결과 표시 및 작업

Audience Manager에 가중치가 적용된 모델 결과가 표시됩니다 Trait Builder. 알고리즘 트레이트를 빌드하려는 경우 데이터 실행 중 알고리즘에 의해 생성된 가중치가 적용된 점수를 기반으로 트레이트를 만들 Trait Builder 수 있습니다. 높은 정확도를 선택하여 사용자 점수가 매우 높으므로 나머지 사용자가 아닌 기본 대상자와 매우 유사한 사용자만 평가할 수 있습니다. 더 많은 고객(도달)을 확보하려면 정확도를 낮출 수 있습니다.

6단계:처리 주기 전체에서 트레이트의 중요성 다시 평가

트레이트의 크기와 해당 트레이트 모집단의 변화를 기반으로 트레이트의 중요도를 정기적으로 TraitWeight 다시 평가합니다. 이 문제는 해당 트레이트에 대해 자격이 있는 사용자 수가 시간이 지남에 따라 증가하거나 감소하므로 발생합니다. 이러한 행동은 매우 큰 특성에서 가장 선명하게 보입니다. 예를 들어 알고리즘이 모델링에 트레이트 A를 사용한다고 가정합니다. 트레이트 A의 인구가 증가함에 따라, 트레이트의 중요도를 TraitWeight 다시 평가하고 낮은 점수를 할당하거나 무시할 수 있습니다. 이 경우 특성 A는 개체수에 대해 의미 있는 말을 하기에는 너무 흔하거나 큽니다. 특성 A의 값을 TraitWeight 감소시킨 후(또는 모델에서 무시됨) 알고리즘 트레이트의 모집단이 줄어듭니다. 영향력 있는 트레이트 목록은 기준 인구의 진화를 반영합니다. 영향력 있는 트레이트 목록을 사용하여 이러한 변경 사항이 발생하는 이유를 파악할 수 있습니다.
관련 링크:

알고리즘 모델 및 트레이트 업데이트 일정

신규 또는 기존 알고리즘 모델 및 트레이트에 대한 일정 생성 및 업데이트

알고리즘 모델 생성 및 업데이트 일정

활동 유형 설명
모델 생성 또는 복제
새로운 또는 복제된 알고리즘 모델의 경우 생성 프로세스는 매일 한 번 실행됩니다.
  • 오후 5시 EST(11월 - 3월)
  • PM EDT 6(3월 - 11월)
작성 기한 이후에 빌드되거나 복제된 모델은 다음 날 처리됩니다.
모델의 첫 번째 실행에서 데이터가 생성되지 않으면 두 번째 실행으로, 그 다음 날. 두 번째 시도도 데이터를 생성하지 않으면 다음 날 세 번째 시도가 발생합니다. 세 번째 시도에서도 데이터가 생성되지 않으면 모델의 실행이 중지됩니다. 이 경우 모델을 비활성화합니다. 알고리즘 모델 문제 해결에서 자세한 내용을 참조하십시오 .
모델 업데이트
이상적인 조건 하에서, 기존 모델은 7일에 한 번 이상 주중에 실행됩니다. 예를 들어, 월요일에 모델을 만드는 경우(마감 시간), 다음 월요일이 최신 상태로 업데이트됩니다.
다음 조건을 충족하면 모델이 다시 실행됩니다.
  • 마지막 실행이 실패했습니다.
  • CTA는 CTR(Run Before Successfully) 이전에 실행되었으며 지난 7일 동안 전혀 실행되지 않았습니다. 모델에 하나 이상의 활성 트레이트가 연결되어 있습니다.

알고리즘 트레이트 생성 및 업데이트 일정

활동 유형 설명
트레이트 만들기
특성 제작 과정은 매일, 월요일부터 금요일까지 계속됩니다. 일반적으로 새로운 알고리즘 트레이트는 48시간 내에 UI에 나타납니다.
특성 업데이트
기존 트레이트는 7일마다 최소 한 번 업데이트되며 모델 업데이트 일정을 따릅니다.

모델 목록 보기

목록 보기는 모델을 생성, 검토 및 관리하는 데 도움이 되는 중앙 작업 공간입니다.
모델 목록 페이지에는 다음과 같은 유용한 기능과 도구가 포함되어 있습니다.
  • 새로운 모델 제작
  • 기존 모델을 관리합니다(편집, 일시 중지, 삭제 또는 복제).
  • 이름별로 모델을 검색합니다.
  • 주어진 모델을 사용하여 알고리즘 트레이트를 만들 수 있습니다.

모델 요약 보기

요약 페이지에는 이름, 도달/정확도, 처리 내역 및 모델에서 생성된 트레이트와 같은 모델 세부 사항이 표시됩니다. 또한 이 페이지에는 모델을 만들고 관리할 수 있는 설정도 포함되어 있습니다. 요약 목록에서 모델 이름을 클릭하여 세부 사항을 확인합니다.
모델 요약 페이지에는 다음 섹션이 포함됩니다.
섹션 설명
기본 정보
모델의 이름 및 마지막 실행 시간과 같은 기본 정보를 포함합니다.
모델 전달 범위 및 정확도
마지막 모델 실행에 대한 정확도와 도달 데이터를 표시합니다.
모델 처리 내역
마지막 10개 실행에 대한 처리 날짜 및 시간과 해당 실행에 데이터가 생성되었는지 여부를 표시합니다.
영향력 있는 트레이트
영향력 있는 트레이트 테이블:
  • 모델의 기준선 모집단에서 가장 잘 표현되는 상위 50개의 영향력 있는 트레이트가 나열됩니다.
  • 각 트레이트의 등급을 상대적 무게 등급에 따라 정렬합니다. 상대적 가중치는 영향이나 designability 순으로 새롭게 발견된 트레이트를 정렬합니다. 가중치는 0%에서 100%까지 실행되는 백분율입니다. 트레이트가 100%에 가까울수록 기준 모집단 내 대상과 더 비슷하다는 것을 의미합니다. 트레이트 가중치 이해를 참조하십시오 .
  • 각 트레이트에 대한 30일 고유 수와 총 트레이트 인구를 표시합니다.
모델을 사용한 트레이트
선택한 모델을 기준으로 알고리즘 트레이트 목록을 표시합니다. 트레이트에 대한 자세한 내용을 보려면 트레이트 이름 또는 트레이트 ID를 클릭합니다. 모델을 사용하여 새 특성 만들기를 선택하여 알고리즘 트레이트 생성 프로세스로 이동합니다.
단면 레이블은 모델의 이름을 기준으로 변경됩니다. 예를 들어, 모델을 만들고 모델 A의 이름을 지정합니다.요약 페이지를 로드할 때 이 섹션의 이름이 모델 A를 사용하여 트레이트로 변경됩니다 .