Show Menu
主题×

理解 Look-Alike Modeling

查找新用户 Look-Alike Modeling

Look-Alike Modeling 帮助您通过自动化受众分析发现新的独特。 当您选择或、时 trait 间 segment间隔以及第一方和第三方时,流程开始 data sources。 您的选择为算法模型提供输入。 当分析过程运行时,它会根据所选人群的共享特征来查找合格用户。 完成后,此数据可在特 征构建器中 ,使用它根据准确性和范围创 建特征 。 此外,您还可以构建将算法特征与表达式和比较运 rules-based traits 算符相结合的细分,并添加其 Boolean 他资格要求。 Look-Alike Modeling 为您提供了从所有可用特征数据中提取值的动态方式。

优势

使用的主要益处 Look-Alike Modeling 包括:
  • 数据准确性: 该算法能够定期运行,使结果保持最新和相关。
  • 自动化: 您不必管理大量静态规则。 算法将为您找到受众。
  • 节省时间并减少工作量: 通过我们的建模过程,您不必猜测哪些工作 traits或将segments 时间用在活动上,即可发现新受众。 模型可以为您完成此操作。
  • 可靠性: 建模可以与服务器端发现和鉴定流程结合使用,这些流程可以评估您自己的数据和您有权访问的选定第三方数据。 这意味着您不必查看网站上的访客来确定他们是否具有某个特征。

工作流

您可以在中管理模 Audience Data > Models ​型。 从较高层面来说,工作流流程涉及以下方面:
  • 选择要算法评估的基线数据。 这包括 trait 或、 segment时间范围和(您 data sources 已经有权访问的您自己的数据和第三方数 Audience Manager据)。 在模型创建工作流中,可 traits 以排除不想与模型相干的项。
  • 保存模型。 保存后,算法评估过程会自动运行。 但是,请注意,此过程可能需要7天才能完成。 Audience Manager 算法完成且结果可供创建时,会向您发送一封电 trait 子邮件。
  • 在中构 traits 建算法 Trait Builder。
  • 融 traits 入 segments 其中 Segment Builder。
  • 创建数据 segment 并将其发送到 destination。

疑难解答

我们会取消激 Look-Alike Model 活任何在连续三次运行中无法生成数据的操作。 请注意,之后不能将模型的状态设置回活动状态。 为确保您的模型生成数据,我们建议您从数据源构建模型,并且有足够 traits 的数据来累积数据。

理解 TraitWeight

TraitWeight 是专有算法,旨在自动发现新 traits 内容。 它将您 trait 当前的数据 traits 与您 segments 有权访问的所有其他第一方和第三方数据进行比较 Audience Manager。 有关算法发现过程的说明,请参 TraitWeight 阅本节。
以下步骤描述了 TraitWeight 评估过程。

第1步: 构建比较基 Trait 线

要构建基线, TraitWeight 请在30、 traits 60或90天间隔内测量与受众关联的所有值。 其次,根据 traits 其频率和相关性进行排序。 频率计数衡量共性。 关联度量仅在基 trait 线受众中存在的可能性。 Traits 这通常被说为具有高通用性,在与在您的选定内容中发现的加权分数结合时,这 traits 是用于设置加权分数的重要特 data sources征

第2步: 在“Find the Traits Same”(查找相同) Data Source

在生成基线进行比较后,算法会在您的选定内 traits 容中查找相同 data sources。 在此步骤中 TraitWeight ,执行所有发现的频率计 traits 数并将它们与基线进行比较。 但是,与基线不同,不 traits 常见的排名要比出现频率更高。 据 traits 说稀有具有高度特异性。 TraitWeight 评估共同基准和不常见 traits (高度特定)的组合 data source , traits 它们比两个数据集的共同 traits 更具影响力或更可取。 事实上,我们的模型识别这些大的、共 traits 性的数据集,并且不会为高相关性的数据集分配过多的优先级。 极少 traits 数用户会获得更高的优先级,因为他们更可能代表新的、独特的用户,而 traits 不是全局通用性更高。

第3步: 分配权重

在这一步中,按 TraitWeight 照影响力或 traits 期望性对新发现的内容进行排名。 权重比例从0%到100%。 Traits 排名接近100%意味着它们更像基线人口中的受众。 此外,权重过大 traits 也很有价值,因为它们代表的是新的、独特的用户,他们的行为可能与您已建立的基准受众相似。 请记住, TraitWeight 在基 traits 线中具有高的通用性,在比较的数据源中具有高的专一性,这比在每个数据集中 traits 都具有更高的价值。

第4步: 评分用户

所选用户中 data sources 的每个用户都会得到一个用户分数,该分数等于该用户用户档案上有影响 traits 力的所有权重的和。 然后,用户得分在0%到100%之间进行标准化。

第5步: 显示和处理结果

Audience Manager 显示加权模型结果 Trait Builder。 当您要构建数据时, algorithmic trait您 Trait Builder 可以根据 traits 算法在数据运行过程中生成的加权分数进行创建。 您可以选择更高的准确度,以仅限定用户得分很高的用户,因此与基线受众非常相似,而不是受众的其余部分。 如果要达到更大的受众(触及),可以降低准确性。

第6步: 重新评估跨处理周 Trait 期的重要性

定期 TraitWeight 根据人口的大小 trait 和变化重新评估其重要性 trait。 随着时间的推移,符合此条件的用 trait 户数量增加或减少。 这种行为在变得非常大的特征中最为明显。 例如,假定算法用于 trait A 建模。 随着人口的增 trait A 加, TraitWeight 会重新评估其重要性, trait 并可能给出较低的分数或忽略它。 在这种情况下, trait A 人口过多或过大,不能对其人口做出任何重要评论。 在 TraitWeight 降低值(或 trait A 在模型中忽略它)后,算法特征的种群减少。 影响力的列表 traits 反映了基线人口的演变。 使用有影响力的列表 traits 来了解为何会发生这些变化。
相关链接:

更新计划 Look-Alike Models 和 Traits

为新的或现有的和创建和更新 algorithmic models 计划 traits。

Look-Alike Model 创建和更新计划

活动类型 描述
创建或克隆模型
对于新的或克隆的[!UICONTROL相似模型],创建过程每天运行一次:
  • 东部时间下午5点(11月- 3月)
  • 美国东部夏令时间下午6点(3月至11月)
在创建截止日期后构建或克隆的模型将在第二天进行处理。
如果模型的第一次运行没有生成任何数据,它将再次运行,即第二天。 如果第二次尝试也不生成任何数据,则第三次尝试,即第二天。 如果第三次尝试也未生成任何数据,则模型将停止运行。 在这种情况下,我们将取消激活模型。 查看相似型 号疑难解答中的更多信息
更新模型
在理想条件下,现有模型在工作日运行,至少每7天运行一次。 例如,如果您在星期一(截止日期)创建模型,则它会在下一个星期一更新最新的模型。
如果模型满足以下任一条件,则将重新运行该模型:
  • 上次跑不成功。
  • 它在过去7天内根本未运行,并且模型至少附加了一个活动特征。

Look-Alike Trait 创建和更新计划

活动类型 描述
创建特征
特征创建过程每天(周一至周五)运行。 通常,新的算法特征会在48小时内出现在UI中。
更新特征
现有特征至少每7天更新一次,并按照计划更新模型。

模型列表视图

列表视图是一个中央工作区,可帮助您创建、检查和管理模型。
列表 Models 页面包含可帮助您:
  • 创建新模型。
  • 管理现有模型(编辑、暂停、删除或克隆)。
  • 按名称搜索模型。
  • 使用 algorithmic traits 任何给定模型进行创建。

模型摘要视图

摘要页显示模型详细信息,如名称、范围/准确性、处理历史记录 traits ,以及从模型创建的。 该页面还包含用于创建和管理模型的设置。 单击摘要列表中的模型名称以查看其详细信息。
模型摘要页包含以下部分。
区域 描述
基本信息
包括有关模型的基本信息,如其名称和上次运行时间。
模型范围和准确性
显示 上次模型运行的 、准确性和触及数据。
模型处理历史
显示最近10个运行的处理日期和时间,以及这些运行是否生成了数据。
影响力特征
The Impoffect Traits table:
  • 列表模型基线群体中最能代表的50个最具影响力的特征。
  • 按其相对权重排名对每个特 征进行排名 。 “相 对权重 ”按影响或期望顺序对新发现的特征进行排序。 权重比例从0%到100%。 排名接近100%的特征意味着它们更像基线人口中的受众。 请参 阅了解TraitWeight
  • 显示每个特征的30天唯一值和总特征人口。
特征使用模型
显示基于所选模型的算法特征列表。 单击特征名称或特征ID可了解有关该特征的详细信息。 选择 使用模型创建新特征 ,以转到算法特征创建过程。
章节标签会根据模型名称而发生更改。 例如,假设您创建一个模型并将其命名为Model A。 加载摘要页面时,此部分的名称将更改为使用模 型A的特征