Show Menu
主题×

关于算法模型

构建和管理算法建模中使用的特征或区段,也称为相似建模。 模型特征位于 Audience Data > Models

了解算法模型

以下各节代表对中的算法建模的回顾 Audience Manager。 他们描述了建模的工作方式、优点和工作流。

使用算法建模查找新用户

算法建模通过自动数据分析帮助您发现新的独特受众。 当您选择特征或区段、时间间隔以及第一方和第三方数据源时,该过程开始。 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,此数据在 Trait Builder (特征生成器)中可用,您可以在此处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基于规则的特征相结合的细分,并使用布尔表达式和比较运算符添加其他资格要求。 算法建模为您提供了一种动态方式,可从所有可用的特征数据中提取值。

优势

使用建模的主要优 Audience Manager 点包括:
  • 数据准确性:该算法运行规律性强,有助于保持结果的最新和相关性。
  • 自动化:您不必管理大量静态规则。 该算法将为您查找受众。
  • 节省时间并减少工作量:通过我们的建模过程,您不必猜测哪些特征/细分可能起作用,或将时间资源用于营销活动以发现新受众。 模型可以帮您完成此操作。
  • 可靠性:建模功能与服务器端发现和鉴定流程配合使用,这些流程可以评估您自己的数据以及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即可确定访客是否具有某个特征。

工作流

您可以在中管理模型 Audience Data > Models 。 从高度上讲,工作流过程涉及以下几个方面:
  • 选择您希望算法评估的基线数据。 这包括特征或区段、时间范围和数据源(您已经通过访问过的您自己的数据和第三方数 Audience Manager据)。 在模型创建工作流中,您可以排除不希望干扰模型的特征。
  • 保存模型。 一旦保存,算法评估过程就会自动运行。 但是,请注意,完成此过程最多可能需要7天。 Audience Manager 当算法完成且结果可用于特征创建时,会向您发送电子邮件。
  • 在中构建算法特 Trait Builder征。
  • 将特征合并到区段中 Segment Builder。
  • 创建区段数据并将其发送到目标。

疑难解答

我们取消激活任何算法模型,这些模型无法连续三次运行生成数据。 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,我们建议您从具有足够特征的数据源构建模型以从中累积数据。

了解TraitWeight

TraitWeight 是专有算法,旨在自动发现新特征。 它将来自您当前特征和区段的特征数据与您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。
以下步骤描述了评估 TraitWeight 过程。

第1步:构建特征比较的基线

要构建基线, TraitWeight 请在30、60或90天间隔内测量与受众关联的所有特征。 其次,根据特征的频率和相关性对特征进行排序。 频率计数衡量共性。 关联度量特征仅存在于基准受众中的可能性。 通常出现的特征被认为具有高通用性,这是用于在与选定数据源中发现的特征结合时设置加权得分的重要特征。

第2步:在数据源中查找相同的特征

在构建基准进行比较后,算法会在所选数据源中查找相同的特征。 在此步骤中,对 TraitWeight 所有已发现的特征执行频率计数,并将它们与基线进行比较。 但是,与基线不同,不常见特征的排名高于那些显示频率更高的特征。 据说,稀有特征显示出高度特异性。 TraitWeight 评估常见基线特征和不常见(高度特定)数据源特征的组合,它们比两个数据集通用的特征更有影响力或更可取。 事实上,我们的模型能够识别这些大的共性特征,并且不会为具有高相关性的数据集分配过多的优先级。 稀有特征具有更高的优先级,因为它们更可能代表新的独特用户,而不是全局通用性高的特征。

第3步:指定权重

在此步骤中,按 TraitWeight 照影响力或期望性对新发现的特征进行排名。 重量比是从0%到100%的百分比。 排名接近100%的特征意味着它们更像基线人口中的受众。 此外,权重较大的特征很有价值,因为它们代表的是新的独特用户,他们的行为可能与您的既定基准受众相似。 请记住, TraitWeight 将基线中具有高通用性的特征和比较数据源中具有高特异性的特征视为比每个数据集中共有的特征更有价值。

第4步:评分用户

所选数据源中的每个用户都会得到一个用户分数,该分数等于该用户配置文件上影响特征的所有权重的总和。 然后,用户得分在0%到100%之间标准化。

第5步:显示和处理结果

Audience Manager会显示您的加权模型结果 Trait Builder。 当您要构建算法特征时, Trait Builder 允许您根据算法在数据运行期间生成的加权得分创建特征。 您可以选择更高的准确度,以仅限定用户得分很高且因此与基准受众非常相似的用户,而不是其他受众。 如果您希望触及更多的受众(触及),您可以降低准确性。

第6步:重新评估特征在处理周期中的重要性

定期 TraitWeight 地,根据特征的人口大小和变化重新评估特征的重要性。 随着时间的推移,符合该特征的用户数量会增加或减少。 这种行为在变大的特征中最为明显。 例如,假设算法使用特征A进行建模。 随着特征A的数量增加,可 TraitWeight 以重新评估该特征的重要性,并可以指定较低的分数或忽略它。 在这种情况下,特征A太常见或太大,不能对其人口说出任何重要的话。 在 TraitWeight 降低特征A的值(或在模型中忽略它)后,算法特征的群体会减少。 影响力特征列表反映了基线群体的演化。 使用影响力特征列表,了解这些变化发生的原因。
相关链接:

算法模型和特征的更新计划

为新的或现有的算法模型和特征创建和更新计划。

算法模型创建和更新计划

活动类型 描述
创建或克隆模型
对于新的或克隆的算法模型,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- 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。 如果第三次尝试也不生成任何数据,则模型将停止运行。 在这种情况下,我们将取消激活模型。 请参阅算法模型 疑难解答中的更多信息
更新模型
在理想条件下,现有车型在工作日运行,至少每7天运行一次。 例如,如果您在星期一(截止日期)创建了一个模型,则该模型会在下一个星期一更新为最新版本。
如果模型满足以下任一条件,则将重新运行该模型:
  • 上次运行未成功。
  • 在AND系统运行前已成功运行,在过去7天中,它根本没有运行。模型至少附加了一个活动特征。

算法特征创建和更新计划

活动类型 描述
创建特征
特征创建过程每天(从星期一到星期五)运行。 通常,新的算法特征在48小时内会显示在UI中。
更新特征
现有特征至少每7天更新一次,并按照模型更新的计划进行更新。

模型列表视图

列表视图是一个中央工作区,可帮助您创建、审阅和管理模型。
“模型”(Models)列表页面包含有助于您:
  • 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。
  • 使用任何给定模型创建算法特征。

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、处理历史记录和从模型创建的特征。 该页面还包含允许您创建和管理模型的设置。 单击摘要列表中的模型名称可查看其详细信息。
模型摘要页面包括以下几节。
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 ,并触及数据范围。
模型处理历史
显示最近10次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:
  • 列出模型基线人口中最能代表的50项影响力特征。
  • 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。 重量比是从0%到100%的百分比。 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更多信息。 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”