Show Menu
主題×

瞭解 Look-Alike Modeling

尋找新使用者 Look-Alike Modeling

Look-Alike Modeling 協助您透過自動化資料分析,發掘新的獨特受眾。 當您選取或、時 trait 間 segment間隔以及第一方和第三方時,程式便會啟動 data sources。 您的選擇為演算模型提供輸入。 當分析程式執行時,它會根據所選人口的共用特性,尋找符合資格的使用者。 完成時,此資料可在 Trait Builder ,您可在此處使用,以根據正確性和觸及度 建立特徵 。 此外,您還可以建立結合演算法特徵與運算式和比較運算 rules-based traits 子的區段,並新增其 Boolean 他資格要求。 Look-Alike Modeling 提供您從所有可用特徵資料擷取值的動態方式。

優勢

使用的主要優點 Look-Alike Modeling 包括:
  • 資料準確性: 演算法會定期執行,有助於讓結果保持最新且相關。
  • 自動化: 您不需要管理大量的靜態規則。 演算法會為您尋找受眾。
  • 節省時間並減少工作量: 透過我們的模型建立程式,您不必猜測哪些 traits/可能有效segments ,或將時間資源花在促銷活動上,即可發現新的受眾。 模型可以為您執行此操作。
  • 可靠性: 模型可與伺服器端的發現和資格鑑定程式搭配使用,這些程式會評估您自己的資料和您有權存取的所選第三方資料。 這表示您不必查看網站上的訪客,即可讓他們符合某個特徵的資格。

工作流程

您可在中管理模型 Audience Data > Models 。 在高層,工作流進程涉及以下內容:
  • 選取您要演算法評估的基線資料。 這包括 trait 或、 segment時間範圍和 data sources (您自己的資料和您已透過存取的第三方資料 Audience Manager)。 在模型建立工作流中,可以排 traits 除不想干擾模型的值。
  • 保存模型。 儲存後,演算法評估程式就會自動執行。 但請注意,此程式最長需要7天才能完成。 Audience Manager 演算法完成且結果可供建立時,會傳送電子郵件給 trait 您。
  • 在中建立演 traits 算法 Trait Builder。
  • 結合 traits 為 segments 一 Segment Builder體。
  • 建立資料 segment 並傳送至 destination。

疑難排解

我們會停用 Look-Alike Model 任何無法產生連續三次執行資料的執行。 請注意,不能將模型的狀態設定回活動狀態。 為確保您的模型產生資料,我們建議您從資料來源建立模型,並有足夠的 traits 資料累積來源。

瞭解 TraitWeight

TraitWeight 是專為自動發現新功能而設計的專 traits 屬演算法。 它會將您 trait 目前和您 traits 可 segments 以存取的所有其他第一方和第三方資料進行比較 Audience Manager。 請參閱本節,以取得演算法探索程 TraitWeight 序的說明。
以下步驟說明評估 TraitWeight 程式。

步驟1: 建立比較基 Trait 線

若要建立基線, TraitWeight 請在30、60 traits 或90天間隔內測量與觀眾相關的所有資料。 其次,根據頻 traits 率和相關性進行排序。 頻率計數會測量通用性。 關聯會測量僅存在於 trait 基準讀者中的可能性。 Traits 通常會顯示高通用性,這是用來設定加權分數的重要特性,並結合在您選取的 traits 項目中發現 data sources。

步驟2: 在中尋找相 Traits 同項目 Data Source

在建立基準以進行比較後,演算法會在您選取的基準中尋 traits 找相同的項目 data sources。 在此步驟中,執 TraitWeight 行所有已發現的頻率計數, traits 並將其與基線進行比較。 但是,與基線不同,不常 traits 見的排名要高於經常出現的排名。 據 traits 說稀有具有高度特異性。 TraitWeight 評估共同基準和不常見( traits 高度特定)的組合 data source , traits 其影響力或可取性都比兩個資料集 traits 的共同特性高。 事實上,我們的模型會識別這些大型、常見的 traits 資料集,而且不會為高關聯的資料集指派過多的優先順序。 很少 traits 會獲得更高的優先順序,因為他們更可能代表新的、獨特的用戶,而不是 traits 擁有高度通用性的用戶。

步驟3: 指定權重

在此步驟中,依 TraitWeight 照影響力或可 traits 取性對新發現的項目進行排名。 重量級數是從0%到100%的百分比。 Traits 排名接近100%表示他們更像您基準人口中的觀眾。 此外,權重過大 traits 是很有價值的,因為它們代表的是新的獨特用戶,其行為可能與您現有的基準受眾相似。 請記住, TraitWeight 認為 traits 基線的通用性高,而比較資料來源的特異性高,比每個資料集 traits 的通用性更有價值。

步驟4: 計分使用者

選取的每位使 data sources 用者會獲得一個使用者分數,該分數等於該使用者描述檔上影響 traits 力的所有權重的總和。 然後,將用戶分數標準化為0到100%。

步驟5: 顯示並處理結果

Audience Manager 在中顯示加權模型結果 Trait Builder。 當您要建立時, algorithmic trait可 Trait Builder 讓您根 traits 據演算法在資料執行期間產生的加權分數來建立。 您可以選擇更高的準確度,以僅限符合使用者分數極高且因此與基準讀者非常相似的使用者,而非其他對象。 如果您想要觸及到更廣的觀眾(觸及),則可降低精確度。

步驟6: 重新評估跨處理週期 Trait 的重要性

定期 TraitWeight 地,根據人口的 trait 大小和變化重新評估重要性 trait。 當符合該資格的使用者人數隨著時間的 trait 增加或減少時,就會發生此情況。 這種行為在變大的特徵中最為明顯。 例如,假設演算法使用 trait A 建模。 隨著人口增 trait A 加, TraitWeight 重新評估其重要性, trait 並指派較低分數或忽略它。 在這種情況下, trait A 人口過多或過多,不能對其人口做出任何顯著評價。 在 TraitWeight 降低值(或 trait A 在模型中忽略)後,演算法特徵的種群會減少。 影響力清單 traits 反映基線人口的演變。 使用影響力的清單來 traits 瞭解發生這些變更的原因。
相關連結:

更新和的計 Look-Alike Models 划 Traits

建立和更新新或現有與的 algorithmic models 排程 traits。

Look-Alike Model 建立和更新計畫

活動類型 說明
建立或克隆模型
對於新的或克隆的[!UICONTROL相似模型],建立過程每天運行一次,網址為:
  • 東部時間下午5點(11月- 3月)
  • 美國東部夏令時間下午6點(3月- 11月)
在建立截止日期之後構建或克隆的模型將在第二天進行處理。
如果模型的首次運行未生成任何資料,則它將在次日運行第二次。 如果第二次嘗試也未產生任何資料,則第三次嘗試,即第二天。 如果第三次嘗試也未產生任何資料,模型將停止執行。 在這種情況下,我們會停用模型。 請參閱類 似機型疑難排解中的更多資訊
更新模型
在理想條件下,現有的模型在工作日運行,至少每7天運行一次。 例如,如果您在星期一(截止日期)建立模型,則最遲會在下星期一更新模型。
如果模型滿足以下任一條件,則其將重新運行:
  • 上次運行未成功。
  • 它在過去7天內根本沒有運行,而且模型至少附有一個活動特徵。

Look-Alike Trait 建立和更新計畫

活動類型 說明
建立特徵
特徵建立程式會每天執行,週一到週五。 通常,新演算法特徵會在48小時內出現在UI中。
更新特徵
現有特徵至少每7天更新一次,並依照模型更新的排程進行。

模型清單視圖

清單檢視是一個集中工作區,可協助您建立、檢視及管理模型。
清單 Models 頁面包含可協助您:
  • 建立新模型。
  • 管理現有模型(編輯、暫停、刪除或仿製)。
  • 依名稱搜尋模型。
  • 使用 algorithmic traits 任何給定模型建立。

模型摘要視圖

摘要頁面會顯示模型詳細資訊,例如名稱、觸及/準確度、處理歷史記錄 traits ,以及從模型建立。 該頁還包含可讓您建立和管理模型的設定。 按一下摘要清單中的模型名稱以查看其詳細資訊。
模型摘要頁包括以下幾節。
區域 說明
基本資訊
包含模型的基本資訊,例如其名稱和上次執行時間。
模型觸及度與精確度
顯示 上次模型執行 ,其精確度和觸及資料。
模型處理歷史記錄
顯示最近10次執行的處理日期和時間,以及這些執行上是否產生資料。
影響力特徵
The Affolment Traits table:
  • 列出模型基線人口中最具影響力的50項最佳特徵。
  • 依其相對權重排名來排 名每個特徵 。 「相 對權重 」會根據影響或期望對新發現的特徵進行排序。 重量級數是從0%到100%的百分比。 排名接近100%的特徵意味著它們更像您基線人口中的受眾。 請參閱 瞭解TraitWeight
  • 顯示每個特徵的30天獨特值和特徵總人口。
使用模型的特徵
顯示根據所選模型的演算法特徵清單。 按一下特徵名稱或特徵ID,以取得特徵的詳細資訊。 選取 「使用模型建立新特徵 」,以前往演算法特徵建立程式。
截面標籤會根據模型名稱而改變。 例如,假設您建立模型並將其命名為模型A。 載入摘要頁面時,此區段的名稱會變更為「使用模 型A的特徵」