Erstellen von Modellen

Geben Sie Ihre Name ein, z. B. Demo model. Geben Sie einen Description ein, z. B. Demo model to explore AI features of Mix Modeler.

Wählen Sie Next aus, um mit dem nächsten Schritt fortzufahren. Wählen Sie Cancel aus, um die Modellkonfiguration abzubrechen.

Im Conversion goal Abschnitt:

1. Wählen Sie im Dropdown-Menü Conversion eine Konvertierung aus. Die verfügbaren Konversionen sind die Konversionen, die Sie im Rahmen von Konversionen in Harmonized datasets definiert haben. Beispiel: Online Conversion.

2. Sie können Create a conversion auswählen, um eine Konvertierung direkt aus der Modellkonfiguration heraus zu erstellen.

Im Abschnitt Marketing touchpoints können Sie einen oder mehrere Marketing-Touchpoints auswählen, die den Marketing-Touchpoints entsprechen, die Sie als Teil von Marketing-Touchpoints in Harmonized datasets definiert haben.

1. Wählen Sie einen oder mehrere Marketing-Touchpoints aus dem Dropdown-Menü Touchpoint include aus.

   • Sie können verwenden, um einen Touchpoint zu entfernen.
   • Sie können Clear all verwenden, um alle Touchpoints zu entfernen.

2. Sie können Create a touchpoint auswählen, um einen Marketing-Touchpoint direkt in der Modellkonfiguration zu erstellen.

Standardmäßig wird eine Punktzahl für alle Daten in Ihrer harmonisierten Ansicht generiert. Um nur eine Teilmenge der Population zu bewerten, definieren Sie einen oder mehrere Filter mithilfe von Containern im Abschnitt Eligible data population .

• Definieren Sie für jeden Container ein oder mehrere Ereignisse.

  1. Für jedes Ereignis:

     1. Wählen Sie eine Metrik oder Dimension aus Harmonisiertes Feld auswählen.

     2. Wählen Sie den entsprechenden Operator aus: equals, not equals, less than, greater than, starts with, doesn’t start with, ends with, doesn’t end with, contains, doesn’t contain, is in oder is not in.

     3. Einen Wert eingeben oder auswählen unter Wert eingeben oder.

  2. Um ein zusätzliches Ereignis zum Container hinzuzufügen, wählen Sie Add event.

  3. Um ein Ereignis aus dem Container zu entfernen, klicken Sie auf .

  4. Um nach allen oder mehreren im Container definierten Ereignissen zu filtern, wählen Sie Any of oder All of aus. Entsprechend ändert sich die Bezeichnung von Include … Or … zu Include … And ….

• Um einen geeigneten Datenpopulations-Container hinzuzufügen, wählen Sie Add eligible population aus.

• Um einen geeigneten Datenpopulations-Container zu entfernen, wählen Sie innerhalb des Containers und wählen Sie Remove container aus dem Kontextmenü aus.

• Wählen Sie Und und Oder zwischen Containern aus, um komplexere Definitionen für Ihre auswählbare Datenpopulation zu erstellen.

Im Abschnitt Factor dataset können Sie Datensätze verwalten, die interne oder externe Faktoren enthalten.

• Um einen Faktor-Datensatz hinzuzufügen, wählen Sie Add Factor aus. Sie können einem Modell maximal 30 Faktoren hinzufügen.

  1. Wählen Sie eine Factor dataset aus dem Dropdown-Menü aus. Die verfügbaren Faktoren sind die Faktoren, für die Sie ein harmonisiertes Feld in „Datensatzregeln​ definiert ​.
     Basierend auf dem ausgewählten Datensatz lautet die Factor type entweder Internal oder External.

  2. Wählen Sie die Impact on conversion aus dem Dropdown-Menü aus. Verfügbare Optionen sind: Auto, Positive oder Negative. Die Standardoption ist Auto, mit der das Modell die Auswirkungen des Faktordatensatzes bestimmen kann.

• Um einen Faktor-Datensatz zu löschen, wählen Sie aus.

Um das Lookback-Fenster für das Modell zu definieren, geben Sie einen Wert zwischen 1 und 52 in Give contribution credit to touchpoints occurring within weeks prior to the conversion … im Define lookback window Abschnitt ein.

Um das Trainings-Fenster für ein Modell zu definieren, wählen Sie Define training window aus, wo Sie mit der Bewertung von Konversionen beginnen möchten.

Folgende Optionen stehen zur Auswahl:

• Have Mix Modeler select a helpful training window und

• Manually input a training window. Wenn ausgewählt, definieren Sie die Anzahl der Jahre in Include events the following years prior to a conversion.

Diese Eingabe ist für ein Modell erforderlich. Die Anzahl der Jahre bestimmt, wie der Kanal AdStock, den Sie im Advanced konfigurieren können, begrenzt wird.

Wählen Sie Next aus, um mit dem nächsten Schritt fortzufahren. Wenn eine weitere Konfiguration erforderlich ist, wird in einem roten Umriss und Text erläutert, welche zusätzlichen Konfigurationen erforderlich sind.
Wählen Sie Back aus, um zum vorherigen Schritt zurückzukehren.
Wählen Sie Cancel aus, um die Modellkonfiguration abzubrechen.

Wählen Sie die Rule type aus, die standardmäßig Absolute values ist.

Geben Sie mithilfe der Spalte Contribution proportion die Beitragsprozentsätze für jeden der unter Name aufgelisteten Kanäle an.

Bei Bedarf können Sie für jeden Kanal einen Level of confidence Prozentsatz hinzufügen.

Verwenden Sie bei Bedarf Clear all , um alle Eingabewerte für die Spalten Contribution proportion und Level of confidence zu löschen.

Schalte Enable scheduled model scoring and training ein.

Scoring frequency auswählen:

• Daily: Geben Sie eine gültige Zeit ein (z. B. 05:22 pm) oder verwenden Sie , um die Zeit festzulegen.
• Weekly: Wählen Sie einen Wochentag aus und geben Sie eine gültige Zeit ein (z. B. 05:22 pm) oder verwenden Sie , um die Zeit festzulegen.
• Monthly: Wählen Sie einen Tag des Monats aus dem Dropdown-Menü Ausführen für jedes Dropdown-Menü aus und geben Sie eine gültige Zeit ein (z. B. 05:22 pm) oder verwenden Sie , um die Zeit festzulegen.

Wählen Sie eine Training frequency aus dem Dropdown-Menü aus: Monthly, Quarterly, Yearly oder None.