Modell erstellen
Erstellt für:
- Benutzende
- Admin
Um ein Modell zu erstellen, wählen Sie in der -Models im Mix Modeler Open model canvas aus.
Um Ihre benutzerdefinierten KI-gestützten Modelle zu erstellen, bietet die Benutzeroberfläche einen Schritt-für-Schritt-Konfigurationsablauf für Modelle.
Einrichten
Name und Beschreibung werden im Setup Schritt definiert:
-
Geben Sie Ihre Name ein, z. B.
Demo model
. Geben Sie einen Description ein, z. B.Demo model to explore AI featues of Mix Modeler
. -
Wählen Sie Next aus, um mit dem nächsten Schritt fortzufahren. Wählen Sie Cancel aus, um die Modellkonfiguration abzubrechen.
Konfigurieren
Das Modell wird im Configure konfiguriert. Die Konfiguration umfasst die Definition von Konversionszielen, Marketing-Touchpoints, die geeignete Datenpopulation, externe und interne Faktoren und mehr.
-
Im Conversion goal Abschnitt:
-
Wählen Sie im Dropdown-Menü Conversion eine Konvertierung aus. Die verfügbaren Konversionen sind die Konversionen, die Sie als Teil von ""Harmonized datasets definiert haben. Beispiel: Online Conversion.
-
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.
-
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.
-
Sie können Create a touchpoint auswählen, um einen Marketing-Touchpoint direkt in der Modellkonfiguration zu erstellen.
NOTESie können das Modell nicht mit Touchpoints einrichten, die sich überschneidende Daten haben, und es muss mindestens einen Touchpoint mit Ausgaben geben. -
-
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.
-
Für jedes Ereignis:
-
Wählen Sie eine Metrik oder Dimension aus Harmonisiertes Feld auswählen.
-
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.
-
Einen Wert eingeben oder auswählen unter Wert eingeben oder.
-
-
Um ein zusätzliches Ereignis zum Container hinzuzufügen, wählen Sie Add event.
-
Um ein Ereignis aus dem Container zu entfernen, klicken Sie auf .
-
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 marketing touchpoint aus dem Kontextmenü aus.
-
Wählen Sie Und und Oder zwischen Containern aus, um komplexere Definitionen für Ihre auswählbare Datenpopulation zu erstellen.
-
-
Um Datensätze mit externen Faktoren zu Ihrem Modell hinzuzufügen, verwenden Sie einen oder mehrere Container im External factors dataset. Ein Beispiel für externe Faktoren sind S&P-Indizes.
-
Für jeden Container:
-
Geben Sie einen External factor name ein, z. B.
External Factors
. -
Wählen Sie einen Datensatz aus dem Dropdown-Menü Dataset aus. Sie können auswählen, um Datensätze zu verwalten. Weitere Informationen finden unterDatensätze“.
-
Wählen Sie eine Option aus dem Dropdown-Menü Impact on conversion aus: Auto select, Positive oder Negative.
-
-
Um einen zusätzlichen Datensatz-Container für externe Faktoren hinzuzufügen, wählen Sie Add external factor.
-
Um einen Datensatz-Container für externe Faktoren zu entfernen, wählen Sie aus.
-
-
Um Datensätze mit internen Faktoren zu Ihrem Modell hinzuzufügen, verwenden Sie einen oder mehrere Container im Internal factors dataset. Ein Beispiel für interne Faktoren sind E-Mail-Marketing-Daten.
-
Für jeden Container:
-
Geben Sie einen Internal factor name ein, z. B.
Email Marketing Data
. -
Wählen Sie einen Datensatz aus Datensatz auswählen. Sie können auswählen, um Datensätze zu verwalten. Weitere Informationen finden unterDatensätze“.
-
Wählen Sie eine Option aus dem Dropdown-Menü Impact on conversion aus: Auto select, Positive oder Negative.
-
-
Um einen zusätzlichen Datensatz-Container für interne Faktoren hinzuzufügen, wählen Sie Add internal factor.
-
Um einen Datensatz-Container für interne Faktoren zu entfernen, wählen Sie aus.
-
-
Um das Lookback-Fenster für das Modell zu definieren, geben Sie einen Wert zwischen
1
und52
in Give contribution credit to touchpoints occurring within weeks prior to the conversion … ein. -
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.
Erweitert
Im Advanced Schritt können Sie erweiterte Einstellungen festlegen. In diesem Schritt können Sie Ihr Modell für die Multi-Touch-Attribution (MTA) aktivieren.
-
Im Spend share Abschnitt:
- Um historische Marketing-Investitionsquoten zu verwenden und das Modell bei geringen Marketing-Daten zu informieren, aktivieren Sie Allow spend share.
-
Im MTA enabled Abschnitt:
- Um MTA-Funktionen für das Modell zu aktivieren, aktivieren Sie MTA enabled. Wenn Sie MTA aktiviert haben, sind Multi-Touch-Attributionseinblicke verfügbar, nachdem Sie Ihr Modell trainiert und bewertet haben. Weitere Informationen finden Sie RegisterkarteAttribution“ in Modell-Insights.
-
Im Prior knowledge Abschnitt:
-
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.
-
Zeitplan
Im Schedule Schritt können Sie das Training und die Bewertung für Ihr Modell planen.
-
Im Schedule Abschnitt können Sie das Modell-Training und die Bewertung planen.
Zur geplanten Modellbewertung und zum Training:
-
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 . - Weekly: Wählen Sie einen Wochentag aus und geben Sie eine gültige Zeit ein (z. B.
05:22 pm
) oder verwenden Sie . - 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 .
- Daily: Geben Sie eine gültige Zeit ein (z. B.
-
Wählen Sie eine Training frequency aus dem Dropdown-Menü aus: Monthly, Quarterly, Yearly oder None.
-
-
Wählen Sie im Abschnitt Define training window zwischen:
-
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.
-
-
Wählen Sie Finish aus, um Ihre Modellkonfiguration abzuschließen.
-
Wählen Sie im Dialogfeld Create instance? die Option Ok aus, um den ersten Satz von Trainings- und Scoring-Durchgängen sofort mit dem Trigger zu versehen. Ihr Modell wird mit dem Status Awaiting training aufgelistet.
Wählen Sie zum Abbrechen Cancel aus.
-
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.
-