Ausschließen von Traits in algorithmischer (Look-Alike) Models

In diesem Video erfahren Sie, wie und warum Sie bestimmte (oder Gruppen von) traits von einem algorithmischen (Look-Alike) Model ausschließen.

Anwendungsbeispiele für diese Funktion sind:

  • Sehr häufig traits, wie Site-Besucher traits, wird das model-Objekt verzerrt. Dies ist bei der Suche nach einer qualitativ hochwertigen Look-alike-Zielgruppe nicht hilfreich. Kunden müssen nicht mehr eine separate data source erstellen und gängige traits in der neuen data source speichern, können sie nun aber einfach ausschließen.
  • Es gibt jetzt eine Möglichkeit, eine Untergruppe von traits aus einem third party zu verwenden, z. B. nur Verhaltensinteressen und nicht alle Informationen in einem model. Third parties sendet normalerweise eine Menge Daten, die für den Kunden möglicherweise nicht nützlich sind. In einigen Fällen wird es ihnen nicht gestattet sein, alle Daten aus rechtlicher Sicht bei der Modellierung zu verwenden. Jetzt können Sie traits oder Ordner von traits ausschließen, die Sie nicht in model aufnehmen möchten.

Auf dieser Seite