Häufig gestellte Fragen zur Look-alike-Modellierung

Letzte Aktualisierung: 2021-07-19

Überblick

Dieser Artikel enthält Antworten auf die am häufigsten gestellten Fragen zu Look-Alike Modeling.

Fragen

Warum erhalte ich ein flaches Accuracy & Reach Diagramm?

Ein flaches Accuracy & Reach Diagramm bedeutet, dass fast jeder Benutzer dasselbe Ergebnis vom Modell erhalten hat. Dies kann vorkommen, wenn Sie die Site-Besuchereigenschaft in die Datenquellen einbeziehen, in denen Sie das Modell ausgeführt haben. Um dies zu vermeiden, entfernen Sie die generische Eigenschaft während des Modellerstellungsschritts aus der Modelleingabe, indem Sie das Feld Exclusions verwenden.

Warum haben einige meiner einflussreichsten Eigenschaften sehr kleine Zielgruppen?

Der Algorithmus wählt Eigenschaften aus, die in hohem Maße mit der Grundlinieneigenschaft korreliert sind. Wenn sich beispielsweise eine bestimmte Eigenschaft zu 100 % mit der Grundlinieneigenschaft überschneidet, hat sie eine sehr hohe Gewichtung, selbst wenn die Anzahl der Benutzer in dieser Eigenschaft gering ist.

Warum wird mein Modell nicht ausgeführt/erneut ausgeführt?

Modelle, die Ergebnisse generiert haben, werden nur dann weiterhin ausgeführt, wenn Sie mindestens eine aktive algorithmische Eigenschaft erstellt und sie einem aktiven Segment und einem Ziel zugeordnet haben.

Warum hat mein Modell keine Ergebnisse gebracht?

Dies wird normalerweise dadurch verursacht, dass es keine signifikanten Eigenschaftenüberschneidungen zwischen der Grundgesamtheit und der Population in den ausgewählten Datenquellen gibt.

Gibt es Empfehlungen zur Grundlinie der Eigenschaft oder Segmentgröße?

Einige tausend Benutzer sollten ausreichend sein, um das Modell auszuführen, da es erhebliche Eigenschaftenüberschneidungen zwischen der Grundlinien-Population und der Population in den ausgewählten Datenquellen gibt. Look-Alike Modeling genauere Ergebnisse liefert, umso größer ist die Grundlinie.

Welche Datenquellen von Drittanbietern sollte ich für mein Modell auswählen?

Verwenden Sie Datenquellen, die sich zumindest teilweise mit Ihrer Grundlinie überschneiden, aber gleichzeitig zusätzliche Benutzer bringen. Sie sollten auch die mit den einzelnen Daten-Feeds verbundenen Kosten berücksichtigen. Kosten- und Preismodelle variieren je nach Datenanbieter in Audience Marketplace.

Kostet die Verwendung von Drittanbieterdaten für die Modellierung?

Dies hängt vom Preismodell des ausgewählten Daten-Feeds ab. Einige Feeds ermöglichen eine kostenlose Modellierung, während andere Ihnen eine Gebühr berechnen. Weitere Informationen finden Sie unter Abrechnung für Data Feed-Käufer .

Wie viele Modelle/Eigenschaften darf ich erstellen?

Derzeit können Sie bis zu 20 algorithmische Modelle und 50 algorithmische Eigenschaften erstellen.

Wie oft dauert die Aktualisierung der Modellschulung und der algorithmischen Eigenschaftspopulation?

Das Modell trainiert alle 8 Tage neu, zusammen mit der Aktualisierung der algorithmischen Eigenschaftspopulation.

Auf dieser Seite