FAQ sur la modélisation analogue

Présentation

Cet article répond aux questions les plus fréquemment posées sur Look-Alike Modeling.

Questions

Pourquoi ai-je un Accuracy & Reach graphique plat ?

Un graphique Accuracy & Reach plat signifie que presque chaque utilisateur a reçu le même score par le modèle. Cela peut se produire lorsque vous incluez la caractéristique du visiteur du site dans les sources de données sur lesquelles vous avez exécuté le modèle. Pour éviter cela, supprimez la caractéristique générique de l’entrée de modèle lors de l’étape de création du modèle, à l’aide du champ Exclusions.

Pourquoi certaines de mes principales caractéristiques influentes ont-elles de très petites audiences ?

L’algorithme sélectionne les caractéristiques qui sont fortement corrélées avec la caractéristique de base. Par exemple, si une caractéristique donnée se chevauche à 100 % avec la caractéristique de base, elle aura un poids très élevé, même si le nombre d’utilisateurs de cette caractéristique est faible.

Pourquoi mon modèle n’est-il pas exécuté/réexécuté ?

Les modèles qui ont généré des résultats continueront à s’exécuter uniquement si vous avez créé au moins une caractéristique algorithmique principale et que vous l’avez mappée à un segment principal et à une destination.

Pourquoi mon modèle n’a-t-il produit aucun résultat ?

Cela est généralement dû au fait que les caractéristiques ne chevauchent pas suffisamment la population de base et la population dans les sources de données sélectionnées.

Existe-t-il une recommandation sur la caractéristique ou la taille de segment de base ?

Quelques milliers d’utilisateurs devraient suffire à exécuter le modèle, étant donné qu’il existe un chevauchement significatif des caractéristiques entre la population de base et la population dans les sources de données sélectionnées. Look-Alike Modeling produit des résultats plus précis, plus la ligne de base est grande.

Quelles sources de données tierces dois-je choisir pour mon modèle ?

Utilisez des sources de données qui présentent au moins un chevauchement avec votre caractéristique/segment de base, mais qui, en même temps, amènent des utilisateurs supplémentaires. Vous devez également tenir compte du coût associé à chaque flux de données. Les modèles de coûts et de prix varient selon les fournisseurs de données dans Audience Marketplace.

L’utilisation de données tierces pour la modélisation coûte-t-elle ?

Cela dépend du modèle de tarification du flux de données sélectionné. Certains flux permettent la modélisation sans frais, tandis que d’autres vous facturent des frais. Voir Facturation pour les acheteurs de flux de données pour plus d’informations.

Combien de modèles/caractéristiques suis-je autorisé à créer ?

Actuellement, vous pouvez créer jusqu’à 20 modèles algorithmiques et 50 caractéristiques algorithmiques.

Quelle est la fréquence d’actualisation de la formation de modèle et de la population de caractéristiques algorithmiques ?

Le modèle se retire une fois tous les 8 jours et actualise la population de caractéristiques algorithmiques.

Sur cette page