Vanliga frågor om lookalike-modellering

Översikt overview

I den här artikeln finns svar på de vanligaste frågorna om Look-Alike Modeling.

Frågor questions

Varför får jag punktering? Accuracy & Reach diagram?

Platt Accuracy & Reach graf betyder att nästan alla användare fick samma poäng av modellen. Detta kan inträffa när du inkluderar besökaregenskaper på platsen i de datakällor som du körde modellen på. Du undviker detta genom att ta bort det generiska attributet från modellindata under steget när du skapar modellen med hjälp av Exclusions fält.

Varför har några av mina största inflytelserika egenskaper mycket små målgrupper?

Algoritmen väljer egenskaper som är mycket korrelerade med baslinjetrafiken. Om en viss egenskap till exempel till 100 % överlappar den ursprungliga egenskapen kommer den att ha en mycket hög vikt, även om antalet användare i den egenskapen är litet.

Varför har min modell inte körts/körts om?

Modeller som har gett resultat kommer att fortsätta att köras endast om du har skapat minst en aktiv algoritmisk egenskap och mappat den till ett aktivt segment och ett mål.

Varför gav min modell inga resultat?

Detta orsakas vanligtvis av att det inte finns någon signifikant skillnad i egenskaper mellan den ursprungliga populationen och populationen i de valda datakällorna.

Finns det någon rekommendation för baslinjestöd eller segmentstorlek?

Ett fåtal tusen användare bör vara tillräckligt för att köra modellen på, eftersom det finns en betydande trait-överlappning mellan baslinjepopulationen och populationen i de valda datakällorna. Look-Alike Modeling ger exaktare resultat, ju större baslinjen är.

Vilka datakällor från tredje part ska jag välja för min modell?

Använd datakällor som åtminstone delvis överlappar ditt baslinjefärg/baslinjesegment, men som samtidigt tar med fler användare. Du bör också ta hänsyn till kostnaden för varje datafeed. Kostnads- och prissättningsmodeller varierar mellan olika dataleverantörer inom Audience Marketplace.

Kostar det att använda data från tredje part för modellering?

Det beror på prismodellen för vald datafeed. Vissa flöden gör det möjligt att modellera utan kostnad, medan andra tar ut en avgift. Se Fakturering för köpare av dataflöden för mer information.

Hur många modeller/egenskaper får jag skapa?

För närvarande kan du skapa upp till 20 algoritmiska modeller och 50 algoritmiska egenskaper.

Vilken uppdateringsfrekvens har modellutbildningen och den algoritmiska trait-populationen?

Modellen utväxlas en gång var 8:e dag, tillsammans med en uppdatering av populationen av algoritmiska egenskaper.