Look-Alike Modeling O ajuda você a descobrir públicos novos e exclusivos por meio da análise automatizada de dados. O processo é iniciado quando você seleciona um trait ou segment, um intervalo de tempo e objetos próprios e de terceiros data sources. Suas opções fornecem as entradas para o modelo algorítmico. Quando o processo de análise é executado, ele procura usuários qualificados com base em características compartilhadas da população selecionada. Após a conclusão, esses dados estão disponíveis em Construtor de características onde você pode usá-lo para criar características com base em precisão e alcance. Além disso, você pode criar segmentos que combinam características algorítmicas com rules-based traits e adicionar outros requisitos de qualificação com Boolean expressões e operadores de comparação. Look-Alike Modeling O oferece uma maneira dinâmica de extrair valor de todos os dados de características disponíveis.
Os principais benefícios de usar Look-Alike Modeling incluem:
Gerenciar modelos no Audience Data > Models. Em um nível superior, o processo de workflow envolve o seguinte:
Desativamos qualquer Look-Alike Model que não gera dados por três execuções consecutivas. Observe que não é possível definir o status do modelo novamente como ativo posteriormente. Para garantir que seus modelos gerem dados, recomendamos que você crie modelos a partir de fontes de dados com recursos suficientes traits para acumular dados do.
TraitWeight é um algoritmo proprietário projetado para descobrir novas traits automaticamente. Ele compara trait dados do seu atual traits e segments contra todos os outros dados primários e de terceiros aos quais você tem acesso por meio do Audience Manager. Consulte esta seção para obter uma descrição do TraitWeight processo de descoberta algorítmica.
As etapas a seguir descrevem o TraitWeight processo de avaliação.
Para criar uma linha de base, TraitWeight mede todos os traits associado a um público-alvo para um intervalo de 30, 60 ou 90 dias. Em seguida, ele se classifica traits de acordo com a sua frequência e correlação. A contagem de frequência mede a compatibilidade. A correlação mede a probabilidade de trait estar presente somente no público da linha de base. Traits que aparecem com frequência exibem alta semelhança, uma característica importante usada para definir uma pontuação ponderada quando combinada com traits descoberto no selecionado data sources.
Depois de criar uma linha de base para comparação, o algoritmo procura por traits no(a) selecionado(a) data sources. Nesta etapa, TraitWeight executa uma contagem de frequência de todos os detectados traits e os compara à linha de base. No entanto, ao contrário do cenário de base, os traits são classificados acima daqueles que aparecem com mais frequência. Raros traits dizem que exibem um alto grau de especificidade. TraitWeight avalia combinações de linha de base comum traits e incomum (altamente específico) data source traits como mais influente ou desejável do que traits comum aos dois conjuntos de dados. Na verdade, nosso modelo reconhece esses grandes, comuns traits e não atribui prioridade em excesso a conjuntos de dados com correlações altas. Raros traits recebem prioridade mais alta porque têm mais probabilidade de representar usuários novos e únicos do que traits com alta compatibilidade em todos os aspectos.
Nesta etapa, TraitWeight classificação recém-descoberta traits por ordem de influência ou de preferência. A escala de peso é uma porcentagem que vai de 0% a 100%. Traits classificado mais próximo de 100% significa que se parece mais com o público-alvo na população da linha de base. Além disso, os traits são valiosos porque representam usuários novos e exclusivos que podem se comportar de forma semelhante ao seu público-alvo estabelecido na linha de base. Lembre-se: TraitWeight considera traits de base e de elevada especificidade nas fontes de dados comparadas são mais valiosas do que as fontes de traits comum em cada conjunto de dados.
Cada usuário no data sources é dada uma pontuação ao usuário que é igual à soma de todos os pesos do influente traits no perfil desse usuário. As pontuações do usuário são normalizadas entre 0 e 100%.
Audience Manager exibe os resultados do modelo ponderado em Trait Builder. Quando quiser criar um algorithmic trait, Trait Builder permite criar traits com base na pontuação ponderada gerada pelo algoritmo durante uma execução de dados. Você pode escolher uma precisão mais alta para qualificar apenas os usuários que têm pontuações de usuário muito altas e, portanto, são muito semelhantes ao público-alvo da linha de base, em vez do restante do público-alvo. Se você quiser alcançar um público maior (alcance), diminua a precisão.
Periodicamente TraitWeight reavalia a importância de uma trait com base no tamanho e na mudança na população desse trait. Isso acontece como o número de usuários qualificados para isso trait aumenta ou diminui com o tempo. Esse comportamento é visto com mais clareza em características que se tornam muito grandes. Por exemplo, suponha que o algoritmo use trait A para modelagem. Como a população de trait A aumentos, TraitWeight reavalia a importância desse trait e podem atribuir uma pontuação mais baixa ou ignorá-la. Nesse caso, trait A é muito comum ou grande para dizer algo significativo sobre sua população. Depois TraitWeight reduz o valor de trait A (ou o ignora no modelo), a população da característica algorítmica diminui. A lista de influentes traits reflete a evolução da população de referência. Use a lista dos influentes traits para entender por que essas mudanças estão ocorrendo.
Links relacionados:
Agendamentos de criação e atualização para novos ou existentes algorithmic models e traits.
Tipo de atividade | Descrição |
---|---|
Criar ou clonar um modelo | Para novos ou clonados Look-Alike Models, o processo de criação é executado uma vez por dia às:
Os modelos criados ou clonados após o prazo de criação são processados no dia seguinte. Se a primeira execução de um modelo não gerar dados, ele será executado uma segunda vez, no dia seguinte. Se a segunda tentativa também não gerar dados, haverá uma terceira tentativa, no dia seguinte. O modelo parará de ser executado se a terceira tentativa também não gerar dados. Nesse caso, desativaremos o modelo. Veja mais em Solução de problemas de modelos semelhantes. |
Atualizar um modelo | Sob condições ideais, os modelos existentes são executados em dias da semana, pelo menos uma vez a cada 7 dias. Por exemplo, se você criar um modelo (pelo prazo) na segunda-feira, ele atualizará a segunda-feira seguinte o mais tardar. Um modelo será executado novamente se atender a qualquer uma das seguintes condições:
|
Tipo de atividade | Descrição |
---|---|
Criar uma característica | O processo de criação de características é executado todos os dias, de segunda a sexta-feira. Geralmente, novas características algorítmicas aparecem na interface do usuário em 48 horas. |
Atualizar uma característica | As características existentes são atualizadas pelo menos uma vez a cada 7 dias e seguem a programação para atualizações de modelo. |
A exibição de lista é um espaço de trabalho central que ajuda você a criar, revisar e gerenciar modelos.
A variável Models A página de lista contém recursos e ferramentas que ajudam a:
A página de resumo exibe detalhes do modelo, como nome, alcance/precisão, histórico de processamento e traits criado a partir do modelo. A página também inclui configurações que permitem criar e gerenciar modelos. Clique em um nome de modelo na lista de resumo para ver seus detalhes.
A página de resumo do modelo inclui as seções a seguir.
Seção | Descrição |
---|---|
Informações básicas |
Inclui informações básicas sobre o modelo, como seu nome e quando foi executado pela última vez. |
Precisão e alcance do modelo |
Shows precisão e alcance dados da última execução do modelo. |
Histórico de processamento do modelo |
Exibe a data e a hora do processamento das últimas 10 execuções e se os dados foram gerados nessas execuções. |
Características influentes |
A variável Características influentes tabela:
|
Características usando o modelo |
Mostra uma lista de características algorítmicas com base no modelo selecionado. Clique em um nome de característica ou ID de característica para obter mais informações sobre a característica. Selecionar Criar nova característica com modelo para acessar o processo de criação de características algorítmicas. O rótulo da seção muda com base no nome do seu modelo. Por exemplo, digamos que você crie um modelo e o nomeie como Modelo A. Quando você carrega a página de resumo, o nome desta seção é alterado para Características usando o modelo A. |