了解Look-Alike Modeling

查找具有Look-Alike Modeling的新用户

Look-Alike Modeling 通过自动数据分析帮助您发现新的独特受众。当您选择trait或segment、时间间隔以及第一方和第三方data sources时,将开始该过程。 您的选择为算法模型提供了输入。 运行分析流程时,它会根据所选群体的共享特征查找符合条件的用户。 完成后,此数据将在特征生成器中提供,您可以在其中使用这些数据根据准确性创建特征并访问。 此外,您还可以构建将算法特征与rules-based traits结合在一起的区段,并使用Boolean表达式和比较运算符添加其他资格要求。 Look-Alike Modeling 可让您动态地从所有可用特征数据中提取值。

优势

使用Look-Alike Modeling的主要好处包括:

  • 数据准确性: 算法会定期运行,这有助于保持结果为最新且相关。
  • 自动化: 您无需管理大量静态规则。算法将为您查找受众。
  • 节省时间并减少工作量: 通过我们的建模过程,您不必猜测哪些 traits/segments 项目可能起作用,也不必花时间在营销活动上发现新受众。模型可以为您执行此操作。
  • 可靠性: 建模可与服务器端发现和鉴别流程结合使用,这些流程可评估您自己的数据和您有权访问的选定第三方数据。这意味着您无需查看网站上的访客即可确定其是否符合某个特征。

工作流

在​Audience Data > Models​中管理模型。 在高级别,工作流流程涉及以下内容:

  • 选择要算法评估的基线数据。 这包括trait或segment、时间范围和data sources(您自己的数据和已通过Audience Manager访问的第三方数据)。 在模型创建工作流中,可以排除不想干扰模型的traits。
  • 保存模型。 保存后,算法评估进程将自动运行。 但请注意,此过程可能需要长达7天的时间才能完成。 Audience Manager 当算法完成并且结果可供创建时,会向您发送电子 trait 邮件。
  • 在Trait Builder中生成算法traits。
  • 将traits组合到Segment Builder的segments中。
  • 创建segment数据并将其发送到destination。

故障诊断

我们会停用任何未能连续三次生成数据的Look-Alike Model。 请注意,以后不能将模型的状态重新设置为活动状态。 为确保模型生成数据,我们建议您从数据源构建模型,其中traits足以累计中的数据。

了解TraitWeight

TraitWeight 是专用的算法,旨在自动发现 traits 新。它会将当前traits和segments中的trait数据与您通过Audience Manager有权访问的所有其他第一方和第三方数据进行比较。 有关TraitWeight算法发现过程的说明,请参阅此部分。

以下步骤描述了TraitWeight评估过程。

步骤1:构建基线以进行比较Trait

要构建基线,TraitWeight会测量与受众关联的所有traits,间隔为30、60或90天。 接下来,根据其频率和相关性对traits进行排名。 频率计数衡量通用性。 关联度量trait仅出现在基线受众中的可能性。 Traits 通常,这些标记显示出高度的通用性,这是一个重要特征,用于在与您在所选内容中发现的加 traits 权分数结合时设 data sources置。

步骤2:在Data Source中找到相同的Traits

算法在生成基线以进行比较后,会在选定的data sources中查找相同的traits。 在此步骤中,TraitWeight将执行所有发现的traits的频率计数,并将它们与基线进行比较。 但是,与基线不同,不常见的traits排名比显示频率更高的排名。 所述稀有traits表现出高度特异性。 TraitWeight 将公共基线和不常见( traits 高度特定)的组合评 data source traits 估为比两个数据集的 traits 通用更具影响力或更可取。事实上,我们的模型识别了这些大型且常见的traits,并且不会为具有高关联的数据集分配过多的优先级。 极少有的traits会获得更高的优先级,因为与traits相比,它们更可能代表全局具有高度通用性的新的独特用户。

步骤3:分配权重

在此步骤中,TraitWeight按影响或期望顺序对新发现的traits进行排名。 重量比是0%到100%的百分比。 Traits 排名接近100%意味着他们更像基线群体中的受众。此外,重量加权traits很有价值,因为它们代表的是新的独特用户,这些用户的行为可能与您已建立的基准受众类似。 请记住,TraitWeight认为在基线中具有高通用性的traits和在比较的数据源中具有高专一性的比每个数据集中的traits通用性更有价值。

步骤4:评分用户

选定data sources中的每个用户都会获得一个用户分数,该分数等于该用户配置文件中具有影响力的traits的所有权重的总和。 然后,将用户分数标准化为0%到100%。

步骤5:显示和处理结果

Audience Manager 显示加权模型结果 Trait Builder。如果要构建algorithmic trait,可使用Trait Builder根据算法在数据运行期间生成的加权分数创建traits。 您可以选择更高的准确性,以便仅鉴定用户得分非常高,因此与基准受众非常相似的用户,而不是其余的受众。 如果您想要访问更大的受众(访问),可以降低准确性。

步骤6:重新评估Trait跨处理周期的显着性

TraitWeight会定期根据trait的大小和人口变化重新评估trait的重要性。 当符合该trait条件的用户数量随着时间的推移而增加或减少时,会发生这种情况。 这种行为在变大的特征中最为明显。 例如,假设算法使用trait A进行建模。 随着trait A的群体增加,TraitWeight会重新评估该trait的重要性,并可以分配较低的分数或忽略该分数。 在这种情况下,trait A太常见或太大,无法对其人口发表任何重要的评论。 在TraitWeight减小值trait A(或在模型中忽略该值)后,算法特征的群体会减少。 具有影响力的traits列表反映了基线群体的演变。 使用具有影响力的traits列表了解发生这些更改的原因。

相关链接:

Look-Alike Models和Traits的更新计划

为新的或现有的algorithmic models和traits创建和更新计划。

Look-Alike Model 创建和更新计划

活动类型 描述
创建或克隆模型

对于新的或克隆的相似人群拓展模型,创建过程每天在以下位置运行一次:

  • 东部标准时间下午5点(11月 — 3月)
  • 美国东部时间下午6:00(3月 — 11月)

在创建截止日期后构建或克隆的模型将在第二天进行处理。

如果模型的第一次运行未生成任何数据,则它将在次日再运行一次。 如果第二次尝试也未生成任何数据,则将在次日进行第三次尝试。 如果第三次尝试也未生成任何数据,则模型将停止运行。 在这种情况下,我们将停用模型。 请参阅相似人群拓展模型疑难解答中的更多信息。

更新模型

在理想条件下,现有模型在工作日运行,至少每7天运行一次。 例如,如果您在星期一创建一个模型(截止时间),则该模型会在下一个星期一更新最晚。

如果模型满足以下任一条件,则将重新运行该模型:

  • 其上次运行未成功。
  • 它在运行之前已成功运行,并且在过去7天内根本未运行,并且模型至少有一个活动特征附加到该特征。

Look-Alike Trait 创建和更新计划

活动类型 描述
创建特征

特征创建过程每天(星期一到星期五)运行。 通常,新的算法特征会在48小时内显示在UI中。

更新特征

现有特征至少每7天更新一次,并遵循模型更新计划。

模型列表视图

列表视图是一个中心工作区,可帮助您创建、审阅和管理模型。

Models列表页面包含可帮助您:

  • 创建新模型。
  • 管理现有模型(编辑、暂停、删除或克隆)。
  • 按名称搜索模型。
  • 使用任何给定模型创建algorithmic traits。

模型摘要视图

摘要页显示模型详细信息,如名称、访问/准确度、处理历史记录以及从模型创建的traits。 该页面还包含允许您创建和管理模型的设置。 单击摘要列表中的模型名称可查看其详细信息。

模型摘要页面包括以下部分。

区域 描述

基本信息

包括有关模型的基本信息,如其名称和上次运行的时间。

模型范围和准确度

显示精度,并达到上次模型运行的数据。

模型处理历史记录

显示最近10次运行的处理日期和时间以及这些运行中是否生成了数据。

具有影响力的特征

具有影响力的特征表:

  • 列出在模型的基线群体中最能代表的50个具有影响力的特征。
  • 按每个特征的相对权重排名对每个特征进行排名。 相对权重按影响或期望顺序对新发现的特征进行排序。 重量比是0%到100%的百分比。 排名接近100%的特征意味着它们更像基线群体中的受众。 请参阅了解TraitWeight
  • 显示每个特征的30天独特值和总特征人口。

使用模型的特征

显示基于所选模型的算法特征列表。 单击特征名称或特征ID ,以了解有关该特征的更多信息。 选择使用模型创建新特征以转到算法特征创建过程。

区域标签会根据模型名称而发生更改。 例如,假设您创建一个模型并将其命名为模型A。加载摘要页面时,此部分的名称将更改为使用模型A的特征。

在此页面上