了解Look-Alike Modeling

查找Look-Alike Modeling的新用戶

Look-Alike Modeling 可協助您透過自動化資料分析,探索新的不重複受眾。當您選取trait或segment、時間間隔,以及第一方和第三方data sources時,流程就會開始。 您的選擇為演算法模型提供輸入。 分析程式執行時,會根據所選母體的共用特性,尋找符合資格的使用者。 完成後,此資料可在特徵產生器中使用,您可在此處根據正確度建立特徵並達到。 此外,您也可以建立區段,將演算法特徵與rules-based traits結合,並使用Boolean運算式和比較運算子新增其他資格要求。 Look-Alike Modeling 可讓您以動態方式從所有可用的特徵資料中擷取值。

優勢

使用Look-Alike Modeling的主要好處包括:

  • 資料正確性: 演算法會定期執行,有助於讓結果保持最新且相關。
  • 自動化: 您不需要管理大量靜態規則。演算法會為您尋找對象。
  • 節省時間並減少工作量: 透過我們的模型程式,您不必猜測什麼/可 traitssegments 能有效,或將時間資源花在行銷活動上以探索新對象。模型可以為您執行此操作。
  • 可靠性: 模型可與伺服器端探索和資格認證程式搭配使用,以評估您自己的資料和您有權存取的所選第三方資料。這表示您不必在網站上看見訪客,即可讓他們符合特徵的資格。

工作流程

在​Audience Data > Models​中管理模型。 在高層面,工作流程程式包含下列項目:

  • 選取要演算法評估的基線資料。 這包括trait或segment、時間範圍和data sources(您已透過Audience Manager存取過的自己資料和第三方資料)。 在模型建立工作流程中,可以排除不想干預模型的traits。
  • 保存模型。 儲存後,演算法評估程式會自動執行。 但請注意,此程式最多可能需要7天才能完成。 Audience Manager 演算法完成後會傳送電子郵件給您,並提供建立 trait 結果。
  • 在Trait Builder中建立演算法traits。
  • 在Segment Builder中將traits組合到segments。
  • 建立segment資料並傳送至destination。

疑難排解

我們會停用連續三次無法產生資料的任何Look-Alike Model。 請注意,您無法在之後將模型的狀態設回「活動」(active)。 為確保模型產生資料,建議您從資料來源建立模型,且traits足夠,以便累積資料。

了解TraitWeight

TraitWeight 是專屬的演算法,用於自動 traits 探索。它會將您目前traits和segments的trait資料與您透過Audience Manager存取的所有其他第一方和第三方資料進行比較。 如需TraitWeight演算法探索程式的說明,請參閱本節。

以下步驟描述TraitWeight評估過程。

步驟1:建立Trait比較的基線

若要建立基線, TraitWeight會在30、60或90天間隔內測量與對象相關聯的所有traits。 接著,根據其頻率及其相關性對traits進行排名。 頻率計數可測量通用性。 關聯會測量trait僅出現在基線對象中的機率。 Traits 通常會說這些字元顯示出高通用性,這是當與您在所選內容中發現的加權分數結合時,用來設 traits 定加權分數的重要 data sources特性。

步驟2:在Data Source中找到相同的Traits

建立基線進行比較後,演算法會在您選取的data sources中尋找相同的traits。 在此步驟中, TraitWeight執行所有發現的traits的頻率計數,並將它們與基線進行比較。 但是,與基線不同,不常見的traits排名比較常出現的高。 所述稀有traits表現出高度特異性。 TraitWeight 將通用基準和不常見( traits 高度特定)的組合評 data source traits 估為比兩個資料集共同 traits 更具影響力或更可取。事實上,我們的模型可辨識這些大型且常見的traits,且不會為具有高關聯性的資料集指派過多優先順序。 罕見traits會獲得更高的優先順序,因為與traits相比,它們更可能代表新的不重複用戶,而且整個板塊具有較高的通用性。

步驟3:指定權重

在此步驟中,TraitWeight會根據影響或可取性來排名新發現的traits。 重量等級是從0%到100%的百分比。 Traits 接近100%的排名表示他們更像基線人口中的受眾。此外,重度加權traits也很有價值,因為它們代表的是新的不重複使用者,其行為可能與您已建立的基準受眾類似。 請記住,TraitWeight認為traits在基線中具有較高的通用性,而在比較的資料源中具有較高的特異性,這比每個資料集中的traits更有價值。

步驟4:計分使用者

所選data sources中的每個用戶被賦予一個用戶分數,該分數等於該用戶配置檔案上具有影響力的traits的所有權重的總和。 然後,將使用者分數標準化為0到100%。

步驟5:顯示和使用結果

Audience Manager 在中顯示加權模型結 Trait Builder果。當您想要建立algorithmic trait時, Trait Builder可讓您根據演算法在資料執行期間產生的加權分數來建立traits。 您可以選擇更高的準確度,僅限擁有非常高使用者分數的使用者,因此與基準對象非常類似,而非其餘對象。 如果您想觸及較大的對象(觸及),可以降低準確度。

步驟6:重新評估各處理週期Trait的顯著性

TraitWeight會定期根據trait的母體大小和變化重新評估trait的重要性。 符合該trait資格的使用者人數會隨著時間而增加或減少,就會發生此情況。 這種行為在變大的特徵中最為明顯。 例如,假設演算法使用trait A進行建模。 隨著trait A母體的增加,TraitWeight會重新評估該trait的重要性,並可能指派較低的分數或忽略它。 在此情況下,trait A太常或太大,無法對其人口發表任何顯著的評論。 TraitWeight降低trait A值後(或在模型中忽略),演算法特徵的母體會減少。 具影響力的traits清單反映基線母體的演變。 使用具影響力的traits清單來了解這些變更為何發生。

相關連結:

更新Look-Alike Models和Traits的排程

為新的或現有的algorithmic models和traits建立和更新計畫。

Look-Alike Model 建立和更新計畫

活動類型 說明
建立或複製模型

若為新的或複製的相似模型,建立程式每天會在下列位置執行一次:

  • 東部標準時間下午5點(11月 — 3月)
  • 美國東部夏令時間下午6點(3月 — 11月)

在建立期限後建立或複製的模型,會在次日處理。

如果模型的首次執行未產生任何資料,則會第二次執行,即隔天。 如果第二次嘗試也未產生任何資料,則第三次嘗試,即第二天。 如果第三次嘗試也未產生任何資料,則模型將停止運行。 在這種情況下,我們將停用模型。 請參閱相似模型疑難排解中的更多資訊。

更新模型

在理想條件下,現有模型會在工作日執行,至少每7天執行一次。 例如,如果您在星期一建立模型(截止日期),則最遲會在下星期一更新模型。

如果模型符合下列任一條件,則會重新執行:

  • 上次運行不成功。
  • 在之前已成功執行,過去7天內完全未執行,而且模型至少附加一個作用中特徵。

Look-Alike Trait 建立和更新計畫

活動類型 說明
建立特徵

特徵建立程式會每天執行,從星期一到星期五。 一般而言,新的演算法特徵會在48小時內出現在UI中。

更新特徵

現有特徵至少每7天更新一次,並依照模型更新排程進行。

模型清單視圖

清單檢視是可協助您建立、檢閱及管理模型的中央工作區。

Models清單頁面包含有助於您:

  • 建立新模型。
  • 管理現有模型(編輯、暫停、刪除或原地複製)。
  • 按名稱搜索模型。
  • 使用任何給定模型建立algorithmic traits。

模型摘要視圖

摘要頁面會顯示模型詳細資訊,例如名稱、觸及/準確度、處理歷史記錄,以及從模型建立的traits。 該頁面還包含可讓您建立和管理模型的設定。 按一下摘要清單中的模型名稱以查看其詳細資訊。

「模型摘要」(model summary)頁面包括以下部分。

區域 說明

基本資訊

包括模型的基本資訊,如名稱和上次運行時間。

模型觸及度和準確度

顯示上次模型運行的準確度和達到資料。

模型處理歷史記錄

顯示最近10次執行的處理日期和時間,以及這些執行上是否產生資料。

具影響力的特徵

具影響力的特徵表:

  • 列出模型基線母體中最能代表的前50個具影響力的特徵。
  • 依照每個特徵的相對權重排名,對每個特徵進行排名。 相對權數會根據影響或可取性來排序新發現的特徵。 重量等級是從0%到100%的百分比。 特徵的排名接近100%,表示它們更像基線母體中的受眾。 請參閱了解TraitWeight
  • 顯示每個特徵的30天不重複值和特徵母體總數。

使用模型的特徵

根據選取的模型顯示演算法特徵清單。 按一下特徵名稱或特徵ID,以取得特徵的詳細資訊。 選取「使用模型建立新特徵」 ,前往演算法特徵建立程式。

節標籤會根據模型名稱而改變。 例如,假設您建立模型,並將其命名為「模型A」。載入摘要頁面時,此區段的名稱會變更為「使用模型A的特徵」。

本頁內容