瞭解Look-Alike Modeling

查找Look-Alike Modeling的新用戶

Look-Alike Modeling 協助您透過自動化資料分析,發掘新的獨特受眾。當您選擇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。 您的選擇為演算模型提供輸入。 當分析程式執行時,它會根據所選人口的共用特性,尋找符合資格的使用者。 完成時,此資料可在特徵產生器中取用,您可在此使用它根據準確度建立特徵並達到。 此外,您還可以建立結合演算特性與rules-based traits的區段,並新增其他使用Boolean運算式與比較運算子的資格要求。 Look-Alike Modeling 提供您從所有可用特徵資料擷取值的動態方式。

優勢

使用Look-Alike Modeling的主要優點包括:

  • 資料正確性: 演算法會定期執行,有助於保持結果的最新性和相關性。
  • 自動化: 您不需要管理大量的靜態規則。演算法會為您尋找受眾。
  • 節省時間並減少工作量:使用 我們的模型建立程式,您不必猜測哪些 traits功segments 能可行,或花時間在促銷活動上,即可發現新的受眾。模型可以為您執行此操作。
  • 可靠性: 模型可與伺服器端的發現和資格認定程式搭配使用,以評估您自己的資料和您可存取的所選第三方資料。這表示您不必查看網站上的訪客,即可讓他們符合某個特徵的資格。

工作流程

在​Audience Data > Models​中管理模型。 在高層,工作流進程涉及以下內容:

  • 選取您要演算法評估的基線資料。 這包括trait或segment、時間範圍和data sources(您自己的資料和您已透過Audience Manager存取的第三方資料)。 在模型建立工作流中,可以排除不想干擾模型的traits。
  • 保存模型。 儲存後,演算法評估程式就會自動執行。 但請注意,此程式最長需要7天才能完成。 Audience Manager 演算法完成且結果可供建立時,會傳送電子郵件給 trait 您。
  • 在Trait Builder中建立演算法traits。
  • 在Segment Builder中將traits組合到segments。
  • 建立並傳送segment資料至destination。

疑難排解

我們會停用任何無法產生連續三個執行之資料的Look-Alike Model。 請注意,不能將模型的狀態設定回活動狀態。 為確保您的模型產生資料,我們建議您從資料來源建立具備traits的模型,以累積資料。

瞭解TraitWeight

TraitWeight 是專為自動發現新功能而設計的專 traits 屬演算法。它會將您目前traits和segments的trait資料與您可透過Audience Manager存取的所有其他第一方和第三方資料進行比較。 有關TraitWeight演算法發現過程的說明,請參閱本節。

以下步驟說明TraitWeight評估過程。

步驟1:建立Trait比較的基準

若要建立基線,TraitWeight會測量與觀眾相關的所有traits,間隔為30、60或90天。 接著,根據其頻率和相關性對traits進行排序。 頻率計數會測量通用性。 關聯會測量trait僅出現在基準讀者中的可能性。 Traits 通常會顯示高通用性,這是用來設定加權分數的重要特性,並結合在您選取的 traits 項目中發現 data sources。

步驟2:在Data Source中尋找相同的Traits

在建立基準以進行比較後,演算法會在您選取的data sources中尋找相同的traits。 在此步驟中,TraitWeight會執行所有已發現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排名高於較常出現的排名。 所述稀有traits顯示出高度特異性。 TraitWeight 評估共同基準和不 traits 常見(高度特定)的組 data source traits 合比兩個資料集 traits 的共同更有影響力或更可取。事實上,我們的模型會辨識這些大型且常見的traits,而且不會指派過多的優先順序給關聯性較高的資料集。 少有的traits會獲得更高的優先順序,因為它們代表新的獨特用戶的可能性比traits更大,而且在整個主板上具有高度的通用性。

步驟3:指定權重

在此步驟中,TraitWeight會依影響或期望順序排列新發現的traits。 重量級數是從0%到100%的百分比。 Traits 排名接近100%表示他們更像您基準人口中的觀眾。此外,重量traits的重要性在於它們代表新的獨特使用者,其行為可能與您現有的基準讀者類似。 請記住,TraitWeight認為traits在基線中具有高通用性,而在比較的資料源中具有高特異性,這比每個資料集中的traits更有價值。

步驟4:計分使用者

選取的data sources中的每個使用者會獲得一個使用者分數,該分數等於該使用者描述檔上有影響力的traits所有權重的總和。 然後,將用戶分數標準化為0到100%。

步驟5:顯示並處理結果

Audience Manager 在中顯示加權模型結果 Trait Builder。當您要建立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,以僅限符合使用者分數極高且因此與基準讀者非常相似的使用者,而非其他對象。 如果您想要觸及到更廣的觀眾(觸及),則可降低精確度。

步驟6:重新評估處理週期中Trait的重要性

TraitWeight會定期根據trait的人口大小和變化重新評估trait的重要性。 當符合該trait資格的使用者人數隨著時間增加或減少時,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的人口增加,TraitWeight會重新評估該trait的重要性,並可指派較低的分數或忽略它。 在此情況下,trait A太常見或太大,無法對其人口發表任何顯著評論。 在TraitWeight降低trait A的值(或在模型中忽略它)後,演算法特徵的人口數會減少。 影響traits的清單反映了基線人口的演變。 使用有影響力的traits清單,瞭解發生這些變更的原因。

相關連結:

更新Look-Alike Models和Traits的排程

建立和更新新或現有algorithmic models和traits的排程。

Look-Alike Model 建立和更新計畫

活動類型 說明
建立或克隆模型

對於新的或克隆的相似模型,建立過程每天運行一次,網址為:

  • 東部時間下午5點(11月- 3月)
  • 美國東部夏令時間下午6點(3月- 11月)

在建立截止日期之後構建或克隆的模型將在第二天進行處理。

如果模型的首次運行未生成任何資料,則它將在次日運行第二次。 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,模型將停止執行。 在這種情況下,我們會停用模型。 請參閱類似機型疑難排解中的更多資訊。

更新模型

在理想條件下,現有的模型在工作日運行,至少每7天運行一次。 例如,如果您在星期一(截止日期)建立模型,則最遲會在下星期一更新模型。

如果模型滿足以下任一條件,則其將重新運行:

  • 上次運行未成功。
  • 它在過去7天內根本沒有運行,而且模型至少附有一個活動特徵。

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,週一到週五。 通常,新演算法特徵會在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,並依照模型更新的排程進行。

模型清單視圖

清單檢視是一個集中工作區,可協助您建立、檢視及管理模型。

Models清單頁面包含可協助您:

  • 建立新模型。
  • 管理現有模型(編輯、暫停、刪除或仿製)。
  • 依名稱搜尋模型。
  • 使用任何給定型號建立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。

模型摘要頁包括以下幾節。

區域 說明

基本資訊

包含模型的基本資訊,例如其名稱和上次執行時間。

模型觸及度與精確度

顯示上次模型運行的準確度和資料。

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。

影響力特徵

影響特徵表:

  • 列出模型基線人口中最具影響力的50項最佳特徵。
  • 依其相對權重排名來排名每個特徵。 相對權重會依影響或可取性排序新發現的特徵。 重量級數是從0%到100%的百分比。 排名接近100%的特徵意味著它們更像您基線人口中的受眾。 請參閱瞭解TraitWeight
  • 顯示每個特徵的30天獨特值和特徵總人口。

使用模型的特徵

顯示根據所選模型的演算法特徵清單。 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Model建立新特徵」,以前往演算法特徵建立程式。

截面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

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now