精度和范围

描述算法特征的准确性与范围之间的关系。

准确度与范围:关于

使用算法特征时,务必要了解准确性与范围之间的关系。 准确性由一个打分值表示,该值反映用户与基线的相似程度。 精度刻度范围从0(最不精确)到1(最精确)。 访问只是一个值,用于表示要包含在特征中的独特用户数量。 范围与精度成反比关系。 精确特征对用户的影响较小,而具有较大影响的特征对用户的影响较小。 下图说明了此概念。

准确性和范围会影响受众规模

在使用算法特征时,您的业务目标应该有助于您针对准确性和范围做出正确的决策。 如果您的目标是准确性,请注意,在模型运行期间,特征的群体可能会增加或减少。 群体变化是算法在每个评估期间做出决策的结果。 有时,算法会在处理周期中找到更多符合条件的用户,而在其他处理周期中,则可能会找到更少的用户。 结果由用于创建模型的基线数据以及自上一个模型运行以来产生的新访客和特征资格数据确定。 相反,使用访问时,用户人口计数保持不变。 例如,如果您希望访问10,000个用户,算法将确保始终为每个模型运行该数字。

准确性与范围的一般用例

对准确性或覆盖范围的关注取决于您希望通过特定区段实现的目标。 下表可帮助您在创建特征时评估准确性与访问范围。

特征决策优惠 帮助查找
精准度 与模型中的基准客户类似的用户。 当您想要访问特定受众时,对定位营销活动非常有用。
访问 每个数据运行的特定用户数。 当您有兴趣联系特定大小的受众时,对于品牌营销活动非常有用。

在此页面上