Poche catture per modelli in Audience Manager

Descrizione

Pochi sono quelli che si aggirano sui modelli di Audience Manager.

Risoluzione

  • Come funziona il pubblico lookalike e i suoi vantaggi?

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/understanding-models.html?lang=it

  • Come determinare i parametri/gli input appropriati per crearli.

Poche migliaia di utenti dovrebbero essere sufficienti per eseguire il modello su, dato che vi è una significativa sovrapposizione delle caratteristiche tra la popolazione di base e la popolazione nelle origini dati selezionate. Modellazione lookalike produce risultati più precisi, maggiore è la linea di base.

  • Qual è il peso della caratteristica e come funziona?

La scala del peso della caratteristica è una percentuale che va dallo 0% al 100%. Le caratteristiche sono più vicine al 100% e corrispondono più al pubblico presente nella popolazione di base. TraitWeight classifica le nuove caratteristiche scoperte in ordine di influenza o desiderabilità.

  • Qual è la popolazione minima di soglia della caratteristica/segmento di base che può essere presa in considerazione?

Come indicato sopra, alcune migliaia di utenti dovrebbero essere sufficienti per eseguire il modello su, dato che vi è una significativa sovrapposizione delle caratteristiche tra la popolazione di base e la popolazione nelle fonti di dati selezionate.

  • Perché e come selezionare le origini di dati per aumentare e diminuire la rilevanza per le caratteristiche di base?

Utilizza le origini dati che hanno almeno una certa sovrapposizione con la caratteristica/segmento di base, ma allo stesso tempo inserisci altri utenti. È inoltre necessario considerare il costo associato a ciascun feed di dati. Ad Audience Marketplace, i modelli di costo e di prezzo variano da un provider di dati all’altro.

  • Quali caratteristiche escludere e su quale base?

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/trait-exclusion-algo-models.html?lang=it

  • Una volta completata l'esecuzione del modello, quali sono i passaggi successivi?

Una volta completata l'esecuzione del modello, puoi iniziare a creare le caratteristiche e i segmenti.

  • Chiarezza sulla creazione di altre caratteristiche e segmenti dai dati dopo l'esecuzione del modello e il suo funzionamento e utilizzo.

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/traits/trait-builder/create-algorithmic-traits.html?lang=it

  • Intervallo e compromesso di precisione.

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/traits/trait-accuracy-reach.html?lang=it

  • Come ottenere una precisione ottimale con una portata e una gamma più elevate?

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/traits/trait-accuracy-reach.html?lang=it#accuracy-and-reach-affect-audience-size

  • Fattori che dipendono dal successo della creazione/implementazione di lookalike e dalla sua portata

Controlla il collegamento https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/understanding-models.html?lang=it per i punti 10 e 11 e comunicaci se hai domande/problemi specifici che possiamo aiutarti con uno qualsiasi dei modelli.

  • Quanti giorni/tempi di esecuzione del modello e il tempo ottimale per creare segmenti dallo stesso?

Attualmente, puoi creare fino a 20 modelli algoritmici e 50 caratteristiche algoritmiche. Il modello si riallena una volta ogni 8 giorni, aggiornando la popolazione delle caratteristiche algoritmiche.

In questa pagina