Få fångster av modeller i Audience Manager
Lär dig hur du fastställer lämpliga parametrar/indata för att skapa en lookalike-målgrupp.
Beskrivning description
Få fångster runt Audience Manager-modellerna.
Upplösning resolution
- Hur fungerar lookalike-målgruppen och dess fördelar?
https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/understanding-models.html?lang=sv-SE
- Så här avgör du lämpliga parametrar/indata för att skapa den.
Ett fåtal tusen användare bör vara tillräckligt för att köra modellen på, eftersom det finns en betydande trait-överlappning mellan baslinjepopulationen och populationen i de valda datakällorna. Look-Alike Modeling ger exaktare resultat, desto större blir baslinjen.
- Vad är trait weight och hur fungerar det?
Fackviktsskalan är ett procentvärde mellan 0 % och 100 %. Fällor rankade närmare 100 % innebär att de är mer som målgruppen i din baslinjepopulation. TraitWeight rankar nyligen upptäckta egenskaper i ordning av påverkan eller önskvärdhet.
- Vad är den minsta tröskelpopulationen av grundtrait/segment som kan beaktas?
Som anges ovan bör ett fåtal tusen användare vara tillräckligt många för att köra modellen på, eftersom det finns en betydande skillnad mellan ursprungspopulationen och populationen i de valda datakällorna.
- Varför och hur du väljer datakällor för att öka och minska relevansen för bastrafiken?
Använd datakällor som åtminstone delvis överlappar ditt baslinjefärg/baslinjesegment, men som samtidigt tar med fler användare. Du bör också ta hänsyn till kostnaden för varje datafeed. Kostnads- och prissättningsmodeller varierar mellan olika dataleverantörer i Audience Marketplace.
- Vilka egenskaper ska uteslutas och på vilken grund?
- När modellkörningen är slutförd, vilka är nästa steg?
När modellkörningen är klar kan du börja skapa dina egenskaper och segment.
- Klarhet i att skapa andra egenskaper och segment från data efter att modellen har körts och dess funktion och användning.
- Intervall kontra exakthetshandel.
- Hur får jag optimal precision med ökad räckvidd och räckvidd?
- Faktorer som är beroende av att lookalike och dess omfattning har skapats/implementerats
Gå igenom länken https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/understanding-models.html?lang=sv-SE för punkterna 10 och 11 och meddela oss om du har några specifika frågor/problem som vi kan hjälpa dig med i någon av modellerna.
- Hur många dagar/tidsramar i modellen körs och den optimala tiden för att skapa segment av samma modell?
För närvarande kan du skapa upp till 20 algoritmiska modeller och 50 algoritmiska egenskaper. Modellen utväxlas en gång var 8:e dag, tillsammans med en uppdatering av populationen av algoritmiska egenskaper.