DocumentaçãoExperience PlatformGuia dos Serviços inteligentes

Solução de problemas de erro do Customer AI

Last update: Tue Jul 16 2024 00:00:00 GMT+0000 (Coordinated Universal Time)
  • Tópicos:

Criado para:

  • undefined

A IA do cliente exibe erros quando o treinamento do modelo, a pontuação e a configuração falham. Na seção Instâncias de serviço, uma coluna para STATUS DA ÚLTIMA EXECUÇÃO exibe uma das seguintes mensagens: Êxito, Problema de treinamento e Falha.

status da última execução

Caso Falha ou Problema de treinamento seja exibido, você pode selecionar o status de execução para abrir um painel lateral. O painel lateral contém o status da última execução e os detalhes da última execução. Detalhes da última execução contém informações sobre o motivo da falha na execução. Caso a IA do cliente não possa fornecer detalhes sobre o erro, entre em contato com o suporte com o código de erro fornecido.

{width="300"}

Não é possível acessar a IA do cliente no Chrome incógnito

Erros de carregamento no modo incógnito do Google Chrome estão presentes devido a atualizações nas configurações de segurança do modo incógnito do Google Chrome. O problema está sendo ativamente trabalhada com a Chrome para tornar experience.adobe.com um domínio confiável.

{width="500"}

Correção recomendada

Para contornar esse problema, é necessário adicionar experience.adobe.com como um site que sempre pode usar cookies. Comece navegando até chrome://settings/cookies. Em seguida, role para baixo até a seção Comportamentos personalizados, seguida pelo botão Adicionar ao lado de "sites que sempre podem usar cookies". Na janela pop-up exibida, copie e cole [*.]experience.adobe.com e marque a caixa de seleção Incluir cookies de terceiros neste site. Depois de concluído, selecione Adicionar e recarregue a IA do cliente em incógnito.

correção recomendada

A qualidade do modelo é ruim

Se você receber o erro "A qualidade do modelo é ruim. Recomendamos criar um novo aplicativo com a configuração modificada "". Siga as etapas recomendadas abaixo para ajudar a solucionar problemas.

{width="300"}

Correção recomendada

"A qualidade do modelo é ruim" significa que a precisão do modelo não está dentro de uma faixa aceitável. A IA do cliente não conseguiu criar um modelo confiável e a AUC (Área sob a curva ROC) < 0,65 após o treinamento. Para corrigir o erro, é recomendável alterar um dos parâmetros de configuração e executar novamente o treinamento.

Comece verificando a precisão dos seus dados. É importante que seus dados contenham os campos necessários para o resultado preditivo.

  • Verifique se o conjunto de dados tem as datas mais recentes. A IA do cliente sempre presume que os dados estão atualizados quando o modelo é acionado.
  • Verifique se há dados ausentes na janela de previsão e qualificação definida. Seus dados precisam ser completos sem lacunas. Verifique também se o conjunto de dados atende aos requisitos de dados históricos da IA do cliente.
  • Verifique se há dados ausentes no comércio, no aplicativo, na web e na pesquisa, nas propriedades do campo de esquema.

Se seus dados não parecerem ser o problema, tente alterar a condição de população de qualificação para restringir o modelo a determinados perfis (por exemplo, _experience.analytics.customDimensions.eVars.eVar142 existe nos últimos 56 dias). Isso restringe o público e o tamanho dos dados usados na janela de treinamento.

Se a restrição da população de qualificação não funcionar ou não for possível, altere a janela de previsão.

  • Tente alterar a janela de previsão para 7 dias e veja se o erro continua ocorrendo. Se o erro não ocorrer mais, isso indica que talvez você não tenha dados suficientes para a janela de previsão definida.

Erros

Código de erro
Título
Modelo de mensagem
Exemplo de mensagem
400
OBJETIVO INSUFICIENTE
Há poucos usuários ({{actual_num_samples}} in total) meeting the prediction goal definition from {{outcome_window_start}} to {{outcome_window_end}}. We require at least {{min_num_samples}}) com eventos qualificados para criar um modelo.

Soluções sugeridas:

1. Verifique a disponibilidade dos dados
2. Diminuir o período da meta de previsão
3. Modifique a definição da meta de previsão para incluir mais usuários (Código de erro: VALIDATION-400 NOT_ENOUGH_OBJETIVE)
Há poucos usuários (200 no total) que atendem à definição da meta de previsão de 2020-04-01 a 2021-04-01. Para criar um modelo, são necessários pelo menos 500 usuários com eventos qualificados.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados
2. Diminuir o período da meta de previsão
3. Modifique a definição da meta de previsão para incluir mais usuários. (Código de erro: VALIDATION-400 NOT_ENOUGH_OBJETIVE)
401
POPULAÇÃO INSUFICIENTE
Há poucos usuários qualificados ({{actual_num_samples}} in total) from {{eligibility_window_start}} to {{eligibility_window_end}}. We require at least {{min_num_samples}} usuários qualificados para compilar um modelo.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados
2. Se uma definição de População elegível for fornecida, diminua o período de tempo 3 do filtro de qualificação. Se uma definição de População elegível não for fornecida, tente adicionar uma (Código de erro: VALIDATION-401 NOT_ENOUGH_POPULATION)
Há poucos usuários qualificados (200 no total) de 01/04/2020 a 01/04/2021. São necessários pelo menos 500 usuários qualificados para criar um modelo.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados
2. Se uma definição de População elegível for fornecida, diminua o período de tempo do filtro de qualificação.
3. Se uma definição de População elegível não for fornecida, tente adicionar uma. (Código de erro: VALIDATION-401 NOT_ENOUGH_POPULATION)
402
MODELO INCORRETO
Não podemos produzir um modelo de qualidade com o conjunto de dados e a configuração de entrada atuais.

Algumas sugestões incluem:
1. Modifique sua configuração para adicionar uma definição de população qualificada.
2. Use fontes de dados adicionais para melhorar a qualidade do modelo
3. Adicione eventos personalizados para incluir mais dados no modelo (Código de erro: VALIDATION-402 BAD_MODEL)
Não podemos produzir um modelo de qualidade com o conjunto de dados e a configuração de entrada atuais.

Algumas sugestões incluem:
1. Considere modificar sua configuração para adicionar uma definição de população qualificada.
2. Considere o uso de fontes de dados adicionais para melhorar a qualidade do modelo. (Código de erro: VALIDATION-402 BAD_MODEL)
403
PONTUAÇÕES INELEGÍVEIS
A distribuição da pontuação se desvia muito do esperado.

Algumas sugestões incluem:
1. Certifique-se de que o modelo seja treinado com dados recentes. Caso contrário, considere treinar novamente seu modelo.
2. Certifique-se de que não haja problemas de dados (como atraso de dados/dados ausentes) nas tarefas de pontuação. (Código de erro: VALIDATION-403 INELIGIBLE_SCORES)
A distribuição da pontuação se desvia muito do esperado.

Algumas sugestões incluem:
1. Certifique-se de que o modelo seja treinado com dados recentes. Caso contrário, considere treinar novamente seu modelo.
2. Certifique-se de que não haja problemas de dados (como atraso de dados/dados ausentes) nas tarefas de pontuação. (Código de erro: VALIDATION-403 INELIGIBLE_SCORES)
405
NENHUM DADO DE PONTUAÇÃO
Não há dados de perfil ou comportamento de usuário disponíveis para pontuação em {{eligibility_window_start}} to {{eligibility_window_end}}. Verifique os dados para garantir que estejam sendo atualizados regularmente. (Código de erro: VALIDATION-405 NO_SCORING_DATA)
Não há comportamento do usuário ou dados de perfil disponíveis para pontuação de 04/2020 a 04/2021. Verifique os dados para garantir que estejam sendo atualizados regularmente. (Código de erro: VALIDATION-405 NO_SCORING_DATA)
407
NÃO HÁ DADOS DE EVENTO HISTÓRICOS SUFICIENTES
Não há dados suficientes para criar um modelo. De 04/04/2020 a 01/04/2021, há apenas 90 dias de dados.

São necessários 120 dias de dados recentes. Para obter mais informações, consulte a documentação de requisitos de dados.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados
2. Diminuir o período da meta de previsão
3. Se uma definição de População elegível for fornecida, diminua o período de tempo do filtro de qualificação
4. Se uma definição de população Elegível não for fornecida, tente adicionar uma (Código de erro: VALIDATION-407 NOT_ENOUGH_HISTORICAL_EVENT_DATA)
Não há dados suficientes para criar um modelo. De 04/04/2020 a 01/04/2021, há apenas 90 dias de dados.

São necessários 120 dias de dados recentes. Para obter mais informações, consulte a documentação de requisitos de dados.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados.
2. Diminuir o período da meta de previsão.
3. Se uma definição de População elegível for fornecida, diminua o período de tempo do filtro de qualificação.
4. Se uma definição de População elegível não for fornecida, tente adicionar uma. (Código de erro: VALIDATION-407 NOT_ENOUGH_HISTORICAL_EVENT_DATA)
408
NENHUM DADO RECENTE PARA QUALIFICADO
Não há dados de comportamento de usuário para usuários qualificados no {{data_days}} days prior to {{etl_window_end}}. Verifique o conjunto de dados para garantir que ele esteja sendo atualizado regularmente. (Código de erro: VALIDATION-408 NO_RECENT_DATA_FOR_ELIGIBLE_POPULATION)
Não há dados de comportamento do usuário para usuários qualificados nos 60 dias anteriores a 04/2021. Verifique o conjunto de dados para garantir que ele esteja sendo atualizado regularmente. (Código de erro: VALIDATION-408 NO_RECENT_DATA_FOR_ELIGIBLE_POPULATION)
409
SEM OBJETIVO
Não há nenhum usuário que atenda à definição da meta de previsão de {{outcome_window_start}} to {{outcome_window_end}}. We require at least {{min_num_samples}} usuários com eventos qualificados para criar um modelo.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados
2. Modificar a definição da meta de previsão (Código de erro: VALIDATION-409 NO_OBJETIVE)
Não há usuários que atendam à definição da meta de previsão de 04/2020 a 04/2021. Para criar um modelo, são necessários pelo menos 500 usuários com eventos qualificados.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados.
2. Modifique a definição da meta de previsão. (Código de erro: VALIDATION-409 NO_OBJETIVE)
410
SEM POPULAÇÃO
Não há nenhum usuário qualificado de {{eligibility_window_start}} to {{eligibility_window_end}}. We require at least {{min_num_samples}} usuários qualificados para compilar um modelo.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados
2. Se uma definição de População elegível for fornecida, modifique a condição ou aumente o período do filtro de qualificação (Código de erro: VALIDATION-410 NO_POPULATION)
Não há usuários qualificados de 01/04/2020 a 01/04/2021. São necessários pelo menos 500 usuários qualificados para criar um modelo.

Soluções sugeridas:
1. Verifique a disponibilidade dos dados.
2. Se uma definição de População elegível for fornecida, modifique a condição ou aumente o período do filtro de elegibilidade. (Código de erro: VALIDATION-410 NO_POPULATION)
411
NENHUM DADO DE ENTRADA APÓS ETL
Não há comportamento de usuário ou dados de perfil disponíveis para o modelo usar entre {{etl_start_date}} and {{etl_end_date}}. Verifique se o conjunto de dados tem dados suficientes. (Código de erro: VALIDATION-411 NO_INPUT_DATA_AFTER_ETL)
Não há comportamento do usuário ou dados de perfil disponíveis para o modelo usar entre 04/2020 e 04/2021. Verifique se o conjunto de dados tem dados suficientes. (Código de erro: VALIDATION-411 NO_INPUT_DATA_AFTER_ETL)
412
NENHUM EVENTO APÓS ETL
Não há dados de comportamento de usuário disponíveis para o modelo usar entre {{etl_start_date}} and {{etl_end_date}}. Verifique se o conjunto de dados tem dados suficientes.
Não há dados de comportamento do usuário disponíveis para o modelo usar entre 04/2020 e 04/2021. Verifique se o conjunto de dados tem dados suficientes. (Código de erro: VALIDATION-412 NO_EVENT_DATA_AFTER_ETL)
413
VALOR ÚNICO NO OBJETIVO
A IA do cliente exige que o conjunto de dados tenha eventos qualificados e não qualificados para a definição da meta de previsão. O conjunto de dados de entrada contém apenas eventos qualificados entre {{etl_window_start}} and {{etl_window_end}}.

Soluções sugeridas:
1. Modifique a definição da meta de previsão
2. Verifique a integridade dos dados ou use um diferente que inclua exemplos de eventos não qualificados para a meta de previsão (Código de erro: VALIDATION-413 SINGLE_VALUE_IN_OBJETIVE)
A IA do cliente exige que o conjunto de dados tenha eventos qualificados e não qualificados para a definição da meta de previsão. O conjunto de dados de entrada contém apenas eventos qualificados entre 04/2020 e 04/2021.

Soluções sugeridas:
1. Modifique a definição da meta de previsão.
2. Verifique a integridade dos dados ou use um que inclua exemplos de eventos não qualificados para a meta de previsão. (Código de erro: VALIDATION-413 SINGLE_VALUE_IN_OBJETIVE)
414
NENHUM FATOR INFLUENTE
O modelo de fator influente gerou uma saída inesperada. Recomendamos criar um novo aplicativo com uma configuração modificada. (Código de erro: VALIDATION-414 NO_INFLUENTIAL_FATORS)
O modelo de fator influente gerou uma saída inesperada. Recomendamos criar um novo aplicativo com uma configuração modificada. (Código de erro: VALIDATION-414 NO_INFLUENTIAL_FATORS)
recommendation-more-help
8959a20a-a58f-4057-9f82-870706c576e9