DocumentaciónMix ModelerGuía de Mix Modeler

Modelos de compilación

Last update: Thu Apr 02 2026 00:00:00 GMT+0000 (Coordinated Universal Time)
  • Temas:

Creado para:

  • Usuario
  • Administrador

Para crear sus modelos personalizados con tecnología de IA, la interfaz proporciona un flujo de configuración de modelo guiado paso a paso.

En la interfaz de Modelos Models en Mix Modeler, seleccione Open model canvas.

Configuración

Usted define un nombre y una descripción en el paso Setup:

  1. Escriba el modelo Name, por ejemplo Demo model. Escriba un Description, por ejemplo Demo model to explore AI features of Mix Modeler.

    Nombre y descripción del modelo

  2. Seleccione Next para continuar con el paso siguiente. Seleccione Cancel para cancelar la configuración del modelo.

Configurar configure

El modelo se configura en el paso Configure. La configuración implica la definición de los objetivos de conversión, los puntos de contacto de marketing, la población de datos apta, los factores externos e internos, etc.

  1. En la sección Conversion goal:

    Modelo: paso de conversión

    1. Seleccione una conversión en el menú desplegable Conversion. Las conversiones disponibles son las que definió como parte de Conversiones en Harmonized datasets. Por ejemplo, Online Conversion.

    2. Puede seleccionar LinkOutLight Create a conversion para crear una conversión directamente desde la configuración del modelo.

  2. En la sección Marketing touchpoints, puede seleccionar uno o más puntos de contacto de marketing, correspondientes a los puntos de contacto de marketing que definió como parte de puntos de contacto de marketing en Harmonized datasets.

    Modelo: paso de punto de contacto de marketing

    1. Seleccione uno o más puntos de contacto de marketing en el menú desplegable Touchpoint include.

      • Puede usar CrossSize75 para quitar un punto de contacto.
      • Puede usar Clear all para eliminar todos los puntos de contacto.

    2. Puede seleccionar LinkOutLight Create a touchpoint para crear un punto de contacto de marketing directamente desde la configuración del modelo.

    note note
    NOTE
    No puede configurar el modelo con puntos de contacto que tengan datos superpuestos y debe haber al menos un punto de contacto con gasto.

  3. De forma predeterminada, se genera una puntuación para todos los datos de la vista armonizada. Para puntuar solo un subconjunto de la población, defina uno o más filtros usando contenedores en la sección Eligible data population.

    Modelo: población de datos elegible

    • Para cada contenedor, defina uno o más eventos.

      1. Para cada evento:

        1. Seleccione una métrica o dimensión de Seleccionar campo armonizado.

        2. Seleccione el operador apropiado: equals, not equals, less than, greater than, starts with, doesn’t start with, ends with, doesn’t end with, contains, doesn’t contain, is in o is not in.

        3. Escriba o seleccione un valor en Escriba o seleccione el valor.

      2. Para agregar un evento adicional en el contenedor, seleccione Agregar Add event.

      3. Para quitar un evento del contenedor, seleccione Cerrar .

      4. Para filtrar usando todos o cualquiera de los múltiples eventos definidos en el contenedor, seleccione Any of o All of. La etiqueta cambia de Include … Or … a Include … And ….

    • Para agregar un contenedor de población de datos apto, seleccione Agregar Add eligible population.

    • Para quitar un contenedor de población de datos apto, dentro del contenedor, seleccione Más y Remove container en el menú contextual.

    • Seleccione And y Or entre contenedores para generar definiciones más complejas para la población de datos elegible.

  4. Puede administrar conjuntos de datos que contengan factores internos o externos en la sección Factor dataset.

    Modelo: paso del conjunto de datos de factor

    • Para agregar un conjunto de datos de factor, seleccione Add Factor. Puede agregar un máximo de 30 factores a un modelo.

      1. Seleccione un(a) Factor dataset del menú desplegable. Los factores disponibles son los factores para los que ha definido un campo armonizado en reglas del conjunto de datos.
        En función del conjunto de datos seleccionado, Factor type es Internal o External.

      2. Seleccione Impact on conversion del menú desplegable. Las opciones disponibles son: Auto, Positive o Negative. La opción predeterminada es Auto, que permite al modelo determinar el impacto del conjunto de datos de factor.

    • Para eliminar un conjunto de datos de factor, seleccione CrossSize200 .

  5. Para definir la ventana retrospectiva del modelo, escriba un valor entre 1 y 52 en Give contribution credit to touchpoints occurring within… weeks prior to the conversion en la sección Define lookback window.

  6. Para definir la ventana de formación de un modelo, en Define training window, seleccione dónde desea que se inicien las conversiones de puntuación.

    Modelo - Definir ventana de formación

    Puede seleccionar entre:

    • Have Mix Modeler select a helpful training window y

    • Manually input a training window. Cuando esté seleccionado, defina el número de años en Include events the following years prior to a conversion.

    Esta entrada es necesaria para un modelo. La cantidad de años determina cómo se limita el canal y el stock, que puede configurar en el paso Advanced.

  7. Seleccione Next para continuar con el paso siguiente. Si se necesita más configuración, un contorno rojo y texto explican qué configuración adicional se requiere.
    Seleccione Back para regresar al paso anterior.
    Seleccione Cancel para cancelar la configuración del modelo.

Avanzadas advanced

Puede especificar la configuración avanzada en el paso Advanced. En este paso, puede definir gasto compartido, habilitar el modelo para atribución multitáctil (MTA), definir conocimiento previo y definir canal y stock.

Gasto compartido

En la sección Spend share:

  • Para usar las relaciones de inversión de marketing históricas para informar al modelo cuando los datos de marketing son dispersos, active Allow spend share. Se recomienda esta configuración, especialmente en los siguientes casos:

    • Un canal no tiene suficientes observaciones (por ejemplo, baja frecuencia de gasto, impresiones o clics).
    • Está modelando medios puntiagudos pero regulares y potencialmente de alto gasto (como TV para algunas marcas), donde los datos pueden ser dispersos.
    note note
    NOTE
    Para inversiones puntuales (por ejemplo, un anuncio de la Super Bowl), incorpore esos datos como un factor en lugar de depender de la cuota de gasto.

MTA

En la sección MTA enabled:

  • Para habilitar las características de MTA para el modelo, active MTA enabled. Si ha habilitado el MTA, las perspectivas de atribución multitáctil están disponibles después de haber entrenado y puntuado al modelo. Consulte la pestaña Atribución en Información del modelo.

Conocimientos previos

En la sección Prior knowledge:

Modelo - Conocimientos previos

  1. Seleccione Rule type, que es de forma predeterminada Absolute values.

  2. Especifique los porcentajes de contribución para cualquiera de los canales enumerados en Name, utilizando la columna Contribution proportion.

  3. Si corresponde, puede agregar para cada canal un porcentaje de Level of confidence.

  4. Si es necesario, use Clear all para borrar todos los valores de entrada de las columnas Contribution proportion y Level of confidence.

Anuncio de canal

En la sección Channel adstock puede definir retrospectivas de stock individuales (efectos de arrastre o deterioro) y un retardo (tiempo de respuesta demorado) para cada canal (canal de marketing) que haya definido en su modelo.

Esta configuración de stock de anuncios de canal permite un control detallado sobre cómo los distintos canales de marketing afectan a los resultados empresariales a lo largo del tiempo. Como alternativa, puede utilizar los valores predeterminados del sistema y una configuración única para todos.

La configuración de canal de anuncios le ayuda a capturar matices específicos del canal. Por ejemplo, el impacto a largo plazo de las campañas de TV, el impacto a corto plazo de la búsqueda de pago o el desfase entre el gasto de los influenciadores y las conversiones observables. Experimente con los parámetros de retardo y retrospectiva de AdStock para generar perspectivas más precisas, personalizadas y fiables. En última instancia, la configuración de un canal y un stock puede dar lugar a asignaciones presupuestarias más precisas y mejores decisiones empresariales.

Adstock de canal

Para configurar un archivo de canal:

  • Para cada canal (Name), defina un valor Lag (weeks), un valor Min Lookback (weeks) y Max Lookback (weeks). Para cada valor:

    • Use Agregar para aumentar un valor, Restar para disminuir un valor o escribir un valor manualmente.

    El total de semanas de retraso más las semanas de retrospectiva máximas por canal se limita a una octava parte de la ventana de formación configurada. Este límite permite que el modelo disponga de datos suficientes para conocer los efectos del material publicitario. Por ejemplo, para una ventana de formación de dos años, el máximo de Lag (weeks) y Lookback (weeks) para un canal es de 13 semanas. Este límite se impone al definir los valores.

  • Para restablecer todos los valores predeterminados de los anuncios de canal:

    • Seleccione Reset to defaults.

Definir opciones

Puede programar entrenamiento y puntuación, y especificar campos granulares de informe de perspectivas para su modelo en el paso Set options.

Programación

En la sección Schedule, puede programar la formación y la puntuación del modelo.

Modelo de horario

Para programar la puntuación y la formación del modelo:

  1. Activar Enable scheduled model scoring and training.

  2. Seleccionar un Scoring frequency:

    • Daily: escriba una hora válida (por ejemplo, 05:22 pm) o use Reloj para definir la hora.
    • Weekly: seleccione un día de la semana e introduzca una hora válida (por ejemplo, 05:22 pm) o use Reloj para definir la hora.
    • Monthly: seleccione un día del mes en el menú desplegable Ejecutar en cada e introduzca una hora válida (por ejemplo, 05:22 pm) o use Reloj para definir la hora.

  3. Seleccione un(a) Training frequency del menú desplegable: Monthly, Quarterly, Yearly o None.

Campos de informes de perspectivas granulares

La sección Granular insights reporting fields utiliza la funcionalidad de informes de incrementalidad granular. Esta funcionalidad le permite seleccionar campos armonizados para desglosar las puntuaciones de incrementalidad de conversión y puntos de contacto.

Definir campos granulares de informes de perspectivas

Estos campos armonizados se definen de modo que se pueda explorar en profundidad el sistema de informes del modelo mediante columnas de informes granulares en lugar de tener que crear modelos separados.

Por ejemplo, crea un modelo centrado en los ingresos, pero también le interesa el rendimiento de las campañas, los tipos de medios, las regiones y las fuentes de tráfico. Sin la funcionalidad de creación de informes de incrementalidad granular, tendría que crear cuatro modelos independientes. Con la funcionalidad de creación de informes de incrementalidad granular, puede desglosar el modelo de ingresos en campañas, tipos de medios, regiones y fuentes de tráfico.

  1. Seleccione uno o más campos armonizados de Seleccionar campos armonizados debajo de Includes. Los campos armonizados seleccionados se añaden al panel.
  2. Seleccione ***Campo armonizado *** CrossSize100 para quitar un campo armonizado del contenedor con los campos armonizados seleccionados.
  3. Seleccione Clear all para eliminar todos los campos armonizados seleccionados.

Los campos armonizados seleccionados para los informes de incrementalidad granular están disponibles como parte de los conjuntos de datos schema y dataset de Experience Platform que resultan de la puntuación del modelo. Los campos de informes de datos detallados se pueden encontrar dentro de los objetos conversionPassthrough y touchpointPassthrough.

Captura de pantalla de los objetos conversionPassthrough y touchpointPassthrough en un esquema para un modelo habilitado para la creación de informes de incrementalidad granular

Finalizar

  • Seleccione Finish para finalizar la configuración del modelo.

    • En el cuadro de diálogo Create instance?, seleccione Ok para almacenar en déclencheur el primer conjunto de entrenamientos y ejecuciones de puntuación inmediatamente. Su modelo aparece con el estado StatusOrange Awaiting training.

      Seleccione Cancel para cancelar.

    • Si se necesita más configuración, un contorno rojo y texto explican qué configuración adicional se requiere.

  • Seleccione Back para volver al paso anterior.

  • Seleccione Cancel para cancelar la configuración del modelo.

recommendation-more-help
d5f9b631-c793-4214-8dc7-f78d1750e4f4