Créer des modèles

Saisissez votre Name de modèle, par exemple Demo model. Saisissez un Description, par exemple Demo model to explore AI features of Mix Modeler.

Sélectionnez Next pour passer à l’étape suivante. Sélectionnez Cancel pour annuler la configuration du modèle.

Dans la section Conversion goal :

1. Sélectionnez une conversion dans le menu déroulant Conversion . Les conversions disponibles correspondent à celles que vous avez définies dans le cadre de l’​ ​ConversionsHarmonized datasets. Par exemple : Online Conversion.

2. Vous pouvez sélectionner l’ LinkOutLight Create a conversion pour créer une conversion directement à partir de la configuration du modèle.

Dans la section Marketing touchpoints , vous pouvez sélectionner un ou plusieurs points de contact marketing, correspondant aux points de contact marketing que vous avez définis dans le cadre de l’points de contact marketing dans Harmonized datasets.

1. Sélectionnez un ou plusieurs points de contact marketing dans le menu déroulant Touchpoint include .

   • Vous pouvez utiliser pour supprimer un point de contact.
   • Vous pouvez utiliser Clear all pour supprimer tous les points de contact.

2. Vous pouvez sélectionner l’ LinkOutLight Create a touchpoint pour créer un point de contact marketing directement à partir de la configuration du modèle.

Par défaut, un score est généré pour toutes les données de la vue harmonisée. Pour noter uniquement un sous-ensemble de la population, définissez un ou plusieurs filtres à l’aide de conteneurs dans la section Eligible data population .

• Pour chaque conteneur, définissez un ou plusieurs événements.

  1. Pour chaque événement :

     1. Sélectionnez une mesure ou une dimension dans Sélectionner le champ harmonisé.

     2. Sélectionnez l’opérateur approprié : 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 ou is not in.

     3. Saisissez ou sélectionnez une valeur sur Saisissez ou sélectionnez une valeur.

  2. Pour ajouter un événement supplémentaire dans le conteneur, sélectionnez Add event.

  3. Pour supprimer un événement du conteneur, sélectionnez .

  4. Pour filtrer à l’aide de l’ensemble ou de l’un des multiples événements définis dans le conteneur, sélectionnez Any of ou All of. Le libellé passe donc de Include … Or … à Include … And ….

• Pour ajouter un conteneur de population de données éligible, sélectionnez Add eligible population.

• Pour supprimer un conteneur de population de données éligible dans le conteneur, sélectionnez , puis Remove container dans le menu contextuel.

• Sélectionnez Et et Ou entre les conteneurs pour créer des définitions plus complexes pour votre population de données éligible.

Vous pouvez gérer les jeux de données contenant des facteurs internes ou externes dans la section Factor dataset .

• Pour ajouter un jeu de données de facteur, sélectionnez Add Factor. Vous pouvez ajouter un maximum de 30 facteurs à un modèle.

  1. Sélectionnez un Factor dataset dans le menu déroulant. Les facteurs disponibles sont ceux pour lesquels vous avez défini un champ harmonisé dans règles de jeu de données.
     En fonction du jeu de données sélectionné, le Factor type est Internal ou External.

  2. Sélectionnez le Impact on conversion dans le menu déroulant. Les options disponibles sont : Auto, Positive ou Negative. L’option par défaut est Auto, ce qui permet au modèle de déterminer l’impact du jeu de données de facteur.

• Pour supprimer un jeu de données de facteur, sélectionnez .

Pour définir l’intervalle de recherche en amont du modèle, saisissez une valeur comprise entre 1 et 52 dans Give contribution credit to touchpoints occurring within … weeks prior to the conversion dans la section Define lookback window .

Sélectionnez Next pour passer à l’étape suivante. Si une configuration supplémentaire est nécessaire, un contour et un texte rouges expliquent quelle configuration supplémentaire est requise.
Sélectionnez Back pour revenir à l’étape précédente.
Sélectionnez Cancel pour annuler la configuration du modèle.

Dans la section Spend share :

• Pour utiliser les ratios d’investissement marketing historiques afin d’informer le modèle lorsque les données marketing sont rares, activez Allow spend share. Ce paramètre est recommandé, en particulier dans les scénarios suivants :

  • Un canal ne contient pas suffisamment d’observations (par exemple, une faible fréquence de dépenses, d’impressions ou de clics).
  • Vous modélisez des médias sophistiqués mais réguliers, et potentiellement coûteux (comme la télévision pour certaines marques), où les données peuvent être éparses.

  note note
  NOTE
  Pour les investissements ponctuels (par exemple une publicité pour le Super Bowl), pensez à incorporer ces données en tant que facteur plutôt que de compter sur la part de dépenses.

Dans la section MTA enabled :

• Pour activer les fonctionnalités MTA pour le modèle, activez MTA enabled. Si vous avez activé le MTA, les informations d’attribution multipoint sont disponibles après avoir formé et noté votre modèle. Voir l’onglet Attribution dans Model Insights.

Dans la section Prior knowledge :

1. Sélectionnez l’Rule type, qui est Absolute values par défaut.

2. Indiquez les pourcentages de contribution pour l’un des canaux répertoriés sous Name, à l’aide de la colonne Contribution proportion .

3. Le cas échéant, vous pouvez ajouter pour chaque canal un pourcentage Level of confidence.

4. Si nécessaire, utilisez Clear all pour effacer toutes les valeurs d’entrée des colonnes Contribution proportion et Level of confidence.

Activez Enable scheduled model scoring and training.

Sélectionner un Scoring frequency :

• Daily : saisissez une heure valide (par exemple, 05:22 pm) ou utilisez .
• Weekly : sélectionnez un jour de la semaine et saisissez une heure valide (par exemple, 05:22 pm) ou utilisez .
• Monthly : sélectionnez un jour du mois dans le menu déroulant Exécuter sur chaque et saisissez une heure valide (par exemple 05:22 pm) ou utilisez .

Sélectionnez un Training frequency dans le menu déroulant : Monthly, Quarterly, Yearly ou None.