Créer des modèles

Pour créer vos modèles personnalisés optimisés par l’IA, l’interface fournit un flux de configuration guidé du modèle étape par étape.

Dans l’interface Models Modèles de Mix Modeler, sélectionnez Open model canvas.

Configuration

Définissez le nom et la description à l’étape Setup :

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

    Nom et description du modèle

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

Configuration

Configurez votre modèle à l’étape Configure. La configuration implique la définition d’objectifs de conversion, de points de contact marketing, de la population de données éligibles, de facteurs externes et internes, etc.

  1. Dans la section Conversion goal :

    Modèle - étape de conversion

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

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

  2. 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.

    Modèle - étape du point de contact marketing

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

      • Vous pouvez utiliser CrossSize75 pour supprimer un point de contact.
      • Vous pouvez utiliser Clear all pour supprimer tous les points de contact.
    2. Vous pouvez sélectionner l’Create a touchpoint LinkOutLight pour créer un point de contact marketing directement à partir de la configuration du modèle.

    note note
    NOTE
    Vous ne pouvez pas configurer le modèle avec des points de contact dont les données se chevauchent et qui doivent comporter au moins un point de contact avec des dépenses.
  3. 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 .

    Modèle - Population de données éligible

    • 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 Ajouter Add event.

      3. Pour supprimer un événement du conteneur, sélectionnez Fermer .

      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 Ajouter Add eligible population.

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

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

  4. Pour ajouter des jeux de données contenant des facteurs externes à votre modèle, utilisez un ou plusieurs conteneurs dans la section External factors dataset . Les indices S&P sont un exemple de facteurs externes.

    Modèle - Jeu de données de facteurs externes

    • Pour chaque conteneur :

      1. Saisissez un External factor name, par exemple External Factors.

      2. Sélectionnez un jeu de données dans le menu déroulant Dataset . Vous pouvez sélectionner Données pour gérer les jeux de données. Voir Jeux de données pour plus d’informations.

      3. Sélectionnez une option dans le menu déroulant Impact on conversion : Auto select, Positive ou Negative.

    • Pour ajouter un conteneur de jeu de données de facteurs externes supplémentaires, sélectionnez Ajouter Add external factor.

    • Pour supprimer un conteneur de jeu de données de facteurs externes, sélectionnez RemoveCircle .

  5. Pour ajouter des jeux de données contenant des facteurs internes à votre modèle, utilisez un ou plusieurs conteneurs dans la section Internal factors dataset . Les données de marketing par e-mail sont un exemple de facteurs internes.

    Modèle - Jeu de données de facteurs internes

    • Pour chaque conteneur :

      1. Saisissez un Internal factor name, par exemple Email Marketing Data.

      2. Sélectionnez un jeu de données dans Sélectionnez un jeu de données. Vous pouvez sélectionner Données pour gérer les jeux de données. Voir Jeux de données pour plus d’informations.

      3. Sélectionnez une option dans le menu déroulant Impact on conversion : Auto select, Positive ou Negative.

    • Pour ajouter un conteneur de jeu de données de facteurs internes supplémentaires, sélectionnez Ajouter Add internal factor.

    • Pour supprimer un conteneur de jeux de données de facteurs internes, sélectionnez RemoveCircle .

  6. 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 withinweeks prior to the conversion.

  7. 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.

Advanced

Vous pouvez spécifier des paramètres avancés à l’étape Advanced. Au cours de cette étape, vous pouvez activer votre modèle pour l’attribution multipoint (MTA).

  1. 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.
  2. 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.
  3. Dans la section Prior knowledge :

    Modèle - Connaissances préalables

    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.

Planning

Vous pouvez planifier l’entraînement et l’enregistrement de votre modèle à l’étape Schedule.

  1. Dans la section Schedule , vous pouvez planifier l’entraînement et la notation des modèles.

    Modèle de planification

    Pour planifier la notation et la formation des modèles :

    1. Activez Enable scheduled model scoring and training.

    2. Sélectionner un Scoring frequency :

      • Daily : saisissez une heure valide (par exemple, 05:22 pm) ou utilisez Horloge .
      • Weekly : sélectionnez un jour de la semaine et saisissez une heure valide (par exemple, 05:22 pm) ou utilisez Horloge .
      • 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 Horloge .
    3. Sélectionnez un Training frequency dans le menu déroulant : Monthly, Quarterly, Yearly ou None.

  2. Dans la section Define training window, sélectionnez entre :

    Modèle - Définir la fenêtre de formation

    • Have Mix Modeler select a helpful training window et

    • Manually input a training window. Lorsque cette option est sélectionnée, définissez le nombre d’années dans Include events the following years prior to a conversion.

  3. Sélectionnez Finish pour terminer la configuration du modèle.

    • Dans la boîte de dialogue Create instance?, sélectionnez Ok pour déclencher immédiatement le premier jeu d’exécutions d’entraînement et de notation. Votre modèle est répertorié avec le statut StatusOrange Awaiting training.

      Sélectionnez Cancel pour annuler.

    • 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.

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