Poche catture per i modelli in Audienci Manager

Descrizione description

Poche catture intorno ai modelli di Audience Manager.

Risoluzione resolution

  • Come funziona un pubblico simile e i suoi vantaggi?

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/understanding-models.html?lang=en

  • Come determinare i parametri/input apt per crearlo.

Alcune migliaia di utenti dovrebbero essere sufficienti per eseguire il modello su, dato che vi è una significativa sovrapposizione di caratteristiche tra la popolazione linea di base e la popolazione nelle origini dati selezionate. La modellazione lookalike produce risultati più precisi, maggiore è la linea di base.

  • Cos’è il peso delle caratteristiche e come funziona?

La scala di peso delle caratteristiche è una percentuale compresa tra 0% e 100%. Le caratteristiche classificate più vicino al 100% indicano che sono più simili al pubblico nella popolazione linea di base. TraitWeight classifica le caratteristiche appena scoperte in ordine di influenza o desiderabilità.

  • Qual è la popolazione soglia minima della caratteristica/segmento di base che può essere presa in considerazione?

Come indicato sopra, poche migliaia di utenti dovrebbero essere sufficienti per eseguire il modello su, dato che vi è una significativa sovrapposizione di caratteristiche tra la popolazione linea di base e la popolazione nelle origini dati selezionate.

  • Perché e come selezionare le origini dati per aumentare e diminuire la rilevanza per le caratteristiche di base?

Utilizza origini dati che hanno almeno una sovrapposizione con la caratteristica/segmento linea di base, ma allo stesso tempo includono ulteriori utenti. È inoltre necessario considerare il costo associato a ciascun feed di dati. I modelli di costi e prezzi variano tra i fornitori di dati in Audience Marketplace.

  • Quali caratteristiche escludere e su quale base?

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/trait-exclusion-algo-models.html?lang=en

  • Una volta completata l’esecuzione del modello, quali sono i passaggi successivi?

Una volta completata l’esecuzione del modello, puoi iniziare a creare le caratteristiche e i segmenti.

  • Chiarezza nella creazione di altre caratteristiche e segmenti dai dati dopo l’esecuzione del modello e nel suo funzionamento e utilizzo.

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/traits/trait-builder/create-algorithmic-traits.html?lang=en

  • Confronto tra gamma e precisione.

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/traits/trait-accuracy-reach.html?lang=en

  • Come ottenere una precisione ottimale con una portata e una portata maggiori?

https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/traits/trait-accuracy-reach.html?lang=en#accuracy-and-reach-affect-audience-size

  • Fattori che dipendono dalla creazione/implementazione riuscita del lookalike e dalla sua portata

Visitate il link https://experienceleague.adobe.com/docs/audience-manager/user-guide/features/algorithmic-models/look-alike-modeling/understanding-models.html?lang=en per i punti 10 e 11 e comunicateci se avete domande/problemi specifici che possiamo aiutarvi con in uno qualsiasi dei modelli.

  • Quanti giorni/intervalli di tempo di esecuzione del modello e il tempo ottimale per creare segmenti dallo stesso?

Attualmente, puoi creare fino a 20 modelli algoritmici e 50 caratteristiche algoritmiche. Il modello viene riaddestrato una volta ogni 8 giorni, insieme all’aggiornamento della popolazione delle caratteristiche algoritmiche.

recommendation-more-help
3d58f420-19b5-47a0-a122-5c9dab55ec7f