Risoluzione dei problemi di IA per l’analisi dei clienti
IA per l’analisi dei clienti visualizza gli errori quando l’apprendimento del modello, il punteggio e la configurazione non riescono. Nella sezione Istanze del servizio, una colonna per STATO ULTIMA ESECUZIONE visualizza uno dei seguenti messaggi: Operazione completata, Problema di formazione e Operazione non riuscita.
Se viene visualizzato Non riuscito o Problema di formazione, puoi selezionare lo stato di esecuzione per aprire un pannello laterale. Il pannello laterale contiene Stato ultima esecuzione e Dettagli ultima esecuzione. Dettagli ultima esecuzione contiene informazioni sul motivo per cui l'esecuzione non è riuscita. Nel caso in cui Customer AI non sia in grado di fornire dettagli sull’errore, contatta il supporto con il codice di errore fornito.
Impossibile accedere ad IA per l’analisi dei clienti in incognito Chrome
Gli errori di caricamento in modalità incognito di Google Chrome sono presenti a causa di aggiornamenti nelle impostazioni di protezione in modalità incognito di Google Chrome. Il problema è stato affrontato attivamente con Chrome per rendere experience.adobe.com un dominio affidabile.
Correzione consigliata
Per risolvere questo problema è necessario aggiungere experience.adobe.com come sito che può sempre utilizzare i cookie. Per iniziare, passa a chrome://settings/cookies. Quindi, scorri verso il basso fino alla sezione Comportamenti personalizzati, quindi seleziona il pulsante Aggiungi accanto a "Siti che possono sempre utilizzare i cookie". Nel popover visualizzato, copia e incolla [*.]experience.adobe.com, quindi seleziona la casella di controllo Includi cookie di terze parti su questo sito. Al termine, seleziona Aggiungi e ricarica Customer AI in incognito.
La qualità del modello è scarsa
Se ricevi l'errore "La qualità del modello è scarsa. È consigliabile creare una nuova app con la configurazione modificata". Segui i passaggi consigliati di seguito per facilitare la risoluzione dei problemi.
Correzione consigliata
"La qualità del modello è scarsa" significa che la precisione del modello non rientra in un intervallo accettabile. IA per l’analisi dei clienti non è stata in grado di creare un modello affidabile e AUC (area sotto la curva ROC) < 0,65 dopo l’addestramento. Per correggere l’errore, è consigliabile modificare uno dei parametri di configurazione ed eseguire nuovamente il corso di formazione.
Per iniziare, controlla la precisione dei tuoi dati. È importante che i dati contengano i campi necessari per il risultato predittivo.
- Verifica se il set di dati ha le date più recenti. IA per l’analisi dei clienti presuppone sempre che i dati siano aggiornati al momento dell’attivazione del modello.
- Verifica la presenza di dati mancanti nella finestra di previsione e idoneità definita. I dati devono essere completi senza interruzioni. Assicurati inoltre che il set di dati soddisfi i requisiti dei dati storici di IA per l'analisi dei clienti.
- Controlla la presenza di dati mancanti in commerce, application, web e search, all’interno delle proprietà dei campi dello schema.
Se i dati non sembrano essere il problema, prova a modificare la condizione di popolazione di idoneità per limitare il modello a determinati profili (ad esempio, _experience.analytics.customDimensions.eVars.eVar142 esiste negli ultimi 56 giorni). Questo limita la popolazione e le dimensioni dei dati utilizzati nella finestra di formazione.
Se la limitazione della popolazione di idoneità non ha funzionato o non è possibile, modifica la finestra di previsione.
- Prova a impostare la finestra di previsione su 7 giorni per verificare se l’errore continua a verificarsi. Se l’errore non si verifica più, significa che potresti non disporre di dati sufficienti per la finestra di previsione definita.
Errori
{{actual_num_samples}} in totale) che soddisfano la definizione dell'obiettivo di previsione da {{outcome_window_start}} a {{outcome_window_end}}. Per generare un modello sono necessari almeno {{min_num_samples}} utenti con eventi qualificati.Soluzioni suggerite:
1. Verificare la disponibilità dei dati
2. Diminuire l'intervallo di tempo dell'obiettivo di previsione
3. Modifica la definizione dell’obiettivo di previsione per includere più utenti (Codice di errore: VALIDATION-400 NOT_ABBASTANZA_OBJECTIVE)
Soluzioni suggerite:
1. Verificare la disponibilità dei dati
2. Diminuire l'intervallo di tempo dell'obiettivo di previsione
3. Modifica la definizione dell’obiettivo di previsione per includere più utenti. (Codice di errore: VALIDATION-400 NOT_ABBASTANZA_OBJECTIVE)
{{actual_num_samples}} in totale) da {{eligibility_window_start}} a {{eligibility_window_end}}. È necessario che almeno {{min_num_samples}} utenti idonei generino un modello.Soluzioni suggerite:
1. Verificare la disponibilità dei dati
2. Se viene fornita una definizione di popolazione idonea, riduci l’intervallo temporale del filtro di idoneità 3. Se non viene fornita una definizione di popolazione idonea, provare ad aggiungerne una (Codice errore: VALIDATION-401 NOT_ABBASTANZA_POPULATION)
Soluzioni suggerite:
1. Verifica disponibilità dati
2. Se viene fornita una definizione di popolazione idonea, riduci l’intervallo di tempo del filtro di idoneità.
3. Se non viene fornita una definizione di popolazione idonea, prova ad aggiungerne una. (Codice di errore: VALIDATION-401 NOT_ABBASTANZA_POPULATION)
Alcuni suggerimenti includono:
1. Modifica la configurazione per aggiungere una definizione di popolazione idonea.
2. Utilizzare origini dati aggiuntive per migliorare la qualità del modello
3. Aggiungi eventi personalizzati per includere più dati nel modello (Codice errore: VALIDATION-402 BAD_MODEL)
Alcuni suggerimenti includono:
1. Prova a modificare la configurazione per aggiungere una definizione di popolazione idonea.
2. Valuta la possibilità di utilizzare fonti di dati aggiuntive per migliorare la qualità del modello. (Codice di errore: VALIDATION-402 BAD_MODEL)
Alcuni suggerimenti includono:
1. Assicurati che il modello sia stato addestrato con dati recenti. In caso contrario, considera la possibilità di riaddestrare il modello.
2. Assicurati che non vi siano problemi di dati (ad esempio dati mancanti/ritardo dati) nelle attività di punteggio. (Codice di errore: VALIDATION-403 INELIIBLE_SCORES)
Alcuni suggerimenti includono:
1. Assicurati che il modello sia stato addestrato con dati recenti. In caso contrario, considera la possibilità di riaddestrare il modello.
2. Assicurati che non vi siano problemi di dati (ad esempio dati mancanti/ritardo dati) nelle attività di punteggio. (Codice di errore: VALIDATION-403 INELIIBLE_SCORES)
{{eligibility_window_start}} a {{eligibility_window_end}}. Controllare i dati per verificare che vengano aggiornati regolarmente. (Codice di errore: VALIDATION-405 NO_SCORING_DATA)Sono necessari 120 giorni di dati recenti. Per ulteriori informazioni, consulta la documentazione sui requisiti dei dati.
Soluzioni suggerite:
1. Verificare la disponibilità dei dati
2. Diminuire l'intervallo di tempo dell'obiettivo di previsione
3. Se viene fornita una definizione di popolazione idonea, ridurre l'intervallo di tempo del filtro di idoneità
4. Se non viene fornita una definizione di popolazione idonea, provare ad aggiungerne una (Codice errore: VALIDATION-407 NOT_ABBASTANZA_HISTORICAL_EVENT_DATA)
Sono necessari 120 giorni di dati recenti. Per ulteriori informazioni, consulta la documentazione sui requisiti dei dati.
Soluzioni suggerite:
1. Verifica la disponibilità dei dati.
2. Riduci l’intervallo di tempo dell’obiettivo di previsione.
3. Se viene fornita una definizione di popolazione idonea, riduci l’intervallo di tempo del filtro di idoneità.
4. Se non viene fornita una definizione di popolazione idonea, prova ad aggiungerne una. (Codice di errore: VALIDATION-407 NOT_ABBASTANZA_HISTORICAL_EVENT_DATA)
{{data_days}} giorni precedenti a {{etl_window_end}}. Controlla il set di dati per assicurarti che venga aggiornato regolarmente. (Codice di errore: VALIDATION-408 NO_RECENT_DATA_FOR_ELIABLE_POPULATION){{outcome_window_start}} a {{outcome_window_end}}. Per generare un modello sono necessari almeno {{min_num_samples}} utenti con eventi qualificati.Soluzioni suggerite:
1. Verificare la disponibilità dei dati
2. Modificare la definizione dell'obiettivo di previsione (Codice di errore: VALIDATION-409 NO_OBJECTIVE)
Soluzioni suggerite:
1. Verifica la disponibilità dei dati.
2. Modifica la definizione dell’obiettivo di previsione. (Codice di errore: VALIDATION-409 NO_OBJECTIVE)
{{eligibility_window_start}} a {{eligibility_window_end}}. È necessario che almeno {{min_num_samples}} utenti idonei generino un modello.Soluzioni suggerite:
1. Verificare la disponibilità dei dati
2. Se viene fornita una definizione di popolazione idonea, modifica la condizione o aumenta l’intervallo di tempo del filtro di idoneità (Codice di errore: VALIDATION-410 NO_POPULATION)
Soluzioni suggerite:
1. Verifica la disponibilità dei dati.
2. Se viene fornita una definizione di popolazione idonea, modifica la condizione o aumenta l’intervallo di tempo del filtro di idoneità. (Codice errore: VALIDATION-410 NO_POPULATION)
{{etl_start_date}} e {{etl_end_date}}. Assicurati che il set di dati disponga di dati sufficienti. (Codice di errore: VALIDATION-411 NO_INPUT_DATA_AFTER_ETL){{etl_start_date}} e {{etl_end_date}}. Assicurati che il set di dati disponga di dati sufficienti.{{etl_window_start}} e {{etl_window_end}}.Soluzioni suggerite:
1. Modificare la definizione dell'obiettivo di previsione
2. Verifica la completezza dei dati o utilizza un diverso che includa esempi di eventi non qualificati per l’obiettivo di previsione (Codice di errore: VALIDATION-413 SINGLE_VALUE_IN_OBJECTIVE)
Soluzioni suggerite:
1. Modifica la definizione dell’obiettivo di previsione.
2. Verifica la completezza dei dati o utilizza un diverso che includa esempi di eventi non qualificati per l’obiettivo di previsione. (Codice di errore: VALIDATION-413 SINGLE_VALUE_IN_OBJECTIVE)