Creare modelli

Per creare modelli personalizzati basati sull’intelligenza artificiale, l’interfaccia fornisce un flusso guidato e dettagliato di configurazione del modello.

Nell'interfaccia Models Models in Mix Modeler, selezionare Open model canvas.

Configurazione

È possibile definire un nome e una descrizione nel passaggio Setup:

  1. Immettere il modello Name, ad esempio Demo model. Immettere un Description, ad esempio Demo model to explore AI features of Mix Modeler.

    Nome modello e descrizione

  2. Selezionare Next per continuare con il passaggio successivo. Selezionare Cancel per annullare la configurazione del modello.

Configurare configure

Il modello viene configurato nel passaggio Configure. La configurazione comporta la definizione di obiettivi di conversione, punti di contatto di marketing, popolazione di dati idonea, fattori esterni e interni e altro ancora.

  1. Nella sezione Conversion goal:

    Modello - passaggio conversione

    1. Selezionare una conversione dal menu a discesa Conversion. Le conversioni disponibili sono quelle definite come parte di Conversioni in Harmonized datasets. Ad esempio, Online Conversion.

    2. È possibile selezionare LinkOutLight Create a conversion per creare una conversione direttamente dalla configurazione del modello.

  2. Nella sezione Marketing touchpoints puoi selezionare uno o più punti di contatto marketing, corrispondenti ai punti di contatto marketing definiti come parte di punti di contatto marketing in Harmonized datasets.

    Modello - passaggio punto di contatto marketing

    1. Selezionare uno o più punti di contatto di marketing dal menu a discesa Touchpoint include.

      • È possibile utilizzare CrossSize75 per rimuovere un punto di contatto.
      • È possibile utilizzare Clear all per rimuovere tutti i punti di contatto.
    2. Puoi selezionare LinkOutLight Create a touchpoint per creare un punto di contatto di marketing direttamente dalla configurazione del modello.

    note note
    NOTE
    Non è possibile impostare il modello con punti di contatto con dati sovrapposti e deve esserci almeno un punto di contatto con la spesa.
  3. Per impostazione predefinita, viene generato un punteggio per tutti i dati nella vista armonizzata. Per valutare solo un sottoinsieme della popolazione, definire uno o più filtri utilizzando i contenitori nella sezione Eligible data population.

    Modello - Popolazione dati idonea

    • Per ogni contenitore, definisci uno o più eventi.

      1. Per ogni evento:

        1. Seleziona una metrica o dimensione da Seleziona campo armonizzato.

        2. Selezionare l'operatore appropriato: 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. Immettere o selezionare un valore in Immettere o selezionare il valore.

      2. Per aggiungere un altro evento nel contenitore, selezionare Aggiungi Add event.

      3. Per rimuovere un evento dal contenitore, selezionare Chiudi .

      4. Per filtrare utilizzando tutti o uno qualsiasi dei più eventi definiti nel contenitore, selezionare Any of o All of. L'etichetta cambia di conseguenza da Include … Or … a Include … And ….

    • Per aggiungere un contenitore di popolazione dati idoneo, selezionare Aggiungi Add eligible population.

    • Per rimuovere un contenitore del gruppo di dati idoneo, all'interno del contenitore, selezionare Altro e selezionare Remove container dal menu di scelta rapida.

    • Seleziona And e Or tra contenitori per creare definizioni più complesse per la tua popolazione di dati idonea.

  4. È possibile gestire set di dati contenenti fattori interni o esterni nella sezione Factor dataset.

    Modello - Passaggio set di dati fattore

    • Per aggiungere un set di dati fattore, selezionare Add Factor. Potete aggiungere un massimo di 30 fattori a un modello.

      1. Selezionare Factor dataset dal menu a discesa. I fattori disponibili sono i fattori per i quali hai definito un campo armonizzato in regole set di dati.
        In base al set di dati selezionato, Factor type è Internal o External.

      2. Selezionare Impact on conversion dal menu a discesa. Opzioni disponibili: Auto, Positive o Negative. L'opzione predefinita è Auto, che consente al modello di determinare l'impatto del set di dati del fattore.

    • Per eliminare un set di dati di fattore, selezionare CrossSize200 .

  5. Per definire l'intervallo di lookback per il modello, immettere un valore compreso tra 1 e 52 in Give contribution credit to touchpoints occurring withinweeks prior to the conversion nella sezione Define lookback window.

  6. Per definire la finestra di formazione per un modello, in Define training window, seleziona la posizione in cui desideri iniziare a valutare le conversioni.

    Modello - Definisci la finestra di formazione

    Puoi scegliere tra:

    • Have Mix Modeler select a helpful training window e

    • Manually input a training window. Se selezionata, definire il numero di anni in Include events the following years prior to a conversion.

    Questo input è necessario per un modello. Il numero di anni determina il limite di channel adstock che è possibile configurare nel passaggio Advanced.

  7. Selezionare Next per continuare con il passaggio successivo. Se è necessaria una configurazione maggiore, una struttura e un testo rossi spiegano quale configurazione aggiuntiva è necessaria.
    Selezionare Back per tornare al passaggio precedente.
    Selezionare Cancel per annullare la configurazione del modello.

Avanzate advanced

È possibile specificare impostazioni avanzate nel passaggio Advanced. In questo passaggio puoi definire condivisione di spesa, abilitare il tuo modello per attribuzione multi-touch (MTA), definire conoscenza precedente e definire channel adstock.

Condivisione di spesa

Nella sezione Spend share:

  • Per utilizzare i rapporti di investimento di marketing storici per informare il modello quando i dati di marketing sono sparsi, attivare Allow spend share. Si consiglia questa impostazione, in particolare nei seguenti scenari:

    • Un canale non dispone di un numero sufficiente di osservazioni (ad esempio, bassa frequenza di spesa, impression o clic).
    • Stai modellando contenuti multimediali ad alto contenuto ma regolari e potenzialmente molto spesi (come la TV per alcuni marchi), in cui i dati possono essere scarsi.
    note note
    NOTE
    Per investimenti una tantum (ad esempio un annuncio per il Super Bowl), incorpora tali dati come fattore invece di fare affidamento sulla quota di spesa.

MTA

Nella sezione MTA enabled:

  • Per abilitare le funzionalità MTA per il modello, attiva MTA enabled. Se hai abilitato l’MTA, gli approfondimenti sull’attribuzione multi-touch sono disponibili dopo aver addestrato e valutato il modello. Consulta la scheda Attribuzione in Informazioni sul modello.

Conoscenze precedenti

Nella sezione Prior knowledge:

Modello - Conoscenza precedente

  1. Selezionare Rule type, che è per impostazione predefinita Absolute values.

  2. Specificare le percentuali di contributo per i canali elencati in Name, utilizzando la colonna Contribution proportion.

  3. Se appropriato, puoi aggiungere per ogni canale una percentuale di Level of confidence.

  4. Se necessario, utilizzare Clear all per cancellare tutti i valori di input per le colonne Contribution proportion e Level of confidence.

Channel adstock

Nella sezione Channel adstock è possibile definire singoli lookback di adstock (effetti di trascinamento o decadimento) e ritardi (tempi di risposta ritardati) per ogni canale (canale di marketing) definito nel modello.

Questa configurazione di channel adstock consente un controllo dettagliato sul modo in cui i diversi canali di marketing influiscono sui risultati aziendali nel tempo. In alternativa, è possibile utilizzare i valori predefiniti di sistema e una configurazione unica.

La configurazione di channel adstock consente di acquisire sfumature specifiche per il canale. Ad esempio, l’impatto a lungo termine delle campagne TV, l’impatto a breve termine della ricerca a pagamento o il ritardo tra la spesa degli influencer e le conversioni osservabili. Sperimenta i parametri di lookback e lag di adstock per generare informazioni più precise, personalizzate e affidabili. In ultima analisi, una configurazione di channel adstock può portare a allocazioni di budget più precise e a decisioni aziendali migliori.

Canale adstock

Per configurare il canale adstock:

  • Per ogni canale (Name), definire un valore Lag (weeks), Min Lookback (weeks) e Max Lookback (weeks). Per ogni valore:

    • Utilizza Aggiungi per aumentare un valore, Sottrai per diminuirlo o immetti un valore manualmente.

    Il totale delle settimane di lag più il massimo delle settimane di lookback per canale è limitato a un ottavo della finestra di apprendimento configurata. Questo tappo consente di ottenere dati sufficienti per consentire al modello di apprendere gli effetti adstock. Ad esempio, per un intervallo di formazione di due anni, il massimo di Lag (weeks) e Lookback (weeks) per un canale è 13 settimane. Questo limite viene applicato quando si definiscono i valori.

  • Per ripristinare i valori predefiniti di tutti i canali adstock:

    • Seleziona Reset to defaults.

Impostare le opzioni

Puoi pianificare l'apprendimento e il punteggio e specificare campi di reporting di approfondimenti granulari per il modello nel passaggio Set options.

Pianificazione

Nella sezione Schedule è possibile pianificare l'apprendimento del modello e il punteggio.

Pianifica modello

Per pianificare l’apprendimento e il punteggio del modello:

  1. Attiva Enable scheduled model scoring and training.

  2. Seleziona Scoring frequency:

    • Daily: immettere un'ora valida (ad esempio 05:22 pm) oppure utilizzare Orologio per definire l'ora.
    • Weekly: selezionare un giorno della settimana e immettere un'ora valida (ad esempio 05:22 pm) oppure utilizzare Orologio per definire l'ora.
    • Monthly: selezionare un giorno del mese dal menu a discesa Esegui su ogni e immettere un'ora valida (ad esempio 05:22 pm) oppure utilizzare Orologio per definire l'ora.
  3. Selezionare Training frequency dal menu a discesa: Monthly, Quarterly, Yearly o None.

Campi di reporting per approfondimenti granulari

La sezione Granular insights reporting fields utilizza la funzionalità di reporting con incremento granulare. Questa funzionalità ti consente di selezionare campi armonizzati per suddividere i punteggi di conversione e di incrementalità dei punti di contatto.

Definisci i campi di reporting delle informazioni granulari

Puoi definire questi campi armonizzati in modo da poter analizzare in profondità il reporting del modello utilizzando colonne di reporting granulari invece di dover creare modelli separati.

Ad esempio, puoi creare un modello incentrato sui ricavi, ma sei anche interessato alle prestazioni di campagne, tipi di media, aree geografiche e origini di traffico. Senza la funzionalità di reporting con incrementalità granulare, sarebbe necessario creare quattro modelli separati. Con la funzionalità di reporting granulare per incrementalità, puoi suddividere il modello di ricavi per campagne, tipi di media, aree geografiche e origini di traffico.

  1. Seleziona uno o più campi armonizzati da Seleziona campi armonizzati sotto Includes. I campi armonizzati selezionati vengono aggiunti al pannello.
  2. Selezionare ***Campo armonizzato *** CrossSize100 per rimuovere un campo armonizzato dal contenitore con i campi armonizzati selezionati.
  3. Selezionare Clear all per rimuovere tutti i campi armonizzati selezionati.

I campi armonizzati selezionati per il reporting di incrementalità granulare sono disponibili come parte del schema e del set di dati di Experience Platform risultante dal punteggio del modello. I campi di reporting delle informazioni granulari sono disponibili negli oggetti conversionPassthrough e touchpointPassthrough.

Schermata degli oggetti conversionPassthrough e touchpointPassthrough in uno schema per un modello abilitato per il reporting granulare dellincrementalità

Fine

  • Seleziona Finish per completare la configurazione del modello.

    • Nella finestra di dialogo Create instance?, seleziona Ok per attivare immediatamente il primo set di addestramento e punteggio. Il modello è elencato con lo stato StatusOrange Awaiting training.

      Selezionare Cancel per annullare.

    • Se è necessaria una configurazione maggiore, una struttura e un testo rossi spiegano quale configurazione aggiuntiva è necessaria.

  • Selezionare Back per tornare al passaggio precedente.

  • Selezionare Cancel per annullare la configurazione del modello.

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