モデル

Mix Modelerのモデル機能を使用すると、ビジネス目標に固有のモデルを設定、トレーニング、スコアリングできます。 トレーニングとスコアリングは、マルチタッチアトリビューションとマーケティングミックスモデリングの間の AI 駆動の転送学習をサポートします。

モデルは、Mix Modelerアプリケーションワークフローの一部として作成する統一データに基づいています。

Mix Modelerのモデルは、マーケターの投資に基づいて指定された成果を測定し、予測するために使用される機械学習モデルです。 マーケティングタッチポイントおよび概要レベルデータを入力として使用できます。 Mix Modelerを使用すると、売上高、販売数量、リードなど、変数、ディメンション、結果の様々なセットに基づいてモデルのバリアントを作成できます。

モデルには次の要件があります。

  • 1 つのコンバージョン。
  • 概要レベルデータ、マーケティングタッチポイントデータ(イベントデータ)またはその両方で構成された 1 つ以上のマーケティングタッチポイント(チャネル)です。
  • 設定可能なルックバックウィンドウ。
  • 設定可能なトレーニングウィンドウ。

モデルには、オプションで次の項目を含めることができます。

  • 外部要因。
  • 内部要因。
  • 過去の関係者エクスペリエンス、増分的テスト、その他のモデルなど、他のソースからのマーケティング投稿に関する予備知識。
  • 費用共有:マーケティングデータが疎な場合に、相対的な費用共有をプロキシとして使用します。

モデルの作成

モデルを作成するには、「Open model canvas」を選択すると使用できるMix Modelerステップバイステップのガイド付きモデル設定フローを使用します。 詳しくは、 モデルの作成を参照してください。

モデルの管理

Mix Modelerインターフェイスで現在のモデルのテーブルを表示するには:

  1. 左パネルから Models を選択します。

  2. 現在のモデルのテーブルが表示されます。

    テーブルの列には、モデルに関する詳細が指定されます。

    table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 layout-auto
    列名 詳細
    名前 モデル名
    説明 モデルの説明
    コンバージョンイベント モデルに対して選択した変換。
    実行頻度 モデルをトレーニングする実行頻度。
    前回の実行 モデルの最後のトレーニングの日時。
    ステータス モデルのトレーニングの前回の実行ステータス。
    StatusGreen Success
    StatusOrange トレーニングの問題
    StatusOrange トレーニングを待機中
    StatusRed 失敗
    StatusGreen _(前回の実行が処理中)
  3. リストに表示される列を変更するには、「 列設定 を選択し、列のオン チェック とオフを切り替えます。

特定のモデルに対して次のアクションを実行できます。

モデルインサイト

モデルインサイト機能は、正常にトレーニングされたモデルとスコアリングされたモデルでのみ使用できます。

モデルのインサイトを表示するには:

  1. 左パネルから Models を選択します。

  2. モデル名を選択します。

モデルインサイトにリダイレクトされます。

詳細を表示

モデルの詳細を表示するには:

  1. 左パネルから Models を選択します。

  2. モデルの 情報 を選択して、詳細を含むポップアップを表示します。

複製

モデルをすばやく複製できます。

  1. 左パネルから Models を選択します。

  2. モデルの 詳細 を選択し、右クリック メニューから [Duplicate] を選択します。

編集

モデルの名前、説明、およびトレーニングとスコアリングのスケジュールを編集できます。

  1. 左パネルから Models を選択します。

  2. モデルの 詳細 を選択し、右クリック メニューから [Edit] を選択します。

    Edit model ダイアログで、次の手順を実行します。

    • 新しい NameDescription を入力します。

    • スケジュールを有効にするには、Status を有効にします。 トレーニングおよびスコアリングされたモデルのスケジュールのみを有効にできます。

      1. Scoring frequency を選択:

        • Daily:有効な時間(例:05:22 pm)を入力するか、 Clock を使用します。
        • Weekly:曜日を選択して有効な時間(例:05:22 pm)を入力するか、 Clock を使用します。
        • Monthly: 「実行するタイミング」ドロップダウンメニューから日付を選択し、有効な時刻(例:05:22 pm)を入力するか、 時計 を使用します。
      2. ドロップダウンメニューから Training frequencyMonthlyQuarterlyYearlyNone のいずれか)を選択します。

      モデルを編集

  3. Save を選択します。

再トレーニング

モデルの再トレーニングは、正常にトレーニングされたモデルでのみ使用できます。

次のような場合に、モデルの再トレーニングを検討します。

  • 新しい増分マーケティングおよび要因データを含めます。 例えば、前四半期の市場力学が変更されたり、マーケティングデータ配分が大幅に変更されたりしたとします。

モデルを再トレーニングするには:

  1. 左パネルから Models を選択します。

  2. モデルの 詳細 を選択し、右クリック メニューから [Train] を選択します。 または、青いアクションバーから DataRefresh Train を選択します。

    Train model ダイアログで、次の操作を実行するオプションを選択します。

    • Train model with last 2 years of marketing data、または
    • Train model using specific date range of data
      日付範囲を指定します。 カレンダー を使用して、日付範囲を選択できます。 最低 1 年のデータ範囲を選択する必要があります。

    モデルの再トレーニング

  3. Train を選択してモデルを再トレーニングします。

スコアまたは再スコア

新しいマーケティングデータに基づいてモデルに増分的にスコアを付けたり、特定の日付範囲でモデルを再スコア化したりできます。

以下が必要な場合は、モデルのスコアを変更することを検討します。

  • 間違ったマーケティングデータを修正します。 例えば、モデルのトレーニングとスコアリングに含めた最近の有料検索データが、1 週間のデータを見逃したとします。
  • 調和されたデータの一部として設定したデータセットの更新によって利用可能になった新しい増分マーケティングデータを使用します。

モデルにスコアを付ける、または再スコアを付ける手順は、次のとおりです。

  1. 左パネルから Models を選択します。

  2. モデルの 詳細 を選択し、右クリック メニューから [Score] を選択します。 または、青いアクションバーから DataRefresh Score を選択します。

    Score marketing data ダイアログで、次の操作を実行するオプションを選択します。

    • **Score new marketing data from *mm/dd/yyyy ***:新しいマーケティングデータを使用してモデルに増分的にスコアを付ける
    • 特定の日付範囲に対して再スコア化する Score specific date range of marketing data 要があります。
      日付範囲を指定します。 カレンダー を使用して、日付範囲を選択できます。

    モデルの再トレーニング

  3. Score」を選択します。 特定のデータ範囲を使用してモデルを再スコアリングすると、Existing model is replaced のダイアログが表示され、選択した日付範囲の新しいスコアでモデルを置き換えるかどうかを確認するように求められます。 「Replace model」を選択して確定します。

モデルの削除

モデルを削除するには:

  1. 左パネルから Models を選択します。

  2. モデルの 詳細 を選択し、右クリック メニューから [Delete] を選択します。 または、青いアクションバーから 削除 Delete を選択します。

複数のモデルを削除するには:

  1. 複数のモデルを選択します。

  2. 青いアクションバーから、「 削除 Delete 選択してモデルを削除します。

    note warning
    WARNING
    モデルはすぐに削除されます。
recommendation-more-help
d5f9b631-c793-4214-8dc7-f78d1750e4f4