Veelgestelde vragen over look-Alike Modeling

Overzicht

In dit artikel worden antwoorden gegeven op de meest gestelde vragen over Look-Alike Modeling.

Vragen

Waarom krijg ik een plat? Accuracy & Reach grafiek?

Een vlak Accuracy & Reach de grafiek betekent dat bijna elke gebruiker de zelfde score door het model ontving. Dit kan gebeuren wanneer u de eigenschap voor sitebezoekers opneemt in de gegevensbronnen waarop u het model hebt uitgevoerd. Als u dit wilt voorkomen, verwijdert u het algemene kenmerk uit de modelinvoer tijdens de stap voor het maken van het model door het gereedschap Exclusions veld.

Waarom hebben sommige van mijn invloedrijke trekjes een zeer klein publiek?

Het algoritme selecteert kenmerken die sterk gecorreleerd zijn met het basislijnkenmerk. Als een bepaalde eigenschap bijvoorbeeld 100% overlapt met de basislijneigenschap, heeft deze een zeer hoog gewicht, zelfs als het aantal gebruikers in die eigenschap klein is.

Waarom is mijn model niet uitgevoerd/herhaald?

Modellen die resultaten hebben opgeleverd, blijven alleen actief als u ten minste één actieve algoritmische eigenschap hebt gemaakt en deze aan een actief segment en een bestemming hebt toegewezen.

Waarom heeft mijn model geen resultaten opgeleverd?

Dit wordt doorgaans veroorzaakt door het feit dat de basispopulatie en de populatie in de geselecteerde gegevensbronnen elkaar niet significant overlappen.

Is er een aanbeveling over het basislijnkenmerk of de segmentgrootte?

Enkele duizenden gebruikers zouden genoeg moeten zijn om het model in werking te stellen, aangezien er aanzienlijke overlappingen zijn tussen de basispopulatie en de populatie in de geselecteerde gegevensbronnen. Look-Alike Modeling geeft nauwkeuriger resultaten, hoe groter de basislijn.

Welke gegevensbronnen van derden moet ik kiezen voor mijn model?

Gebruik gegevensbronnen die ten minste gedeeltelijk overlappen met uw basislijnkenmerk of -segment, maar zorg er tegelijkertijd voor dat extra gebruikers worden toegevoegd. U zou ook de kosten verbonden aan elke gegevensuitvoer moeten overwegen. De kosten- en prijsmodellen verschillen per gegevensaanbieder in Audience Marketplace.

Kosten het om derdegegevens voor modellering te gebruiken?

Dit hangt af van het prijsmodel van de geselecteerde gegevensinvoer. Sommige feeds maken modellering zonder kosten mogelijk, terwijl anderen u een vergoeding in rekening brengen. Zie Facturering voor kopers van gegevensfeed voor meer informatie.

Hoeveel modellen/eigenschappen mag ik maken?

Op dit moment kunt u maximaal 20 algoritmische modellen en 50 algoritmische kenmerken maken.

Wat is de vernieuwingsfrequentie van de modeltraining en algoritmische traitepopulatie?

Het model wordt om de 8 dagen opnieuw getraind, samen met het vernieuwen van de algoritmische populatie van de eigenschap.