Skapa en lookalike-modell create-an-algorithmic-model

Beskriver de obligatoriska och valfria stegen som gör att du kan skapa en Look-Alike Model.

Model Builder-avsnitt

Model Builder består av avsnitten Basic Information och Configuration. Om du vill skapa en modell fyller du i de obligatoriska fälten i dessa två avsnitt. Spara modellen för att starta algoritmen. Audience Manager skickar ett automatiskt meddelande till dig när den första datakörningen har slutförts. När du har fått e-postmeddelandet kan du gå till Trait Builder och skapa algoritmiska egenskaper.

NOTE
  • Modelleringsprocessen körs bara en gång om du skapar en modell och inte skapar några egenskaper med den.
  • Skapa modeller från datakällor som innehåller meningsfull information. Modeller med otillräckliga data kommer att köras, men returnerar inga resultat.
  • Skapa inte modeller med andra algoritmiska egenskaper eller segment.
  • Det automatiska e-postmeddelandet skickas endast en gång (efter den första datakörningen).

Bygg modellen

Följ stegen nedan för att skapa en Look-Alike Model:

  1. Gå till Audience Data > Models och klicka på Add New i avsnittet Look-Alike Modeling.
    look-alike-add

  2. I avsnittet Grundläggande information

    • Ge modellen ett namn.

    • (Valfritt) Ange en kort beskrivning av modellen.

    • Ange modellens status till Active eller Inactive. Inaktiva modeller kommer inte att köras och kommer inte att generera några data.

      look-alike-basic

  3. I avsnittet Konfiguration:

    • Klicka på Browse All Traits eller Browse All Segments för att välja ett spår eller segment som du vill modellera mot. Sök efter egenskaper efter namn, ID, beskrivning eller datakälla. Klicka på en mapp medan du söker för att begränsa resultatet till den mappen och dess undermappar. Du kan också filtrera egenskaper efter trait-typ (Folder Trait, Rule-based, Onboarded och Algorithmic) eller populationstyp (enhets-ID och Cross-Device ID).

      browse-traits

    • Välj en 30, 60 eller 90 dagars summeringsperiod. Detta anger ett tidsintervall för modellen.

    • Algoritmen TraitWeight är markerad som standard.

    • Välj en datakälla i listan Available Data.

    • Klicka på Save när du är klar.

      look-alike-configuration

Titta på videon nedan för att få en detaljerad bild av hur enhetsövergripande mätvärden fungerar.

Grundläggande information för algoritmiska modeller basic-information

I Model Builder kan du med inställningarna för Basic Information skapa nya eller redigera befintliga modeller. Om du vill skapa en ny modell anger du ett namn och går vidare till inställningarna för Configuration. Beskrivningsfältet är valfritt.

Fält
Beskrivning
Name
Ge modellen ett kort logiskt namn som beskriver dess funktion eller syfte. Undvik förkortningar, specialtecken och accenttecken.
Description
Ett fält för ytterligare beskrivande information om modellen.
Status
Aktiverar eller inaktiverar modellen (aktiv som standard).

Konfiguration configuration

I Model Builder kan du med Configuration-avsnittet lägga till egenskaper eller segment i modellen. I det här avsnittet väljer du ett baslinjetrafik eller segment, en summeringsperiod och data från första och tredje parts datakällor.

Förutsättningar

Fyll i de obligatoriska fälten i avsnittet Basic Information först.

Fält
Beskrivning
Välj ett baslinjestöd eller segment (1)

Klicka på trait- eller segment-knappen för att visa en lista över alla egenskaper och segment. Ditt valda segment eller egenskaper blir baslinjen som systemalgoritmerna använder för modellering.

Obs!: Välj en fördel, en regelbaserad egenskap eller ett segment som baslinje. Annars körs inte modellerna.

Välj summeringsperiod (2)
Anger ett tidsintervall för modellen. Beroende på vad du väljer innehåller och utvärderar algoritmen data från de senaste 30, 60 eller 90 dagarna.
Välj algoritm (3)
För närvarande fungerar Model Builder endast med vår egna Trait Weight -algoritm. Audience Manager kan lägga till andra algoritmiska funktioner i efterföljande versioner.
Välj modelldata från Data Source (4)
Gör att du kan välja den första och tredje parts datakälla som du vill använda i modellen.
Undantag (5)
Du kan utesluta egenskaper från de datakällor som du har valt för modellering. Använd listan Undantag och läs algoritmiska modeller: Uteslutning av traitom du vill veta mer.

Titta på videon nedan för att lära dig hur du skapar en modell som ser likadan ut som hos första part, så att du kan hitta fler av dina egna besökare som ser ut som dina konverterare.

recommendation-more-help
de293fbf-b489-49b0-8daa-51ed303af695