DokumentationMix ModelerAnvändarhandbok för Mix Modeler

Skapa modeller

Last update: Thu Apr 02 2026 00:00:00 GMT+0000 (Coordinated Universal Time)
  • Ämnen:

Skapat för:

  • Användare
  • Administratör

Gränssnittet ger ett stegvis guidat modellkonfigurationsflöde när du vill skapa anpassade AI-baserade modeller.

Välj Open model canvas i gränssnittet Models Models i Mix Modeler.

Inställningar

Du definierar ett namn och en beskrivning i Setup-steget:

  1. Ange modellen Name, till exempel Demo model. Ange en Description, till exempel Demo model to explore AI features of Mix Modeler.

    Modellnamn och beskrivning

  2. Välj Next om du vill fortsätta till nästa steg. Välj Cancel om du vill avbryta modellkonfigurationen.

Konfigurera configure

Du konfigurerar modellen i steget Configure. Konfiguration innefattar definition av konverteringsmål, kontaktytor för marknadsföring, den stödberättigade datapopulationen, externa och interna faktorer, med mera.

  1. I avsnittet Conversion goal:

    Modell - konverteringssteg

    1. Välj en konvertering i listrutan Conversion. De tillgängliga konverteringarna är de konverteringar som du har definierat som en del av Konverteringar i Harmonized datasets. Exempel: Online Conversion.

    2. Du kan välja LinkOutLight Create a conversion om du vill skapa en konvertering direkt från modellkonfigurationen.

  2. I avsnittet Marketing touchpoints kan du välja en eller flera kontaktytor för marknadsföring, som motsvarar de kontaktytor för marknadsföring som du har definierat som en del av Marknadsföringskontaktytor i Harmonized datasets.

    Modell - steg för kontaktyta vid marknadsföring

    1. Välj en eller flera kontaktytor för marknadsföring i listrutan Touchpoint include.

      • Du kan använda CrossSize75 för att ta bort en kontaktyta.
      • Du kan använda Clear all för att ta bort alla kontaktytor.

    2. Du kan välja LinkOutLight Create a touchpoint om du vill skapa en marknadsföringskontaktyta direkt från modellkonfigurationen.

    note note
    NOTE
    Du kan inte ställa in modellen med kontaktytor som har överlappande data och det måste finnas minst en kontaktyta med utgifter.

  3. Som standard genereras en poäng för alla data i din harmoniserade vy. Om du bara vill poängsätta en delmängd av populationen definierar du ett eller flera filter med hjälp av behållare i avsnittet Eligible data population.

    Modell - kvalificerade datapifieringar

    • Definiera en eller flera händelser för varje behållare.

      1. För varje händelse:

        1. Välj ett mått eller en dimension från Välj harmoniserat fält.

        2. Välj lämplig operator: 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 eller is not in.

        3. Ange eller välj ett värde vid Ange eller välj värdet.

      2. Om du vill lägga till ytterligare en händelse i behållaren väljer du Lägg till Add event.

      3. Om du vill ta bort en händelse från behållaren väljer du Stäng .

      4. Om du vill filtrera med hjälp av alla eller några av flera händelser som definieras i behållaren väljer du Any of eller All of. Etiketten ändras på motsvarande sätt från Include … Or … till Include … And ….

    • Välj Lägg till Add eligible population om du vill lägga till en giltig dataifyllningsbehållare.

    • Om du vill ta bort en giltig dataifyllningsbehållare i behållaren väljer du Mer och sedan Remove container på snabbmenyn.

    • Välj And och Or mellan behållare om du vill skapa mer komplexa definitioner för den giltiga datapifyllningen.

  4. Du kan hantera datauppsättningar som innehåller interna eller externa faktorer i avsnittet Factor dataset.

    Modell - Faktordatamängdssteg

    • Om du vill lägga till en faktordatauppsättning väljer du Add Factor. Du kan lägga till högst 30 faktorer i en modell.

      1. Välj en Factor dataset i listrutan. De tillgängliga faktorerna är de faktorer som du har definierat ett harmoniserat fält för i datauppsättningsreglerna.
        Baserat på den valda datauppsättningen är Factor type antingen Internal eller External.

      2. Välj Impact on conversion i listrutan. Tillgängliga alternativ är: Auto, Positive eller Negative. Standardalternativet är Auto, vilket gör att modellen kan avgöra faktordatauppsättningens påverkan.

    • Om du vill ta bort en faktordatauppsättning väljer du CrossSize200 .

  5. Ange ett värde mellan 1 och 52 i Give contribution credit to touchpoints occurring within … weeks prior to the conversion i avsnittet Define lookback window om du vill definiera uppslagsfönstret för modellen.

  6. Om du vill definiera utbildningsfönstret för en modell väljer du på Define training window var du vill starta poängkonverteringar.

    Modell - Definiera utbildningsfönster

    Du kan välja mellan:

    • Have Mix Modeler select a helpful training window och

    • Manually input a training window. Ange antalet år i Include events the following years prior to a conversion när du väljer det här alternativet.

    Den här inmatningen krävs för en modell. Antalet år avgör hur mycket av kanalens adstock som du kan konfigurera i steget Advanced begränsas.

  7. Välj Next om du vill fortsätta till nästa steg. Om mer konfiguration behövs, förklarar en röd kontur och text vilken ytterligare konfiguration som krävs.
    Välj Back om du vill gå tillbaka till föregående steg.
    Välj Cancel om du vill avbryta modellkonfigurationen.

Avancerat advanced

Du kan ange avancerade inställningar i steget Advanced. I det här steget kan du definiera utgiftsresurs, aktivera modellen för multi-touch-attribution (MTA), definiera tidigare kunskap och definiera kanaladstock.

Utgiftsresurs

I avsnittet Spend share:

  • Aktivera Allow spend share om du vill använda tidigare investeringsförhållanden för marknadsföring för att informera modellen när marknadsföringsdata är begränsade. Den här inställningen rekommenderas, särskilt i följande scenarier:

    • En kanal har inte tillräckligt många observationer (t.ex. låg frekvens av utgifter, visningar eller klick).
    • Du modellerar spiky men regular och potentiellt högspenderade media (som TV för vissa varumärken), där data kan vara glesa.
    note note
    NOTE
    För engångsinvesteringar (t.ex. en Super Bowl-annons) kan ni lägga in dessa data som en faktor i stället för att förlita er på utgiftsdelen.

MTA

I avsnittet MTA enabled:

  • Aktivera MTA enabled om du vill aktivera MTA-funktioner för modellen. Om du har aktiverat MTA finns multitouch-attribueringsinsikter tillgängliga efter att du har utbildat och betygsatt modellen. Se fliken Attribution i Model insights.

Tidigare kunskap

I avsnittet Prior knowledge:

Modell - tidigare kunskap

  1. Välj Rule type, som är standard Absolute values.

  2. Ange procentsatser för bidrag för någon av kanalerna som listas under Name, med kolumnen Contribution proportion.

  3. Om det är lämpligt kan du lägga till Level of confidence procent för varje kanal.

  4. Använd Clear all vid behov för att rensa alla indatavärden för kolumnerna Contribution proportion och Level of confidence.

Kanaladstock

I avsnittet Channel adstock kan du definiera enskilda adstock-lookback (överföringar eller dekorationseffekter) och fördröjning (fördröjd svarstid) för varje kanal (marknadsföringskanal) som du har definierat i modellen.

Den här kanalens adstock-konfiguration ger detaljerad kontroll över hur olika marknadsföringskanaler påverkar affärsresultatet över tid. Du kan också använda systemstandardvärden och en konfiguration som passar alla.

Kanalkonfigurationen hjälper dig att fånga kanalspecifika nyanser. Exempel: den långvariga effekten av tv-kampanjer, den kortvariga effekten av betalsökningar eller fördröjningen mellan påverkarutgifter och observerbara konverteringar. Experimentera med parametrar för snabb sökning och fördröjning för att skapa mer korrekta, skräddarsydda och pålitliga insikter. I slutändan kan en kanalkonfiguration leda till exaktare budgetallokeringar och bättre affärsbeslut.

Kanaldata

Så här konfigurerar du kanaldata:

  • Definiera ett Lag (weeks)-, Min Lookback (weeks)- och Max Lookback (weeks)-värde för varje kanal (Name). För varje värde:

    • Använd Lägg till om du vill öka ett värde, Subtrahera om du vill minska ett värde eller ange ett värde manuellt.

    Det totala antalet fördröjningsveckor plus maximala uppslagsveckor per kanal begränsas till en åttondel av det konfigurerade utbildningsfönstret. Den här begränsningen tillåter tillräckligt med data för att modellen ska kunna lära sig adstock-effekterna. För ett tvåårigt utbildningsfönster är det maximala antalet Lag (weeks) och Lookback (weeks) för en kanal till exempel 13 veckor. Den här ändpunkten används när du definierar värdena.

  • Så här återställer du alla kanaldata till standardvärden:

    • Välj Reset to defaults.

Ange alternativ

Du kan schemalägga utbildning och poängsättning och ange detaljerade insikter, rapportfält för modellen i steget Set options.

Schema

I avsnittet Schedule kan du schemalägga modellutbildning och poängsättning.

Schemamodell

Så här schemalägger du poäng och utbildning för modeller:

  1. Aktivera Enable scheduled model scoring and training.

  2. Välj en Scoring frequency:

    • Daily: Ange en giltig tid (till exempel 05:22 pm) eller använd Klocka för att definiera tiden.
    • Weekly: Välj en veckodag och ange en giltig tid (till exempel 05:22 pm) eller använd Klocka för att definiera tiden.
    • Monthly: Välj en dag i månaden i listrutan Kör på varje och ange en giltig tid (till exempel 05:22 pm) eller använd Klocka för att definiera tiden.

  3. Välj en Training frequency i listrutan: Monthly, Quarterly, Yearly eller None.

Rapporteringsfält för detaljerade insikter

Avsnittet Granular insights reporting fields använder rapportfunktionen för detaljerad inkrementalitet. Med den här funktionen kan du välja harmoniserade fält för att bryta ned poängen för konvertering och kontaktpunktsökning.

Definiera detaljerade insikter, rapportfält

Du definierar dessa harmoniserade fält så att du kan gå nedåt i modellrapporteringen med hjälp av detaljerade rapportkolumner i stället för att behöva skapa separata modeller.

Du kan till exempel skapa en modell som fokuserar på intäkter, men du är också intresserad av kampanjernas, medietyperna, regionerna och trafikkällornas prestanda. Utan den detaljerade inkrementalitetsrapporteringen skulle du behöva skapa fyra separata modeller. Med den detaljerade funktionen för inkrementalitetsrapportering kan ni dela upp intäktsmodellen för kampanjer, medietyper, regioner och trafikkällor.

  1. Välj ett eller flera harmoniserade fält från Välj harmoniserade fält under Includes. De valda harmoniserade fälten läggs till på panelen.
  2. Välj ***Harmoniserat fält *** CrossSize100 om du vill ta bort ett harmoniserat fält från behållaren med de valda harmoniserade fälten.
  3. Välj Clear all om du vill ta bort alla markerade harmoniserade fält.

De valda harmoniserade fälten för detaljerad tillväxtrapportering är tillgängliga som en del av Experience Platform schema och datamängd som är ett resultat av att modellen bedömts. Rapporteringsfälten för detaljerade insikter finns i objekten conversionPassthrough och touchpointPassthrough.

Skärmbild av objekten conversionPassthrough och touchPointPassthrough i ett schema för en modell som har aktiverats för detaljerad rapportering om inkrementalitet

Slutför

  • Välj Finish för att slutföra modellkonfigurationen.

    • I dialogrutan Create instance? väljer du Ok för att utlösa den första uppsättningen kurser och poäng direkt. Din modell visas med statusen StatusOrange Awaiting training.

      Välj Cancel om du vill avbryta.

    • Om mer konfiguration behövs, förklarar en röd kontur och text vilken ytterligare konfiguration som krävs.

  • Välj Back om du vill gå tillbaka till föregående steg.

  • Välj Cancel om du vill avbryta modellkonfigurationen.

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