文件Mix ModelerMix Modeler 指南

建立模型

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

建立對象：

  • 使用者
  • 管理員

為了建置您的自訂AI支援模型，介面會提供逐步引導模型設定流程。

在Mix Modeler的 模型 Models​介面中，選取​Open model canvas。

設定

您在​ Setup ​步驟中定義名稱和說明：

  1. 輸入您的模型​Name，例如Demo model。 輸入​Description，例如Demo model to explore AI features of Mix Modeler。

    模型名稱和描述

  2. 選取​ Next ​以繼續下一個步驟。 選取​ Cancel ​以取消模型組態。

設定 configure

您在​ Configure ​步驟中設定您的模型。 設定涉及轉換目標的定義、行銷接觸點、合格的資料母體、外部和內部因素等。

  1. 在​ Conversion goal ​區段中：

    模型 — 轉換步驟

    1. 從​ Conversion ​下拉式功能表中選取轉換。 可用的轉換是您在Harmonized datasets中定義為轉換一部分的轉換。 例如 Online Conversion。

    2. 您可以選取 LinkOutLight Create a conversion，直接從模型組態中建立轉換。

  2. 在「Marketing touchpoints」區段中，您可以選取一或多個行銷接觸點，對應至您在Harmonized datasets中定義為行銷接觸點一部分的行銷接觸點。

    模型 — 行銷接觸點步驟

    1. 從​ Touchpoint include ​下拉式功能表中選取一或多個行銷接觸點。

      • 您可以使用 CrossSize75 移除接觸點。
      • 您可以使用​ Clear all ​移除所有接觸點。

    2. 您可以選取 LinkOutLight Create a touchpoint，以直接從模型設定中建立行銷接觸點。

    note note
    NOTE
    您無法使用具有重疊資料的接觸點來設定模型，而且必須至少有一個具有花費的接觸點。

  3. 根據預設，系統會針對您協調檢視中的所有資料產生一個分數。 若要僅對母體的子集評分，請使用​ Eligible data population ​區段中的容器定義一或多個篩選器。

    模型 — 合格的資料母體

    • 針對每個容器，定義一或多個事件。

      1. 針對每個事件：

        1. 從​ 選取協調欄位 ​中選取量度或維度。

        2. 選取適當的運運算元： 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​或​is not in。

        3. 在​輸入或選取值。

      2. 若要在容器中新增其他事件，請選取 新增 Add event。

      3. 若要從容器移除事件，請選取 關閉 。

      4. 若要使用容器中定義的所有或多個事件進行篩選，請選取​ Any of ​或​All of。 標籤會相應地從​ Include … Or … ​變更為​Include … And …。

    • 若要新增合格的資料母體容器，請選取 新增 Add eligible population。

    • 若要移除合格的資料母體容器，請在容器中選取 更多 ，然後從內容功能表中選取​Remove container。

    • 在容器之間選取​ And ​和​Or，為您的合格資料母體建置更複雜的定義。

  4. 您可以在​ Factor dataset ​區段中管理包含內部或外部因子的資料集。

    模型 — 因素資料集步驟

    • 若要新增因子資料集，請選取​Add Factor。 您最多可以新增30個因子至模型。

      1. 從下拉式功能表中選取​Factor dataset。 可用的因子是您已在資料集規則中定義協調欄位的因子。
        根據選取的資料集，Factor type​為​ Internal ​或​External。

      2. 從下拉式功能表中選取​Impact on conversion。 可用的選項包括： Auto、Positive​或​Negative。 預設選項為​Auto，可讓模型判斷因子資料集的影響。

    • 若要刪除因子資料集，請選取 CrossSize200 。

  5. 若要定義模型的回顧期間，請在​ Define lookback window ​區段的​Give contribution credit to touchpoints occurring within … weeks prior to the conversion​中輸入介於1到52之間的值。

  6. 若要定義模型的訓練時段，請在​Define training window，選取您要開始評分轉換的位置。

    模型 — 定義訓練時段

    您可以選取：

    • Have Mix Modeler select a helpful training window​和

    • Manually input a training window. 選取時，在​ Include events the following years prior to a conversion ​中定義年數。

    模型需要此輸入。 年數決定您可以在​ Advanced ​步驟中設定的管道adstock上限方式。

  7. 選取​ Next ​以繼續下一個步驟。 如果需要更多組態，紅色外框和文字會說明需要哪些額外組態。
    選取​ Back ​以返回上一步。
    選取​ Cancel ​以取消模型組態。

進階 advanced

您可以在​ Advanced ​步驟中指定進階設定。 在此步驟中，您可以定義支出共用、啟用多重接觸歸因(MTA)的模型、定義先前知識以及定義管道adstock。

支出共用

在​ Spend share ​區段中：

  • 若要在行銷資料稀疏時使用歷史行銷投資比率來通知模型，請啟動​Allow spend share。 建議使用此設定，尤其是在下列情況下：

    • 管道沒有足夠的觀察值（例如支出、曝光或點按頻率低）。
    • 您正在模型化尖峰但一般且可能高花費的媒體（例如某些品牌的電視節目），這些媒體中的資料可能會很稀疏。
    note note
    NOTE
    對於一次性投資（例如超級碗廣告），將該資料納入為因素，而不是依賴支出份額。

MTA

在​ MTA enabled ​區段中：

  • 若要啟用模型的MTA功能，請啟動​MTA enabled。 如果您已啟用MTA，則在您已訓練並評分您的模型後，即可使用多重接觸歸因深入分析。 檢視模型深入分析中的歸因索引標籤。

先前知識

在​ Prior knowledge ​區段中：

模型 — 先前知識

  1. 選取​Rule type，預設為​Absolute values。

  2. 使用​ Contribution proportion ​欄，為​ Name ​底下列出的任何管道指定貢獻百分比。

  3. 您可以視情況為每個管道新增​ Level of confidence ​百分比。

  4. 必要時，請使用​ Clear all ​清除​ Contribution proportion ​與​ Level of confidence ​欄的所有輸入值。

管道Adstock

在​ Channel adstock ​區段中，您可以針對您在模型中定義的每個管道（行銷管道），定義個別Adstock回顧（結轉或衰減效果）和延遲（延遲回應時間）。

此管道Adstock設定可讓您更精確地控制不同行銷管道如何隨著時間影響業務結果。 或者，您也可以使用系統預設值和「一刀切」組態。

頻道adstock設定可協助您擷取頻道特有的細微差別。 例如，電視促銷活動的長期影響、付費搜尋的短期影響，或影響者支出與可觀察的轉換之間的延遲。 使用Adstock回顧和延遲引數來實驗，產生更準確、量身打造且值得信賴的深入分析。 最終，管道Adstock設定可帶來更精確的預算分配和更好的業務決策。

管道adstock

若要設定頻道Adstock：

  • 對於每個管道(Name)，定義​Lag (weeks)、Min Lookback (weeks)​和​ Max Lookback (weeks) ​值。 針對每個值：

    • 使用 加 增加值， 減 減少值，或手動輸入值。

    每個管道的延遲周數加回顧周數上限為設定培訓時段的八分之一。 此上限允許模型有足夠資料來瞭解Adstock效果。 例如，對於兩年的訓練期間，管道的​ Lag (weeks) ​和​ Lookback (weeks) ​的上限為13週。 此上限會在您定義值時強制執行。

  • 若要將所有色版Adstock重設為預設值：

    • 選擇「Reset to defaults」。

設定選項

您可以排程訓練和評分，並在​ Set options ​步驟中為您的模型指定精細見解報告欄位。

排程

在​ Schedule ​區段中，您可以排程模型訓練和評分。

排程模型

若要排程模型評分與訓練，請執行下列步驟：

  1. 開啟​Enable scheduled model scoring and training。

  2. 選取​Scoring frequency：

    • Daily：輸入有效的時間（例如05:22 pm）或使用 時鐘 來定義時間。
    • Weekly：選取一週的某天，然後輸入有效的時間（例如05:22 pm），或使用 時鐘 來定義時間。
    • Monthly：從[在每個下拉式功能表上執行]選取一個月的某天，並輸入有效的時間（例如05:22 pm），或使用 時鐘 來定義時間。

  3. 從下拉式功能表中選取​Training frequency： Monthly、Quarterly、Yearly​或​None。

精細見解報告欄位

Granular insights reporting fields​區段使用精細的增量報表功能。 此功能可讓您選取協調的欄位，以劃分轉換和接觸點增量分數。

定義精細的深入分析報表欄位

您可以定義這些協調欄位，以便使用精細的報表欄在模型的報表中深入研究，而不必建立個別模型。

例如，您建立的模型著重於收入，但您也會對行銷活動、媒體型別、地區和流量來源績效感興趣。 如果沒有精細的增量報表功能，您必須建立四個個別的模型。 使用細微的增量報告功能，您可以根據行銷活動、媒體型別、地區和流量來源來劃分收入模型。

  1. 從​ Includes ​底下的​ 選取協調欄位 ​中，選取一或多個協調欄位。 選取的協調欄位會新增至面板。
  2. 選取​協調欄位​ CrossSize100 ，以從包含所選協調欄位的容器中移除協調欄位。
  3. 選取​ Clear all ​以移除所有選取的協調欄位。

為精細增量報告選取的協調欄位可作為Experience Platform 結構描述和資料集的一部分，這些資料來自對模型計分。 在​ conversionPassthrough ​和​ touchpointPassthrough ​物件中可以找到精細見解報告欄位。

針對已啟用精細增量報告的模型，在結構描述中擷取conversionPassthrough和touchpointPassthrough物件的熒幕擷圖

完成

  • 選取​ Finish ​以完成您的模型設定。

    • 在​ Create instance? ​對話方塊中，選取​ Ok ​以立即觸發第一組訓練和評分回合。 您的模型已列出，狀態為 StatusOrange Awaiting training。

      選取​ Cancel ​以取消。

    • 如果需要更多組態，紅色外框和文字會說明需要哪些額外組態。

  • 選取​ Back ​以返回上一步。

  • 選取​ Cancel ​以取消模型組態。

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