Aprendizaje de Interact

El módulo de aprendizaje de Interact supervisa las respuestas del visitante a las ofertas y los atributos de visitante. El módulo de aprendizaje tiene dos modos generales:

Exploración - el módulo de aprendizaje sirve las ofertas para recopilar datos de respuesta suficientes para optimizar el cálculo que se utiliza posteriormente durante la explotación. Las ofertas servidas durante la exploración no reflejan necesariamente la opción óptima.

Explotación - una vez recopilados suficientes datos en la fase de exploración, el módulo de aprendizaje utiliza las probabilidades para ayudarle a seleccionar qué ofertas se deben presentar.

El módulo de aprendizaje alterna entre la exploración y la explotación basándose en dos propiedades: un nivel de confianza que configura con la propiedad confidenceLevel y una probabilidad de que el módulo de aprendizaje presente una oferta aleatoria que configura con la propiedad percentRandomSelection.

Debe establecer confidenceLevel en un porcentaje que representa el grado de seguridad (o confianza) que debe tener el módulo de aprendizaje para que se utilicen sus puntuaciones de una oferta en el arbitraje. Al principio, cuando el módulo de aprendizaje no tiene datos a partir de los que trabajar, depende totalmente de la puntuación de marketing. Cuando cada oferta se ha presentado tantas veces como se define en minPresentCountThreshold, el módulo de aprendizaje entra en el modo de exploración. Sin una gran cantidad de datos con los que trabajar, el módulo de aprendizaje no está seguro de que los porcentajes que calcula son correctos. Por lo tanto, permanece en el modo de exploración.

El módulo de aprendizaje asigna ponderaciones a cada oferta. Para calcular las ponderaciones, el módulo de aprendizaje utiliza una fórmula que toma como entrada el nivel de confianza configurado, así como los datos de aceptación históricos y los datos de la sesión actual. La fórmula establece un equilibrio intrínseco entre la exploración y explotación, y devuelve la ponderación adecuada.

Para garantizar que el sistema favorece las ofertas con un mayor rendimiento durante las primeras etapas, Interact presenta una oferta aleatoria el percentRandomSelection por ciento del tiempo. Esto obliga al módulo de aprendizaje a recomendar ofertas que no sean las más satisfactorias para determinar si las otras ofertas tendrían un mayor rendimiento si estuvieran más expuestas. Por ejemplo, si configura percentRandomSelection en 5, esto significa que el módulo de aprendizaje presenta una oferta aleatoria el 5% del tiempo y añade los datos de respuesta a sus cálculos.

El módulo de aprendizaje determina qué ofertas se presentan de la siguiente forma.

Por ejemplo, el módulo de aprendizaje determina que un visitante tiene un 30% de probabilidades de aceptar una oferta A y un 70% de probabilidades de aceptar una oferta B, y que debe explotar esta información. A partir de las reglas de tratamiento, la puntuación de marketing de la oferta A es 75 y 55 para la oferta B. Sin embargo, los cálculos del paso 3 convierten la puntuación final de la oferta B en mayor que la de la oferta A. Por lo tanto, el entorno de ejecución recomienda la oferta B.

El aprendizaje también se basa en la propiedad recencyWeightingFactor y en la propiedad recencyWeightingPeriod. Estas propiedades permiten aumentar la ponderación de los datos más recientes. recencyWeightingFactor es el porcentaje de ponderación que deben tener los datos recientes. recencyWeightingPeriod es el período de tiempo que se considera reciente. Por ejemplo, puede configurar recencyWeightingFactor en 0,30 y recencyWeightingPeriod en 24. Esto significa que las últimas 24 horas de datos, se pondera el 30% de todos los datos. Si tiene el equivalente a una semana de datos, todos los datos promediados en los primeros seis días constituyen el 70% de los datos y en el último día constituyen el 30% de los datos.