Lernattribute

Das Lernmodul erlernt die Verwendung von Besucherattributen und Angebotsannahmedaten. Sie können auswählen, welche Besucherattribute überwacht werden sollen. Diese Besucherattribute können ein beliebiges Element in einem Kundenprofil sein, einschließlich eines Attributs, das in einer Dimensionstabelle gespeichert ist, auf die Sie in einem interaktiven Ablaufdiagramm verweisen. Es ist aber auch möglich, einen Ereignisparameter zu verfolgen, der in Echtzeit erfasst wird.

Auch wenn Sie eine beliebige Anzahl von Attributen zum Überwachen konfigurieren können, so empfiehlt IBM® dennoch, dass Sie nicht mehr als zehn Lernattribute zwischen den statischen und dynamischen Lernattributen konfigurieren. Außerdem sollten Sie die folgenden Leitlinien berücksichtigen.

Wählen Sie unabhängige Attribute aus.

Wählen Sie keine ähnlichen Attribute aus. Wenn Sie beispielsweise ein Attribut namens HoheKaufkraft erstellen und dieses Attribut durch eine Berechnung auf der Grundlage des Gehalts definiert wird, wählen Sie weder HoheKaufkraft noch Gehalt aus. Ähnliche Attribute sind für den Lernalgorithmus hinderlich.

Wählen Sie Attribute mit eigenständigen Werten aus.

Wenn ein Attribut Wertspannen aufweist, müssen Sie einen exakten Wert auswählen. Möchten Sie beispielsweise das Gehalt als Attribut verwenden, sollten Sie jeder Gehaltsspanne einen bestimmten Wert zuweisen: Die Spanne 20.000 – 30.000 sollte A sein; 30.000 – 40.000 sollte B sein usw.

Begrenzen Sie die Anzahl der Attribute, um die Leistung nicht zu behindern.

Die Anzahl der Attribute, die Sie verfolgen können, hängt von Ihren Leistungsanforderungen und Ihrer Interact-Installation ab. Sofern möglich verwenden Sie ein anderes Modellierungstool (wie z. B. PredictiveInsight), um die zehn wichtigsten prognostizierbaren Attribute zu bestimmen. Sie können das Lernmodul konfigurieren, um automatisch Attribute zu entfernen, die nicht prognostizierbar sind, aber auch Leistungsbeeinträchtigung bewirken.

Sie können die Leistung verwalten, indem Sie sowohl die Anzahl der zu überwachenden Attribute als auch die Anzahl der Werte pro zu überwachendem Attribut definieren. Mit der Eigenschaft maxAttributeNames wird die maximale Anzahl der zu verfolgenden Besucherattribute definiert. Mit der Eigenschaft maxAttributeValues wird die maximale Anzahl der pro Attribut zu verfolgenden Werte definiert. Alle anderen Werte werden einer Kategorie zugeordnet, die durch den Eigenschaftswert otherAttributeValue definiert wird. Das Lernmodul verfolgt jedoch nur die ersten gefundenen Werte. So möchten Sie beispielsweise das Benutzerattribut Augenfarbe verfolgen. Da Sie nur an den Werten Blau, Braun und Grün interessiert sind, legen Sie den Wert für maxAttributeValues auf 3 fest. Die ersten drei Besucher weisen jedoch die Werte Blau, Braun und Haselnussbraun auf. Dies bedeutet, dass allen Besuchern mit grünen Augen das Attribut otherAttributeValue zugeordnet wird.

Sie können auch dynamische Lernattribute verwenden, mit denen Sie Ihre Lernkriterien spezifischer definieren können. Dynamische Lernattribute ermöglichen es Ihnen, anhand der Kombination von zwei Attributen wie von einem einzigen Eintrag zu lernen. Betrachten Sie als Beispiel die folgenden Profilinformationen:

Besucher-ID	Kartentyp	Kartensaldo
1	Gold Card	$1,000
2	Gold Card	$9,000
3	Bronze Card	$1,000
4	Bronze Card	$9,000

Wenn Sie Standard-Lernattribute verwenden, können Sie nur jeweils anhand des Kartentyps und des Saldos lernen. Besucher 1 und 2 werden, basierend auf demselben Kartentyp, gemeinsam gruppiert, und Besucher 2 und 4 werden basierend auf dem Kartensaldo gruppiert. Dies ist möglicherweise kein korrekter Prädiktor von Angebotsannahmeverhalten. Wenn Gold Card-Inhaber dazu tendieren, einen höheren Saldo zu haben, könnte sich das Verhalten von Besucher 2 radikal von Besucher 4 unterscheiden, was die Standard-Lernattribute verfälschen würde. Wenn Sie allerdings dynamische Lernattribute verwenden, wird individuell anhand der jeweiligen Besucher gelernt, was die Vorhersagen genauer macht.

Wenn Sie dynamische Lernattribute verwenden und der Besucher zwei gültige Werte für ein Attribut hat, wählt das Lernmodul den zuerst gefundenen Wert aus.

Wenn Sie die Eigenschaft enablePruning auf yes festlegen, ermittelt das Lernmodul algorithmisch, welche Attribute nicht prädiktiv sind, und hört auf, diese Attribute bei der Berechnung von Wertigkeiten zu berücksichtigen. Wenn Sie beispielsweise ein Attribut verfolgen, das die Haarfarbe darstellt, und das Lernmodul bestimmt, dass es kein Muster für das Akzeptieren eines Angebots basierend auf der Haarfarbe des Besuchers gibt, hört das Lernmodul auf, das Attribut Haarfarbe zu berücksichtigen. Attribute werden jedes Mal neu bewertet, wenn der Lernaggregationsprozess ausgeführt wird (durch die Eigenschaft aggregateStatsIntervalInMinutes definiert). Dynamische Lernattribute werden auch entfernt.