Informationen zur Interact-Lernfunktion

Untersuchung – Das Lernmodul zeigt Angebote an und sammelt damit genügend Antwortdaten zur Optimierung der Schätzung, die später in der Nutzungsphase eingesetzt wird. Die in der Untersuchungsphase angezeigten Angebote spiegeln nicht unbedingt die optimale Auswahl wider.

Nutzung – Nachdem genügend Daten in der Untersuchungsphase gesammelt wurden, wählt das Lernmodul die anzuzeigenden Angebote aufgrund der Wahrscheinlichkeiten aus.

Das Lernmodul wechselt zwischen Untersuchung und Nutzung auf der Grundlage von zwei Eigenschaften: einem Vertrauensniveau, das mit der Eigenschaft confidenceLevel konfiguriert wird, und einer Wahrscheinlichkeit, dass das Lernmodul ein Zufallsangebot anzeigt. Diesen Wert konfigurieren Sie mit der Eigenschaft percentRandomSelection.

Den Wert von confidenceLevel legen Sie auf einen Prozentsatz fest. Damit wird dargestellt, wie sicher sich das Lernmodul sein muss, bevor seine Scores für ein Angebot im Auswahlverfahren verwendet werden. Wenn dem Lernmodul anfangs keine Daten zur Verarbeitung vorliegen, ist es ausschließlich auf den Marketing-Score angewiesen. Nachdem jedes Angebot mit einer durch minPresentCountThreshold definierten Häufigkeit angezeigt wurde, wechselt das Lernmodul in den Untersuchungsmodus. Das Lernmodul benötigt eine große Datenmenge zum Arbeiten, um überzeugt davon zu sein, dass die von ihm berechneten Prozentsätze korrekt sind. Deshalb bleibt es im Untersuchungsmodus.

Das Lernmodul ordnet jedem Angebot Gewichte zu. Zum Berechnen der Gewichte verwendet das Lernmodul eine Formel, die auf dem konfigurierten Vertrauensniveau sowie historischen Annahmedaten und den aktuellen Sitzungsdaten basiert. Die Formel gleicht von vornherein zwischen Untersuchung und Nutzung aus und gibt das entsprechende Gewicht zurück.

Um sicherzustellen, dass das System nicht Angebote bevorzugt, die in den frühen Stadien am besten abschneiden, zeigt Interact ein Zufallsangebot über die mit percentRandomSelection festgelegte prozentuale Zeit an. Auf diese Weise wird das Lernmodul gezwungen, andere Angebote als die erfolgreichsten zu empfehlen, und kann so ermitteln, ob andere Angebote erfolgreicher wären, wenn sie prominenter präsentiert würden. Wenn Sie percentRandomSelection z. B. mit 5 konfigurieren, bedeutet dies, dass das Lernmodul während 5 % der Zeit ein Zufallsangebot anzeigt und die Antwortdaten seinen Berechnungen hinzufügt.

Das Lernmodul bestimmt auf folgende Art, welche Angebote präsentiert werden.

Beispielsweise ermittelt das Lernmodul, dass ein Besucher Angebot A wahrscheinlich zu 30 % und Angebot B wahrscheinlich zu 70 % akzeptiert und dass es diese Informationen nutzen sollte. Anhand der Verfahrensregeln liegt der Marketing-Score für Angebot A bei 75 und für Angebot B bei 55. Da der Score aufgrund der Berechnungen in Schritt 3 jedoch für Angebot B höher als für Angebot A liegt, empfiehlt die Laufzeitumgebung Angebot B.

Der Lernprozess basiert auch auf der Eigenschaft recencyWeightingFactor und der Eigenschaft recencyWeightingPeriod. Diese Eigenschaften ermöglichen es Ihnen, aktuelleren Daten gegenüber älteren Daten mehr Gewicht zu verleihen. Der Wert von recencyWeightingFactor ist der Prozentsatz der Wertigkeit, die die aktuellen Daten haben sollten. Der Wert von recencyWeightingPeriod ist die aktuelle Dauer. So konfigurieren Sie beispielsweise recencyWeightingFactor mit .30 und recencyWeightingPeriod mit 24. Dies bedeutet, dass es sich bei den Daten der vorherigen 24 Stunden um 30 % aller berücksichtigten Daten handelt. Wenn Ihnen die Daten für eine Woche vorliegen, machen alle über die ersten sechs Tage gemittelten Daten 70 % der Daten und der letzte Tag 30 % aus.