이 특성은 Interact 런타임의 Interact > offerserving > optimizationType 특성을 BuiltInLearning으로 설정된 경우에만 적용할 수 있습니다.

Yes로 설정된 경우 Interact 디자인 시간에서는 학습을 사용할 수 있는 것으로 예상합니다. enableLearning을 yes로 설정하면, Interact > offerserving > optimizationType을 BuiltInLearning 또는 ExternalLearning으로 구성해야 합니다.

No로 설정하는 경우 Interact 디자인 시간에서는 학습을 사용 할 수 없는 것으로 예상합니다. enableLearning을 no로 설정하는 경우, Interact > offerserving > optimizationType을 NoLearning으로 구성해야 합니다.

Interact 학습 유틸리티가 모니터하는 학습 속성의 최대 갯수입니다.

이 특성은 Interact 런타임의 Interact > offerserving > optimizationType 특성을 BuiltInLearning으로 설정된 경우에만 적용할 수 있습니다.

Interact 학습 모듈이 각 학습 속성에 대해 추적하는 값의 최대 갯수입니다.

이 특성은 Interact 런타임의 Interact > offerserving > optimizationType 특성을 BuiltInLearning으로 설정된 경우에만 적용할 수 있습니다.

maxAttributeValues를 초과하는 모든 속성 값을 표시하는 데 사용되는 속성 값의 기본 이름입니다.

이 특성은 Interact 런타임의 Interact > offerserving > optimizationType 특성을 BuiltInLearning으로 설정된 경우에만 적용할 수 있습니다.

maxAttributeValues가 3으로 설정되고 otherAttributeValue가 기타로 설정되면, 학습 모듈은 처음 3개 값을 추적합니다. 기타 모든 값은 기타 카테고리에 지정됩니다. 예를 들어 방문자 속성인 머리 색상을 추적 중이며 처음 5명의 방문자 머리 색상이 검은색, 갈색, 금색, 빨간색 및 회색인 경우, 학습 유틸리티는 검은색, 갈색 및 금색의 머리 색상을 추적합니다. 빨간색 및 회색의 머리 색상은 otherAttributeValue 아래에서 기타로 그룹이 지정됩니다.

학습 모듈이 랜덤 오퍼를 나타내는 횟수에 대한 백분율입니다. 예를 들어, percentRandomSelection이 5로 설정되면 학습 모듈이 랜덤 오퍼를 나타내는 횟수가 점수에 상관없이 5%(100가지 권장사항마다 5가지)임을 의미합니다. 학습이 사용으로 설정된 경우 percentRandomSelection을 사용하면 offerTieBreakMethod 구성 특성을 대체합니다.

0(percentRandomSelection 기능을 사용 안함으로 설정함)에서 100까지의 임의의 정수

recencyWeightingPeriod에서 정의하는 데이터 세트의 백분율을 표시하는 10진 표현입니다. 예를 들어 기본값 .15는 학습 유틸리티가 사용하는 데이터의 15%가 recencyWeightingPeriod에서 발생한 것임을 의미합니다.

이 특성은 Interact 런타임의 Interact > offerserving > optimizationType 특성을 BuiltInLearning으로 설정된 경우에만 적용할 수 있습니다.

학습 모듈이 recencyWeightingFactor 백분율 가중치를 부여한 데이터의 최근 시간동안의 크기입니다. 예를 들어 기본값 120은 학습 모듈에서 사용하는 데이터의 recencyWeightingFactor가 마지막 120 시간 동안의 것임을 의미합니다.

이 특성은 optimizationType이 builtInLearning으로 설정된 경우에만 적용할 수 있습니다.

Yes로 설정된 경우 Interact 학습 모듈은 학습 속성(표준 또는 동적)을 예측할 수 없는 경우에 알고리즘 방식으로 결정합니다. 학습 속성을 예측할 수 없는 경우, 오퍼에 대한 가중치를 결정할 때 학습 모듈은 해당 속성을 고려하지 않습니다. 이것은 학습 모듈이 학습 데이터를 수집할 때까지 계속됩니다.

No로 설정된 경우, 학습 모듈은 항상 모든 학습 속성을 사용합니다. 예상할 수 없는 속성을 제거하지 않으므로 학습 모듈이 정확하지 않을 수 있습니다.