El módulo de aprendizaje enseña el uso de atributos de visitante y datos de aceptación de ofertas. Es posible seleccionar los atributos de visitante que se desea supervisar. Estos atributos de visitante pueden ser cualquier elemento dentro de un perfil de cliente, incluido un atributo almacenado en una tabla de dimensión a la que se hace referencia en un diagrama de flujo tiempo real, o a algún parámetro de evento que se recopila en tiempo real.
A pesar de que es posible configurar un número indefinido de atributos para supervisar, IBM recomienda no configurar más de 10 atributos de aprendizaje entre los atributos de aprendizaje estáticos y dinámicos, así como también seguir estas directrices.
El rendimiento se puede administrar al definir el número de atributos y el número de valores por atributo que se supervisa. La propiedad maxAttributeNames define el número máximo de atributos de visitante a los que se hace seguimiento. La propiedad maxAttributeValues define el número máximo de valores a los que se hace seguimiento por atributo. Todos los demás valores se asignan a una categoría definida por el valor de la propiedad otherAttributeValue. Sin embargo, el motor de aprendizaje sólo hace un seguimiento a los primeros valores que encuentra. Por ejemplo, se hace un seguimiento al atributo de visitante color de ojos. Solo hay interés en los valores azul, marrón y verde, de modo que maxAttributeValues se establece en 3. Sin embargo, los primeros tres visitantes tienen los valores azul, marrón y avellana. Esto significa que a todos los visitantes con ojos verdes se les asigna el valor de otherAttributeValue.
También es posible utilizar atributos de aprendizaje dinámicos que permiten definir más específicamente los criterios de aprendizaje. Los atributos de aprendizaje dinámicos permiten considerar la combinación de dos atributos como una sola entrada. Por ejemplo, consideremos la siguiente información de perfil.
Si se utilizan atributos de aprendizaje estándar, solo se puede conocer el tipo de tarjeta y el saldo de manera individual. Los visitantes 1 y 2 se agruparán en conjunto según el tipo de tarjeta, y los visitantes 2 y 4 se agruparán según el saldo de tarjeta. Esto puede no ser un predictor preciso del comportamiento de aceptación de las ofertas. Si los titulares de tarjetas Gold tienden a tener saldos más altos, el comportamiento del visitante 2 puede ser radicalmente distinto que el comportamiento del visitante 4, lo que podría distorsionar los atributos de aprendizaje estándar. Sin embargo, si utiliza atributos de aprendizaje dinámicos, cada uno de estos visitantes se considera de manera individual y las predicciones serán más precisas.
Si se utilizan atributos de aprendizaje dinámicos y el visitante tiene dos valores válidos para un atributo, el módulo de aprendizaje selecciona el primer valor que encuentra.
Si establece la propiedad enablePruning en yes, el módulo de aprendizaje determina con algoritmos qué atributos no son predictivos y dejar de considerar dichos atributos en el momento de calcular ponderaciones. Por ejemplo, si se hace un seguimiento de un atributo que representa el color de cabello, y el módulo de aprendizaje determina que no hay un patrón para aceptar una oferta según el color de cabello del visitante, el módulo de aprendizaje deja de considerar el atributo de color de cabello. Los atributos se vuelven a evaluar cada vez que se ejecuta el proceso de agregación de aprendizaje (definido en la propiedad aggregateStatsIntervalInMinutes). Los atributos de aprendizaje dinámicos también se eliminan.
