Le module d’apprentissage évolue à l’aide des attributs visiteur et des données d’acceptation des offres. Vous pouvez sélectionner les attributs visiteur à surveiller. Ces attributs peuvent représenter tout élément d’un profil client, par exemple un attribut enregistré dans une table de dimension à laquelle vous faites référence dans un diagramme temps réel ou un paramètre d’événement que vous collectez en temps réel.
Vous pouvez choisir de surveiller le nombre d’attributs de votre choix. IBM recommande néanmoins de configurer les attributs d’apprentissage dans la limite de dix attributs statiques et dynamiques, tout en veillant à respecter certaines directives.
Vous pouvez gérer les performances en définissant le nombre d’attributs et le nombre de valeurs par attribut à suivre. La propriété maxAttributeNames définit le nombre maximum d’attributs visiteur que vous suivez. La propriété maxAttributeValues définit le nombre maximum de valeurs que vous suivez par attribut. Toutes les autres valeurs sont affectées à une catégorie définie par la valeur de la propriété otherAttributeValue. Cependant, le moteur d’apprentissage ne suit que les premières valeurs qu’il rencontre. Vous suivez par exemple l’attribut visiteur correspondant à la couleur des yeux du visiteur. Vous n’êtes intéressé que par les valeurs bleu, marron et vert, vous définissez donc maxAttributeValues sur 3. Cependant, les trois premiers visiteurs ont les yeux bleus, marron et noisette. Cela signifie que tous les visiteurs ayant les yeux verts ont la valeur otherAttributeValue.
Vous pouvez également utiliser des attributs d’apprentissage dynamiques pour définir vos critères d’apprentissage de façon plus spécifique. Ces attributs vous permettent d’obtenir des informations sur deux attributs combinés sous la forme d’une seule et unique entrée. Prenons par exemple les informations de profil suivantes :
Si vous utilisez des attributs d’apprentissage standard, vous obtenez les informations relatives au type de carte et au solde de façon individuelle uniquement. Les visiteurs 1 et 2 seront regroupés par type de carte et les visiteurs 2 et 4, par solde. Cet indicateur ne permettra vraisemblablement pas de prévoir avec précision le comportement d’acceptation des offres. Si le solde des détenteurs de la carte Gold tend à être plus important, le comportement du visiteur 2 risque d’être radicalement différent de celui du visiteur 4, ce qui fausse alors les attributs d’apprentissage standard. Toutefois, si vous utilisez des attributs d’apprentissage dynamiques, vous obtenez les informations relatives à chacun de ces visiteurs de façon individuelle, d’où des prévisions plus précises.
Si vous utilisez des attributs d’apprentissage dynamiques et que, pour un visiteur, deux valeurs valides sont associées à un attribut, le module d’apprentissage utilise la première valeur détectée.
Si vous définissez la propriété enablePruning sur yes, le module d’apprentissage identifie, via un algorithme, les attributs non prévisibles et cesse alors de les prendre en compte lors du calcul des pondérations. Par exemple, vous suivez un attribut correspondant à la couleur de cheveux. Le module d’apprentissage détermine qu’aucun modèle régissant l’acceptation des offres en fonction de la couleur de cheveux du visiteur n’a été défini, et cesse alors de prendre en compte cet attribut. Les attributs sont réévalués à chaque exécution du processus d’agrégation d’apprentissage (intervalle défini par la propriété aggregateStatsIntervalInMinutes). Les attributs d’apprentissage dynamiques sont également ignorés.
