Influencer l'apprentissage

Si vous utilisez le module d'apprentissage intégré Interact, vous pouvez influencer le résultat d'apprentissage en plus des configurations d'apprentissage standard telles que la liste des attributs d'apprentissage ou le niveau de fiabilité. Vous pouvez substituer les composants de l'algorithme d'apprentissage tout en utilisant les composants restants.

Vous pouvez substituer l'apprentissage à l'aide des colonnes LikelihoodScore et AdjExploreScore des offres par défaut et des tables de substitution de score. Vous pouvez ajouter ces colonnes aux offres par défaut et aux tables de substitution de score à l'aide de la fonction de script aci_scoringfeature. Pour utiliser correctement ces substitutions, vous avez besoin d'une compréhension approfondie de l'apprentissage intégré de Interact.

Ce module d'apprentissage prend la liste des offres candidates et le score de marketing par offre candidate et les utilise dans les calculs finaux. La liste des offres est utilisée avec les attributs d'apprentissage afin de calculer la probabilité (probabilité d'acceptation) que le client accepte l'offre. A l'aide de ces probabilités et le nombre historisé des présentations, à équilibrer entre exploration et exploitation, l'algorithme d'apprentissage détermine la pondération de l'offre. Enfin, l'apprentissage intégré utilise la pondération de l'offre, la multiplie par le score marketing final et renvoie un score final. Les offres sont triés en fonction de ce score final.