Interact 学習モジュールでは、オファーに対する訪問者のレスポンスおよび訪問者属性がモニターされます。学習モジュールには、次の 2 つの一般的なモードがあります。
学習モジュールでは、confidenceLevel プロパティーで構成する信頼性レベルと、
percentRandomSelection プロパティーで構成する、学習モジュールによりランダム・オファーが提示される可能性という、2 つのプロパティーに基づいて、探索と活用が交互に繰り返されます。
confidenceLevel を、オファーに対するスコアがアービトレーションで使用される前に、学習モジュールがどの程度確かであるか (または信頼されるべきか) を表す割合に設定します。最初に、学習モジュールに処理するデータがない場合、学習モジュールではマーケティング・スコアが全面的に信頼されます。
minPresentCountThreshold で定義されている回数だけすべてのオファーが提示された後、学習モジュールは探索モードに入ります。処理するデータが多くない場合、学習モジュールでは、計算された割合が正しいと確信されません。したがって、学習モジュールは探索モードのままです。
初期段階中にシステムが良い結果を出すオファーに偏らないように、Interact では
percentRandomSelection パーセント分の回数、ランダム・オファーが提示されます。これによって、学習モジュールでは、最も成功しそうなオファー以外のオファーが強制的に提示され、そのようなオファーがより多く提示された場合にオファーの成功の可能性が高くなるかどうかが判別されます。例えば、
percentRandomSelection を 5 に構成した場合、5% 分の回数、学習モジュールではランダム・オファーが提示され、そのレスポンス・データが計算に追加されることを意味します。
学習は、recencyWeightingFactor プロパティーおよび
recencyWeightingPeriod プロパティーにも基づきます。これらのプロパティーを使用すると、古いデータに対してより、最近のデータに対して、より重みを加えることができます。
recencyWeightingFactor は、最近のデータが持つ重みの割合です。
recencyWeightingPeriod は、最近であると見なされる期間です。例えば、
recencyWeightingFactor を .30 に、
recencyWeightingPeriod を 24 に構成します。これは、過去 24 時間のデータが、考慮されるすべてのデータの 30% を占めることを意味します。1 週間分のデータがある場合、最初の 6 日間にわたって平均されたすべてのデータが 70% であり、最終日のデータが 30% になります。