Interact 学习模块监视访问者对商品的响应以及访问者属性。学习模块有两个常规方式:
您将 confidenceLevel 设置为一个百分比,这表示在将学习模块对某一商品给出的分数用于仲裁之前,您对学习模块的确信度(或置信度)。首先,在学习模块没有任何可使用的数据时,学习模块完全依赖于市场营销分数。在每个商品已呈现了
minPresentCountThreshold 所定义的次数之后,学习模块进入探索方式。如果不处理大量数据,学习模块便不确信其计算的百分比是否正确。因此,其停留在探索方式中。
为确保系统不偏向于在早期阶段业绩最好的商品,Interact 会将一个随机商品呈现
percentRandomSelection% 的时间。这会强制学习模块推荐最成功以外的商品,以确定其他商品在曝光度增加的情况下是否将更加成功。例如,如果您将
percentRandomSelection 配置为 5,这表示时间的 5%,学习模块呈现一个随机商品,然后将响应数据添加到其计算中。
学习还基于 recencyWeightingFactor 属性和
recencyWeightingPeriod 属性。这些属性使您可以为更近期的数据增大权重(相对于较早的数据)。
recencyWeightingFactor 是近期数据应具有的权重百分比。
recencyWeightingPeriod 是代表“近期”的时间长度。例如,您将
recencyWeightingFactor 配置为 .30,将
recencyWeightingPeriod 配置为 24。这意味着,先前 24 小时的数据占所有被考虑数据的 30%。如果您有一周有价值的数据,那么前六天的平均的所有数据将占数据的 70%,最后一天的数据占数据的 30%。