Une configuration correcte de CustomerSampleSize permet de maximiser le temps d’exécution d’une session Optimize tout en préservant son caractère optimal.
Optimize décompose les contacts proposés en sous-échantillons de clients aléatoires, communément appelés « tranches ». L’ensemble des contacts proposés ainsi que l’historique des contacts d’un client sont traités dépendamment de la tranche à laquelle ce dernier appartient (un client peut appartenir à une tranche uniquement). La précision de l’algorithme d’optimisation dépend de la similarité de ces tranches de clients les unes par rapport aux autres en termes statistiques. Plus les tranches sont larges, et plus ce concept est applicable. Les contraintes de capacité inter-clients sont réparties à égale proportion dans les tranches. Par exemple, si votre session Optimize comporte une contrainte spécifiant que A est autorisé à envoyer 1 000 offres tout au plus et que la session Optimize est exécutée sur 10 tranches, la règle de capacité associée à chacune des tranches permettra l’envoi de 100 offres maximum.
La variable de réglage d’algorithmeCustomerSampleSize vous permet de définir la taille maximale de vos tranches. Plus une tranche est large et plus les résultats sont précis. Mais le temps d’exécution de la session et les ressources mémoire nécessaires augmentent également. Do not use chunk sizes significantly greater than 10,000 without careful planning because many systems do not have enough memory resources to process more than 10,000 customers at a time, which will result in a failed Optimize session run (out of memory error). Dans nombre de cas, une tranche plus large est loin d’optimiser les capacités de la solution (mesurées sous la forme de la somme des scores des transactions restantes dans la table des contacts optimisés), car son exécution nécessite plus de temps et de mémoire. Dans cette optique, vous devez régler CustomerSampleSize en fonction de vos besoins en performances et des problèmes d’optimisation auxquels vous êtes confronté.
Les tranches plus larges n’apportant aucune valeur ajoutée dans le cas d’une optimisation simple, pour laquelle aucune règle de capacité inter-clients n’a été définie, il n’est pas nécessaire de les utiliser.
Pour comprendre les cas de figure utilisant les règles de capacité inter-clients, il est nécessaire de comprendre comment celles-ci sont appliquées à plusieurs tranches. Prenons l’exemple suivant : une règle de capacité Nombre min/max d’offres est appliquée à un canal E-mail, où 20 est la valeur minimum et 1 000 la valeur maximum. Si l’on considère un maximum de 100 000 clients pour un maximum de 10 000 clients par tranche, chaque tranche est donc traitée à l’aide d’une règle modifiée selon laquelle le maximum correspond à 100 (valeur maximum de la règle divisée par le nombre de tranches, soit 10 dans le cas présent).
Une tranche plus petite peut entraîner la création de davantage de tranches. Ainsi, il est plus probable qu’une règle dépende d’un élément (par exemple, le canal E-mail) présent en moindre quantité que les tranches. Si la taille des tranches venait à être portée à 100, il y aurait alors 1 000 tranches. Le minimum autorisé par la règle est plus petit que le nombre de tranches, ce qui modifie la règle de 0,02 (20 divisé par 1 000). Dans ce cas, 2 % des tranches utilisent une règle dont le minimum est 1. Les 98 % restants utilisent quant à eux un minimum de 0. Tant que chaque tranche est statistiquement similaire au regard du canal E-mail, Optimize applique la règle de façon tout à fait normale. Un problème survient lorsqu’il y a plus de tranches que de clients recevant un e-mail. Si seuls 500 clients reçoivent un e-mail, alors la probabilité que chaque tranche comporte un de ces clients est de 50 % seulement. Qui plus est, les chances qu’une tranche donnée comporte un de ces clients et qu’elle présente une règle dont le minimum est 1 est quant à elle de 1 % seulement. Au lieu de respecter la valeur minimum définie (20), le résultat moyen renvoyé par Optimize est de 5.
Le nombre de tranches dépend de leur taille et du nombre total de clients. La taille de tranche maximum étant de 10 000, cela signifie que pour obtenir des résultats optimaux, le nombre minimum de clients présentant un élément significatif (un élément utilisé dans une règle) ne doit pas être inférieur au nombre de clients divisé par 10 000. Augmenter le nombre de contacts proposés pour conserver la similarité statistique peut avoir une incidence sur les performances, et il est vrai que davantage de contacts proposés augmentent le surdébit. Mais les petites tranches pouvant être traitées plus rapidement, l’utilisation d’une taille de tranche plus petite compense largement cela.