Partager via

Science des données Toolkit - Modèles personnalisés

Cette page fournit des informations sur les modèles personnalisés, la façon dont la valeur d’enchère et la valeur attendue sont dérivées et répertorie les différents types de modèles personnalisés.

Vue d’ensemble

Les modèles personnalisés permettent aux utilisateurs de l’API Xandr d’utiliser des arbres de décision Bonsai et/ou des modèles de régression logistique pour ajouter une logique de prise de décision à des fins d’évaluation des enchères, de livraison créative et de non-évaluation à leurs campagnes ou éléments de ligne augmentée (ALI). Cette page fournit une vue d’ensemble de la prise en main des modèles personnalisés pour les différents cas d’usage :

  • Évaluation de l’offre : pour remplacer les algorithmes d’optimisation Xandr ou des composants individuels des algorithmes.
  • Sélection créative : pour prendre en charge vos stratégies d’optimisation créative dynamique.
  • Objectifs non d’évaluation : pour insérer des macros créatives personnalisées dans les appels de suivi d’impression afin d’améliorer la création de rapports ou d’affecter les status d’apprentissage.

Cas d'utilisation

Modèles personnalisés d’évaluation des enchères

Les modèles personnalisés sont conçus pour permettre aux scientifiques des données, via l’API Xandr, de décomposer des parties spécifiques de leur modèle d’évaluation de l’offre en associant plusieurs modèles d’arbre de décision bonsai et/ou de régression logistique à un élément de ligne augmenté ou à une campagne pour créer une stratégie d’achat personnalisée. En associant des types de modèles spécifiques aux calculs du modificateur de valeur et/ou de cadence attendu et/ou du modificateur d’enchère pour une impression, il est possible de remplacer des parties de l’optimisation Xandr et de permettre à notre système de gérer uniquement les aspects de l’évaluation que vos propres modèles ne couvrent pas.

Capture d’écran de l’évaluation de l’offre.

Pour plus d’informations sur ce cas d’usage, reportez-vous à notre documentation Sur l’évaluation des enchères avec des modèles personnalisés .

Modèles personnalisés de sélection créative

Par défaut, Xandr distribue de manière aléatoire les éléments créatifs associés à un élément de ligne. Les modèles personnalisés permettent aux utilisateurs de remplacer cette fonctionnalité par défaut et d’affecter un élément créatif à un élément de ligne. Les utilisateurs peuvent écrire un arbre de décision à l’aide de l’une des fonctionnalités ou logiques de notre langage Bonsai pour déterminer le créatif qui doit être servi.  Par exemple :

$cat creative-tree
 
if user_hour = 1:
    leaf_name: "cs_1"
    creatives: {12345: 30, 67890: 20}
else:
    leaf_name: "cs_2"
    creatives: {12347: 1}

Pour plus d’informations sur ce cas d’usage, reportez-vous à notre documentation creative Selection Custom Models .

Modèles personnalisés sans évaluation

Les modèles personnalisés sans évaluation n’affectent pas l’évaluation de l’offre. Ils sont utilisés pour insérer des macros créatives personnalisées dans des appels de suivi des impressions, qui peuvent éventuellement être utilisées pour d’autres fonctions, telles que l’impact sur Learn status.

Pour plus d’informations sur ce cas d’usage, consultez notre documentation sur les modèles personnalisés sans évaluation .

Prise en main

Étape 1 : Déterminer votre cas d’usage

Déterminez le ou les cas d’usage que vous souhaitez utiliser et apprenez-en davantage sur la façon dont le produit Modèles personnalisés peut vous aider à atteindre vos objectifs :

Étape 2 : En savoir plus sur les arbres de décision Bonsai et les modèles de régression logistique

Apprenez-en davantage sur les deux types de langage que nous prenons en charge et sélectionnez celui qui correspond aux besoins pour atteindre vos objectifs. Pour les modèles personnalisés d’évaluation des enchères, utilisez des arbres de décision Bonsai et/ou des modèles de régression logistique. Pour les modèles personnalisés sélection créative ou sans évaluation, utilisez des arbres de décision Bonsai.

Étape 3 : Découvrir comment charger des modèles personnalisés via l’API

Une fois que vous avez créé un arbre de décision Bonsai ou un modèle de régression logistique, découvrez comment les attacher à votre ALI et quels services d’API utiliser :

Étape 4 : Découvrir comment utiliser le flux de modèle personnalisé Log-Level

Lorsque votre ali ou votre campagne, avec des modèles personnalisés attachés, est en ligne, il est utile de les analyser et de créer des rapports à leur sujet. Le flux de modèle personnalisé au niveau du journal permet aux utilisateurs d’examiner des données spécifiques sur les modèles associés à votre ali ou à votre campagne, ainsi que les valeurs calculées par chaque modèle.

  • Last updated on