Noiselab

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

इसे Noise Lab में आज़माएं

1. ऐडवांस मोड पर जाएं.
2. पैरामीटर साइड पैनल में, अपना कन्वर्ज़न डेटा देखें.
3. डिफ़ॉल्ट पैरामीटर देखें. डिफ़ॉल्ट रूप से, हर दिन के लिए एट्रिब्यूट किए गए कन्वर्ज़न की कुल संख्या 1,000 होती है. डिफ़ॉल्ट सेटअप (डिफ़ॉल्ट डाइमेंशन, हर डाइमेंशन के लिए संभावित अलग-अलग वैल्यू की डिफ़ॉल्ट संख्या, मुख्य रणनीति A) का इस्तेमाल करने पर, यह औसतन हर बकेट के लिए करीब 40 होता है. ध्यान दें कि हर बकेट के लिए, एट्रिब्यूट किए जा सकने वाले रोज़ के औसत कन्वर्ज़न की वैल्यू 40 है.
4. डिफ़ॉल्ट पैरामीटर के साथ सिम्युलेशन चलाने के लिए, 'सिम्युलेट करें' पर क्लिक करें.
5. पैरामीटर साइड पैनल में, डाइमेंशन देखें. भूगोल का नाम बदलकर शहर करें और संभावित अलग-अलग वैल्यू की संख्या को 50 पर सेट करें.
6. देखें कि इससे हर बकेट में, एट्रिब्यूट किए जा सकने वाले हर दिन के औसत कन्वर्ज़न की संख्या में कैसे बदलाव होता है. अब यह बहुत कम है. ऐसा इसलिए होता है, क्योंकि अगर आपने इस डाइमेंशन में, किसी भी चीज़ में बदलाव किए बिना संभावित वैल्यू की संख्या बढ़ाई है, तो आपने हर बकेट में कितने कन्वर्ज़न इवेंट आएंगे, इस बात में बदलाव किए बिना बकेट की कुल संख्या बढ़ाई है.
7. सिम्युलेट करें पर क्लिक करें.
8. नतीजे के तौर पर मिले सिम्युलेशन के नॉइज़ रेशियो देखें: नॉइज़ रेशियो अब पिछले सिम्युलेशन के मुकाबले ज़्यादा हैं.

इसे Noise Lab में आज़माएं

आसान मोड में, डिफ़ॉल्ट पासकोड का स्ट्रक्चर इस्तेमाल किया जाता है. बेहतर मोड में, अलग-अलग तरह के पासकोड के स्ट्रक्चर आज़माए जा सकते हैं. कुछ उदाहरण डाइमेंशन शामिल किए गए हैं; इनमें बदलाव भी किया जा सकता है.

1. ऐडवांस मोड पर जाएं.
2. पैरामीटर साइड पैनल में, मुख्य रणनीति देखें. ध्यान दें कि टूल में A नाम की डिफ़ॉल्ट रणनीति, एक ज़्यादा जानकारी वाले कीवर्ड स्ट्रक्चर का इस्तेमाल करती है. इसमें सभी डाइमेंशन शामिल होते हैं: देश/इलाका x कैंपेन आईडी x प्रॉडक्ट कैटगरी.
3. सिम्युलेट करें पर क्लिक करें.
4. सिम्युलेशन के नतीजों के नॉइज़ रेशियो को देखें.
5. मुख्य रणनीति को B में बदलें. इससे, आपको अपने पासकोड के स्ट्रक्चर को कॉन्फ़िगर करने के लिए, ज़्यादा कंट्रोल दिखते हैं.
6. अपनी कुंजी का स्ट्रक्चर कॉन्फ़िगर करें. उदाहरण के लिए, इस तरह:
   1. मुख्य स्ट्रक्चर की संख्या: 2
   2. मुख्य स्ट्रक्चर 1 = देश/इलाके x प्रॉडक्ट कैटगरी.
   3. दूसरा मुख्य स्ट्रक्चर = कैंपेन आईडी x प्रॉडक्ट कैटगरी.
7. सिम्युलेट करें पर क्लिक करें.
8. ध्यान दें कि अब आपको हर मेज़रमेंट लक्ष्य टाइप के लिए, खास जानकारी वाली दो रिपोर्ट मिलती हैं. जैसे, खरीदारी की संख्या के लिए दो और खरीदारी की वैल्यू के लिए दो. ऐसा इसलिए, क्योंकि आपने दो अलग-अलग मुख्य स्ट्रक्चर का इस्तेमाल किया है. उनके नॉइज़ रेशियो पर नज़र रखें.
9. इसे अपने कस्टम डाइमेंशन के साथ भी आज़माया जा सकता है. ऐसा करने के लिए, वह डेटा ढूंढें जिसे आपको ट्रैक करना है: डाइमेंशन. उदाहरण के तौर पर दिए गए डाइमेंशन हटाएं और आखिरी डाइमेंशन के नीचे मौजूद, जोड़ें/हटाएं/रीसेट करें बटन का इस्तेमाल करके, अपने डाइमेंशन बनाएं.

इसे Noise Lab में आज़माएं

1. आसान मोड (या ऐडवांस मोड — एक साथ कई ईमेल भेजने की फ़्रीक्वेंसी के मामले में, दोनों मोड एक ही तरह से काम करते हैं) पर जाएं
2. पैरामीटर साइड पैनल में, एग्रीगेशन की रणनीति > एक साथ कई आइटम भेजने की फ़्रीक्वेंसी देखें. इससे, एग्रीगेट की जा सकने वाली रिपोर्ट के बैच बनाने की फ़्रीक्वेंसी का पता चलता है. इन रिपोर्ट को एक ही जॉब में एग्रीगेशन सेवा की मदद से प्रोसेस किया जाता है.
3. एक साथ कई आइटम अपलोड करने की डिफ़ॉल्ट फ़्रीक्वेंसी देखें: डिफ़ॉल्ट रूप से, एक साथ कई आइटम अपलोड करने की फ़्रीक्वेंसी को हर दिन के हिसाब से सिम्युलेट किया जाता है.
4. सिम्युलेट करें पर क्लिक करें.
5. सिम्युलेशन के नतीजों के नॉइज़ रेशियो को देखें.
6. एक साथ कई फ़ीड अपलोड करने की फ़्रीक्वेंसी को हर हफ़्ते पर सेट करें.
7. सिम्युलेशन के नतीजों के शोर अनुपात को देखें: शोर अनुपात अब पिछले सिम्युलेशन की तुलना में कम (बेहतर) हैं.

इसे Noise Lab में आज़माएं

हालांकि, इसकी भविष्यवाणी करना मुश्किल हो सकता है और सीज़न के असर के अलावा, इसमें काफ़ी बदलाव हो सकते हैं. इसलिए, हर दिन होने वाले एक-टच एट्रिब्यूट किए जा सकने वाले कन्वर्ज़न की संख्या का अनुमान लगाने की कोशिश करें. यह संख्या 10 की सबसे करीबी घात होनी चाहिए: 10, 100, 1,000 या 10,000.

1. ऐडवांस मोड पर जाएं.
2. पैरामीटर साइड पैनल में, अपना कन्वर्ज़न डेटा देखें.
3. डिफ़ॉल्ट पैरामीटर देखें. डिफ़ॉल्ट रूप से, हर दिन के लिए एट्रिब्यूट किए गए कन्वर्ज़न की कुल संख्या 1,000 होती है. डिफ़ॉल्ट सेटअप (डिफ़ॉल्ट डाइमेंशन, हर डाइमेंशन के लिए संभावित अलग-अलग वैल्यू की डिफ़ॉल्ट संख्या, मुख्य रणनीति A) का इस्तेमाल करने पर, यह औसतन हर बकेट के लिए करीब 40 होता है. ध्यान दें कि हर बकेट के लिए, एट्रिब्यूट किए जा सकने वाले रोज़ के औसत कन्वर्ज़न की वैल्यू 40 है.
4. डिफ़ॉल्ट पैरामीटर के साथ सिम्युलेशन चलाने के लिए, 'सिम्युलेट करें' पर क्लिक करें.
5. सिम्युलेशन के नतीजों के नॉइज़ रेशियो को देखें.
6. अब, हर दिन एट्रिब्यूट किए जा सकने वाले कन्वर्ज़न की कुल संख्या को 100 पर सेट करें. ध्यान दें कि इससे हर बकेट के लिए, एट्रिब्यूट किए जा सकने वाले रोज़ के औसत कन्वर्ज़न की वैल्यू कम हो जाती है.
7. सिम्युलेट करें पर क्लिक करें.
8. ध्यान दें कि ग़ैर-ज़रूरी डेटा के अनुपात अब ज़्यादा हैं: ऐसा इसलिए होता है, क्योंकि जब हर बकेट में कम कन्वर्ज़न होते हैं, तो निजता बनाए रखने के लिए ज़्यादा ग़ैर-ज़रूरी डेटा लागू किया जाता है.

इसे Noise Lab में आज़माएं

1. ऐडवांस मोड पर जाएं.
2. पैरामीटर साइड पैनल में, एग्रीगेशन की रणनीति > स्केलिंग देखें. यह डिफ़ॉल्ट रूप से 'हां' पर सेट होता है.
3. स्केलिंग के नॉइज़ रेशियो पर होने वाले अच्छे असर को समझने के लिए, पहले स्केलिंग को 'नहीं' पर सेट करें.
4. सिम्युलेट करें पर क्लिक करें.
5. सिम्युलेशन के नतीजों के नॉइज़ रेशियो को देखें.
6. स्केलिंग को 'हां' पर सेट करें. ध्यान दें कि Noise Lab, आपके परिदृश्य के लिए मेज़रमेंट लक्ष्यों की रेंज (औसत और ज़्यादा से ज़्यादा वैल्यू) के आधार पर, इस्तेमाल किए जाने वाले स्केलिंग फ़ैक्टर का हिसाब अपने-आप लगाता है. किसी असल सिस्टम या ऑरिजिन ट्रायल के सेटअप में, आपको स्केलिंग फ़ैक्टर के लिए अपनी गिनती लागू करनी होगी.
7. सिम्युलेट करें पर क्लिक करें.
8. ध्यान दें कि इस दूसरे सिम्युलेशन में, शोर का अनुपात अब कम (बेहतर) है. ऐसा इसलिए होता है, क्योंकि स्केलिंग का इस्तेमाल किया जा रहा है.

इसे Noise Lab में आज़माएं

मेज़रमेंट लक्ष्य, कन्वर्ज़न इवेंट में इकट्ठा किया गया एक अलग डेटा पॉइंट होता है.

1. ऐडवांस मोड पर जाएं.
2. पैरामीटर साइड पैनल में, वह डेटा ढूंढें जिसे आपको ट्रैक करना है: मेज़रमेंट लक्ष्य. डिफ़ॉल्ट रूप से, आपके पास दो मेज़रमेंट लक्ष्य होते हैं: खरीदारी की वैल्यू और खरीदारी की संख्या.
3. डिफ़ॉल्ट लक्ष्यों के साथ सिम्युलेशन चलाने के लिए, सिम्युलेट करें पर क्लिक करें.
4. हटाएं पर क्लिक करें. इससे, आखिरी मेज़रमेंट लक्ष्य (उस मामले में खरीदारी की संख्या) हट जाएगा.
5. सिम्युलेट करें पर क्लिक करें.
6. ध्यान दें कि इस दूसरे सिम्युलेशन के लिए, खरीदारी की वैल्यू के नॉइज़ रेशियो अब कम (बेहतर) हैं. ऐसा इसलिए होता है, क्योंकि आपके पास कम मेज़रमेंट लक्ष्य होते हैं. इसलिए, अब आपके एक मेज़रमेंट लक्ष्य को सभी योगदान बजट मिलता है.
7. रीसेट करें पर क्लिक करें. अब आपके पास फिर से दो मेज़रमेंट लक्ष्य हैं: परचेज़ वैल्यू और परचेज़ की संख्या. ध्यान दें कि Noise Lab, आपके परिदृश्य के लिए मेज़रमेंट लक्ष्यों की रेंज (औसत और ज़्यादा से ज़्यादा वैल्यू) के हिसाब से, इस्तेमाल किए जाने वाले स्केलिंग फ़ैक्टर का हिसाब अपने-आप लगाता है. डिफ़ॉल्ट रूप से, Noise Lab, बजट को मेज़रमेंट लक्ष्यों के बीच बराबर बांटता है.
8. सिम्युलेट करें पर क्लिक करें.
9. सिम्युलेशन के नतीजों के नॉइज़ रेशियो को देखें. सिम्युलेशन पर दिखाए गए स्केलिंग फ़ैक्टर पर ध्यान दें.
10. अब, सिग्नल-टू-नॉइज़ अनुपात को बेहतर बनाने के लिए, निजता बजट के बंटवारे को अपनी पसंद के मुताबिक बनाएं.
11. हर मेज़रमेंट लक्ष्य के लिए असाइन किए गए बजट के प्रतिशत में बदलाव करें. डिफ़ॉल्ट पैरामीटर के हिसाब से, मेज़रमेंट लक्ष्य 1, यानी खरीदारी की वैल्यू की रेंज, मेज़रमेंट लक्ष्य 2, यानी खरीदारी की संख्या (1 से 1 के बीच, यानी हमेशा 1 के बराबर) की तुलना में काफ़ी ज़्यादा (0 से 1,000 के बीच) होती है. इस वजह से, इसे "बड़े पैमाने पर बढ़ाने के लिए ज़्यादा जगह" चाहिए: मेज़रमेंट लक्ष्य 2 के मुकाबले, मेज़रमेंट लक्ष्य 1 को ज़्यादा योगदान बजट असाइन करना सबसे सही होगा, ताकि इसे ज़्यादा असरदार तरीके से बढ़ाया जा सके (स्केलिंग देखें) और इसलिए
12. मेज़रमेंट लक्ष्य 1 को बजट का 70% असाइन करें. मेज़रमेंट के लिए 30% असाइन करें लक्ष्य 2.
13. सिम्युलेट करें पर क्लिक करें.
14. सिम्युलेशन के नतीजों के नॉइज़ रेशियो को देखें. खरीदारी की वैल्यू के लिए, गड़बड़ी के अनुपात अब पिछले सिम्युलेशन की तुलना में काफ़ी कम (बेहतर) हैं. खरीदारी की संख्या में कोई बदलाव नहीं हुआ है.
15. मेट्रिक के हिसाब से बजट के बंटवारे में बदलाव करते रहें. देखें कि इससे ग़ैर-ज़रूरी आवाज़ों पर क्या असर पड़ता है.

ध्यान दें कि 'जोड़ें/हटाएं/रीसेट करें' बटन की मदद से, अपने हिसाब से मेज़रमेंट लक्ष्य सेट किए जा सकते हैं.

इसे Noise Lab में आज़माएं

मेज़रमेंट लक्ष्य, कन्वर्ज़न इवेंट में इकट्ठा किया गया एक अलग डेटा पॉइंट होता है.

1. ऐडवांस मोड पर जाएं.
2. पैरामीटर साइड पैनल में, एग्रीगेशन की रणनीति > स्केलिंग देखें.
3. पक्का करें कि स्केलिंग की सुविधा 'हां' पर सेट हो. ध्यान दें कि Noise Lab, मेज़रमेंट लक्ष्यों के लिए दी गई रेंज (औसत और ज़्यादा से ज़्यादा वैल्यू) के आधार पर, इस्तेमाल किए जाने वाले स्केलिंग फ़ैक्टर का हिसाब अपने-आप लगाता है.
4. मान लें कि अब तक की सबसे बड़ी खरीदारी 2,000 डॉलर की थी, लेकिन ज़्यादातर खरीदारी 10 से 120 डॉलर की होती है. सबसे पहले, देखते हैं कि अगर हम लिटरल स्केलिंग के तरीके का इस्तेमाल करते हैं, तो क्या होता है (इसका सुझाव नहीं दिया जाता): purchaseValue के लिए, ज़्यादा से ज़्यादा वैल्यू के तौर पर 2,000 डॉलर डालें.
5. सिम्युलेट करें पर क्लिक करें.
6. ध्यान दें कि नॉइज़ रेशियो ज़्यादा हैं. ऐसा इसलिए है, क्योंकि हमारे स्केलिंग फ़ैक्टर का हिसाब फ़िलहाल 2,000 डॉलर के आधार पर लगाया जाता है. हालांकि, असल में ज़्यादातर खरीदारी की वैल्यू इससे काफ़ी कम होगी.
7. अब, स्केलिंग के लिए ज़्यादा व्यावहारिक तरीके का इस्तेमाल करते हैं. ज़्यादा से ज़्यादा खरीदारी की वैल्यू को 120 डॉलर पर सेट करें.
8. सिम्युलेट करें पर क्लिक करें.
9. ध्यान दें कि इस दूसरे सिम्युलेशन में, शोर का अनुपात कम (बेहतर) है.

Noise Lab की खास जानकारी

Noise Lab की मदद से, शोर को कम करने की रणनीतियों का तुरंत आकलन किया जा सकता है और उनकी तुलना की जा सकती है. इसका इस्तेमाल करके:

• उन मुख्य पैरामीटर को समझें जिनसे शोर पर असर पड़ सकता है और उनका असर क्या होता है.
• अलग-अलग डिज़ाइन फ़ैसलों के आधार पर, आउटपुट मेज़रमेंट डेटा पर ग़ैर-ज़रूरी डेटा के असर का अनुमान लगाएं. डिज़ाइन पैरामीटर में तब तक बदलाव करें, जब तक आपको अपने इस्तेमाल के उदाहरण के हिसाब से सिग्नल-शोर अनुपात न मिल जाए.
• खास जानकारी वाली रिपोर्ट की उपयोगिता के बारे में अपना सुझाव, शिकायत या राय दें: आपके लिए, epsilon और नॉइज़ पैरामीटर की कौनसी वैल्यू काम करती हैं और कौनसी नहीं? नत परिवर्तन बिंदु कहां हैं?

इसे तैयारी के तौर पर देखें. Noise Lab, आपके इनपुट के आधार पर खास जानकारी वाली रिपोर्ट के आउटपुट को सिम्युलेट करने के लिए, मेज़रमेंट डेटा जनरेट करता है. यह कोई डेटा सेव या शेयर नहीं करता.

Noise Lab में दो अलग-अलग मोड होते हैं:

1. आसान मोड: शोर को कंट्रोल करने के लिए उपलब्ध विकल्पों के बारे में बुनियादी जानकारी.
2. बेहतर मोड: शोर को कम करने की अलग-अलग रणनीतियों को आज़माएं और यह आकलन करें कि आपके इस्तेमाल के उदाहरणों के लिए, कौनसी रणनीति से सिग्नल-टू-शोर रेशियो सबसे अच्छा मिलता है.

दोनों मोड के बीच टॉगल करने के लिए, सबसे ऊपर मौजूद मेन्यू में बटन पर क्लिक करें (नीचे दिए गए स्क्रीनशॉट में#1).

आसान मोड

• आसान मोड में, आपके पास पैरामीटर (ये बाईं ओर या नीचे दिए गए स्क्रीनशॉट में#2 पर मौजूद होते हैं) को कंट्रोल करने का विकल्प होता है. जैसे, एप्सिलॉन. साथ ही, यह भी देखा जा सकता है कि इन पैरामीटर से शोर पर क्या असर पड़ता है.
• हर पैरामीटर में एक टूलटिप (एक `?` बटन) होता है. हर पैरामीटर के बारे में जानकारी देखने के लिए, इन पर क्लिक करें (नीचे दिए गए स्क्रीनशॉट में#3)
• शुरू करने के लिए, "सिमुलेट करें" बटन पर क्लिक करें और देखें कि आउटपुट कैसा दिखता है (नीचे दिए गए स्क्रीनशॉट में#4)
• आउटपुट सेक्शन में, आपको कई तरह की जानकारी दिख सकती है. कुछ एलिमेंट के बगल में `?` दिखता है. अलग-अलग जानकारी के बारे में जानने के लिए, हर `?` पर क्लिक करें.
• अगर आपको टेबल का बड़ा वर्शन देखना है, तो आउटपुट सेक्शन में जाकर, ज़्यादा जानकारी वाले टॉगल पर क्लिक करें (नीचे दिए गए स्क्रीनशॉट में#5)
• आउटपुट सेक्शन में मौजूद हर डेटा टेबल के नीचे, टेबल को ऑफ़लाइन इस्तेमाल करने के लिए डाउनलोड करने का विकल्प होता है. इसके अलावा, सबसे नीचे दाएं कोने में, सभी डेटा टेबल डाउनलोड करने का विकल्प भी होता है (नीचे दिए गए स्क्रीनशॉट में#6)
• पैरामीटर सेक्शन में, पैरामीटर के लिए अलग-अलग सेटिंग आज़माएं और सिम्युलेट करें पर क्लिक करके देखें कि इनका आउटपुट पर क्या असर पड़ता है:

  

बेहतर मोड

• बेहतर मोड में, आपके पास पैरामीटर पर ज़्यादा कंट्रोल होता है. आपके पास, कस्टम मेज़रमेंट लक्ष्य और डाइमेंशन जोड़ने का विकल्प है (नीचे दिए गए स्क्रीनशॉट में#1. और #2.)
• पैरामीटर सेक्शन में नीचे की ओर स्क्रोल करें और मुख्य बिडिंग रणनीति का विकल्प देखें. इसका इस्तेमाल, अलग-अलग पासकोड स्ट्रक्चर की जांच करने के लिए किया जा सकता है (नीचे दिए गए स्क्रीनशॉट में#3)
  • अलग-अलग कीवर्ड स्ट्रक्चर को टेस्ट करने के लिए, कीवर्ड की रणनीति को "B" पर स्विच करें
  • उन अलग-अलग कीवर्ड स्ट्रक्चर की संख्या डालें जिनका आपको इस्तेमाल करना है (डिफ़ॉल्ट रूप से "2" पर सेट है)
  • 'मुख्य स्ट्रक्चर जनरेट करें' पर क्लिक करें
  • आपको अपने मुख्य स्ट्रक्चर तय करने के विकल्प दिखेंगे. इसके लिए, उन कुंजियों के बगल में मौजूद चेकबॉक्स पर क्लिक करें जिन्हें आपको हर मुख्य स्ट्रक्चर में शामिल करना है
  • आउटपुट देखने के लिए, 'सिमुलेट करें' पर क्लिक करें.

    

    

शोर की मेट्रिक

मुख्य कॉन्सेप्ट

उपयोगकर्ता की निजता को सुरक्षित रखने के लिए, इसमें शोर जोड़ा जाता है.

ज़्यादा ग़ैर-ज़रूरी डेटा की वैल्यू से पता चलता है कि बकेट/की कम हैं और उनमें सीमित संख्या में संवेदनशील इवेंट शामिल हैं. यह काम, Noise Lab अपने-आप करता है. इससे लोगों को "भीड़ में छिपने" या दूसरे शब्दों में, ज़्यादा ग़ैर-ज़रूरी आवाज़ें जोड़कर इन लोगों की निजता को सुरक्षित रखने में मदद मिलती है.

कम शोर वाली वैल्यू से पता चलता है कि डेटा सेटअप को इस तरह से डिज़ाइन किया गया था कि लोग पहले से ही "भीड़ में छिप सकें." इसका मतलब है कि बकेट में, ज़रूरत के मुताबिक इवेंट शामिल होते हैं, ताकि यह पक्का किया जा सके कि किसी उपयोगकर्ता की निजता को सुरक्षित रखा जा सके.

यह स्टेटमेंट, औसत प्रतिशत गड़बड़ी (एपीई) और RMSRE_T (थ्रेशोल्ड के साथ रूट-मीन-स्क्वेयर रिलेटिव गड़बड़ी) दोनों के लिए सही है.

APE (औसत प्रतिशत गड़बड़ी)

एपीई, सिग्नल के मुकाबले नॉइज़ का अनुपात होता है. इसे खास जानकारी वाली वैल्यू भी कहा जाता है.p> एपीई की वैल्यू कम होने का मतलब है कि सिग्नल-टू-नॉइज़ रेशियो बेहतर है.

फ़ॉर्मूला

किसी खास खास जानकारी वाली रिपोर्ट के लिए, एपीई का हिसाब इस तरह लगाया जाता है:

सही, खास जानकारी की सही वैल्यू है. APE, खास जानकारी वाली हर वैल्यू के लिए गड़बड़ी का औसत होता है. यह खास जानकारी वाली रिपोर्ट में मौजूद सभी एंट्री का औसत होता है. इसके बाद, Noise Lab में इसे 100 से गुणा करके प्रतिशत निकाला जाता है.

फ़ायदे और नुकसान

छोटे साइज़ वाली बकेट का असर, APE की फ़ाइनल वैल्यू पर असमान रूप से पड़ता है. इससे, शोर का आकलन करते समय गुमराह किया जा सकता है. इसलिए, हमने एक और मेट्रिक, RMSRE_T जोड़ी है. इसे APE की इस सीमा को कम करने के लिए डिज़ाइन किया गया है. ज़्यादा जानकारी के लिए, उदाहरण देखें.

कोड

एपीई का हिसाब लगाने के लिए, सोर्स कोड देखें.

RMSRE_T (थ्रेशोल्ड के साथ रूट-मीन-स्क्वेयर रिलेटिव एरर)

RMSRE_T (थ्रेशोल्ड के साथ रूट-मीन-स्क्वेयर रिलेटिव एरर) नॉइज़ का एक और मेज़र है.

RMSRE_T को समझने का तरीका

RMSRE_T की वैल्यू कम होने का मतलब है कि सिग्नल-टू-नॉइज़ रेशियो बेहतर है.
उदाहरण के लिए, अगर आपके इस्तेमाल के उदाहरण के लिए, शोर का अनुपात 20% है और RMSRE_T 0.2 है, तो आपको भरोसा हो सकता है कि शोर का लेवल आपकी तय सीमा में है.

फ़ॉर्मूला

किसी खास खास जानकारी वाली रिपोर्ट के लिए, RMSRE_T का हिसाब इस तरह लगाया जाता है:

फ़ायदे और नुकसान

APE की तुलना में RMSRE_T को समझना थोड़ा मुश्किल है. हालांकि, इसकी कुछ खास बातें हैं, जिनकी वजह से यह कुछ मामलों में खास जानकारी वाली रिपोर्ट में मौजूद ग़ैर-ज़रूरी डेटा का विश्लेषण करने के लिए, एपीई से ज़्यादा बेहतर है:

• RMSRE_T ज़्यादा स्टेबल है. "T" थ्रेशोल्ड है. "T" का इस्तेमाल, RMSRE_T के हिसाब लगाने के दौरान उन बकेट को कम अहमियत देने के लिए किया जाता है जिनमें कम कन्वर्ज़न होते हैं. इसकी वजह यह है कि छोटे साइज़ की वजह से, इनमें गड़बड़ी की संभावना ज़्यादा होती है. T के साथ, मेट्रिक उन बकेट में स्पाइक नहीं करती जिनमें कुछ कन्वर्ज़न होते हैं. अगर T की वैल्यू 5 है, तो 0 कन्वर्ज़न वाली बकेट में, 1 जैसी छोटी गड़बड़ी की वैल्यू, 1 से ज़्यादा के तौर पर नहीं दिखेगी. इसके बजाय, यह 0.2 तक सीमित होगा, जो 1/5 के बराबर है, क्योंकि T 5 के बराबर है. इस मेट्रिक में, छोटी बकेट को कम अहमियत दी जाती है, क्योंकि वे शोर के लिए ज़्यादा संवेदनशील होती हैं. इससे, यह मेट्रिक ज़्यादा स्टेबल होती है और दो सिम्युलेशन की तुलना करना आसान हो जाता है.
• RMSRE_T की मदद से, डेटा को आसानी से एग्रीगेट किया जा सकता है. कई बकेट के RMSRE_T और उनकी सटीक संख्या जानने से, उनके योग का RMSRE_T कैलकुलेट किया जा सकता है. इससे, इन वैल्यू को जोड़कर RMSRE_T को ऑप्टिमाइज़ भी किया जा सकता है.

एपीई के लिए एग्रीगेशन किया जा सकता है, लेकिन इसका फ़ॉर्मूला काफ़ी जटिल है. इसमें, लेप्लास नॉइज़ के योग की एब्सोल्यूट वैल्यू शामिल होती है. इससे APE को ऑप्टिमाइज़ करना मुश्किल हो जाता है.

कोड

RMSRE_T का हिसाब लगाने के लिए, सोर्स कोड की समीक्षा करें.

उदाहरण

तीन बकेट वाली खास जानकारी वाली रिपोर्ट:

• bucket_1 = noise: 10, trueSummaryValue: 100
• bucket_2 = noise: 20, trueSummaryValue: 100
• bucket_3 = noise: 20, trueSummaryValue: 200

APE = (0.1 + 0.2 + 0.1) / 3 = 13%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,200))^2) / 3) =  sqrt( (0.01 + 0.04 + 0.01) / 3) =  0.14 

तीन बकेट वाली खास जानकारी वाली रिपोर्ट:

• bucket_1 = noise: 10, trueSummaryValue: 100
• bucket_2 = noise: 20, trueSummaryValue: 100
• bucket_3 = noise: 20, trueSummaryValue: 20

APE = (0.1 + 0.2 + 1) / 3 = 43%

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2 +
(20/max(5,20))^2) / 3)  =  sqrt( (0.01 + 0.04 + 1.0) / 3) =  0.59

तीन बकेट वाली खास जानकारी वाली रिपोर्ट:

• bucket_1 = noise: 10, trueSummaryValue: 100
• bucket_2 = noise: 20, trueSummaryValue: 100
• bucket_3 = noise: 20, trueSummaryValue: 0

APE = (0.1 + 0.2 + Infinity) / 3 = Infinity

RMSRE_T = sqrt( ( (10/max(5,100))^2  + (20/max(5,100))^2  +
(20/max(5,0))^2) / 3) =  sqrt( (0.01 + 0.04 + 16.0) / 3) =  2.31

पासकोड मैनेज करने की बेहतर सुविधा

किसी डीएसपी या विज्ञापन मेज़रमेंट कंपनी के पास दुनिया भर में विज्ञापन देने वाले हज़ारों ग्राहक हो सकते हैं. ये ग्राहक कई इंडस्ट्री, मुद्रा, और खरीदारी की संभावित कीमतों में शामिल हो सकते हैं. इसका मतलब है कि हर विज्ञापन देने वाले के लिए एक एग्रीगेशन पासकोड बनाना और उसे मैनेज करना काफ़ी मुश्किल होगा. इसके अलावा, ज़्यादा से ज़्यादा एग्रीगेट की जा सकने वाली वैल्यू और एग्रीगेशन बजट चुनना चुनौती भरा होगा. इससे, दुनिया भर में विज्ञापन देने वाले हज़ारों लोगों या कंपनियों के नॉइज़ के असर को सीमित किया जा सकता है. इसके बजाय, आइए इन स्थितियों पर नज़र डालते हैं:

मुख्य रणनीति A

विज्ञापन टेक्नोलॉजी की सेवा देने वाली कंपनी, अपने सभी विज्ञापन ग्राहकों के लिए एक पासकोड बनाने और उसे मैनेज करने का फ़ैसला लेती है. विज्ञापन देने वाले सभी लोगों या कंपनियों और सभी मुद्राओं के लिए, खरीदारी की सीमा कम संख्या में की जाने वाली महंगी खरीदारी से लेकर ज़्यादा संख्या में की जाने वाली सस्ती खरीदारी तक होती है. इससे यह पासकोड बनता है:

मुख्य रणनीति B

विज्ञापन टेक्नोलॉजी की सेवा देने वाली कंपनी, अपने सभी विज्ञापन ग्राहकों के लिए दो कुंजियां बनाने और मैनेज करने का फ़ैसला करती है. वे मुद्रा के हिसाब से कुंजियों को अलग करने का फ़ैसला लेते हैं. विज्ञापन देने वाले सभी लोगों या कंपनियों और सभी मुद्राओं के लिए, खरीदारी की सीमा कम संख्या में की गई महंगी खरीदारी से लेकर ज़्यादा संख्या में की गई सस्ती खरीदारी तक होती है. मुद्रा के हिसाब से अलग करके, ये दो कुंजियां बनाते हैं:

मुख्य रणनीति B के नतीजे में, मुख्य रणनीति A की तुलना में कम गड़बड़ी होगी, क्योंकि मुद्रा की वैल्यू सभी मुद्राओं में एक जैसी नहीं होती हैं. उदाहरण के लिए, ¥ में की गई खरीदारी और डॉलर में की गई खरीदारी को एक साथ मिलाने से, डेटा और नतीजों में गड़बड़ी हो सकती है.

मुख्य रणनीति C

विज्ञापन टेक्नोलॉजी की सेवा देने वाली कंपनी, अपने सभी विज्ञापन ग्राहकों के लिए चार कुंजियां बनाने और उन्हें मैनेज करने का फ़ैसला करती है. साथ ही, उन्हें मुद्रा x विज्ञापन देने वाली कंपनी के उद्योग के हिसाब से अलग करती है:

मुख्य रणनीति C के नतीजे में, मुख्य रणनीति B के मुकाबले कम गड़बड़ी होगी, क्योंकि विज्ञापन देने वाले की खरीदारी की वैल्यू, सभी विज्ञापन देने वालों के बीच एक जैसी नहीं होती. उदाहरण के लिए, देखें कि बेसबॉल हैट के साथ-साथ ज़्यादा कीमत की ज्वेलरी की खरीदारी करने से, मौजूदा डेटा और नतीजों में गड़बड़ी कैसे होगी.

आउटपुट में ग़ैर-ज़रूरी जानकारी को कम करने के लिए, विज्ञापन देने वाले कई लोगों या कंपनियों के लिए, शेयर की गई ज़्यादा से ज़्यादा एग्रीगेट वैल्यू और शेयर किए गए स्केलिंग फ़ैक्टर बनाएं. उदाहरण के लिए, विज्ञापन देने वालों के लिए, यहां दी गई अलग-अलग रणनीतियों के साथ एक्सपेरिमेंट किया जा सकता है:

• मुद्रा (डॉलर, ¥, सीएडी वगैरह) के हिसाब से अलग की गई एक रणनीति
• विज्ञापन देने वाले की इंडस्ट्री (बीमा, वाहन, खुदरा वगैरह) के हिसाब से अलग की गई एक रणनीति
• एक रणनीति, जो मिलती-जुलती परचेज़ वैल्यू की रेंज ([100], [1000], [10000] वगैरह) से अलग की गई है

विज्ञापन देने वालों की समानताओं के आधार पर मुख्य रणनीतियां बनाकर, कीवर्ड और उनसे जुड़े कोड को मैनेज करना आसान हो जाता है. साथ ही, सिग्नल-टू-नॉइज़ रेशियो भी बेहतर हो जाता है. विज्ञापन देने वाले अलग-अलग ग्रुप के हिसाब से, अलग-अलग रणनीतियों के साथ प्रयोग करें. इससे, ग़ैर-ज़रूरी ट्रैफ़िक के असर को बढ़ाने और कोड मैनेजमेंट को कम करने में मदद मिलेगी.

आउटलायर डेटा को मैनेज करने की बेहतर सुविधा

आइए, विज्ञापन देने वाले दो लोगों की स्थिति पर नज़र डालते हैं:

• विज्ञापन देने वाला A:
  • विज्ञापन देने वाले व्यक्ति या कंपनी A की साइट पर मौजूद सभी प्रॉडक्ट के लिए, खरीदारी की कीमत [$120 - $1,000] के बीच हो सकती है. इसकी सीमा 880 डॉलर है.
  • खरीदारी की कीमतें 880 डॉलर की सीमा में बराबर-बराबर बांटी गई हैं. साथ ही, खरीदारी की औसत कीमत से दो स्टैंडर्ड डेविएशन के बाहर कोई आउटलायर नहीं है.
• विज्ञापन देने वाला B:
  • विज्ञापन देने वाले व्यक्ति या कंपनी B की साइट पर मौजूद सभी प्रॉडक्ट के लिए, खरीदारी की कीमत [$120 - $1,000] के बीच हो सकती है. इसकी सीमा 880 डॉलर है.
  • खरीदारी की कीमतें 120 से 500 डॉलर की रेंज में ज़्यादा हैं. साथ ही, सिर्फ़ 5% खरीदारी 500 से 1,000 डॉलर की रेंज में होती है.

योगदान के बजट की ज़रूरी शर्तों और आखिरी नतीजों में गड़बड़ी को लागू करने के तरीके को ध्यान में रखते हुए, विज्ञापन देने वाले व्यक्ति या कंपनी B का आउटपुट, डिफ़ॉल्ट रूप से विज्ञापन देने वाले व्यक्ति या कंपनी A के मुकाबले ज़्यादा गड़बड़ी वाला होगा. इसकी वजह यह है कि विज्ञापन देने वाले व्यक्ति या कंपनी B के आउटलायर की वजह से, गड़बड़ी की गणना पर ज़्यादा असर पड़ सकता है.

किसी खास बटन के सेटअप की मदद से, इस समस्या को कम किया जा सकता है. उन मुख्य रणनीतियों को आज़माएं जिनसे आउटलायर डेटा को मैनेज करने में मदद मिलती है. साथ ही, की की खरीदारी की सीमा में खरीदारी की वैल्यू को ज़्यादा समान रूप से बांटने में भी मदद मिलती है.

विज्ञापन देने वाले B के लिए, दो अलग-अलग खरीदारी वैल्यू रेंज कैप्चर करने के लिए, दो अलग-अलग कुंजियां बनाई जा सकती हैं. इस उदाहरण में, विज्ञापन टेक्नोलॉजी ने नोट किया है कि आउटलायर, 500 डॉलर की खरीदारी की वैल्यू से ऊपर दिखते हैं. इस विज्ञापन देने वाले के लिए, दो अलग-अलग कुंजियां लागू करने की कोशिश करें:

• पासकोड का पहला स्ट्रक्चर : यह पासकोड सिर्फ़ 1,200 से 5,000 रुपये के बीच की खरीदारी को कैप्चर करता है. यह कुल खरीदारी के ~95% हिस्से को कवर करता है.
• दूसरा कुंजी स्ट्रक्चर: यह कुंजी सिर्फ़ 500 डॉलर से ज़्यादा की खरीदारी को कैप्चर करती है. यह कुल खरीदारी के ~5% हिस्से को कवर करती है.

इस मुख्य रणनीति को लागू करने से, विज्ञापन देने वाले B के लिए ग़ैर-ज़रूरी डेटा को बेहतर तरीके से मैनेज किया जा सकता है. साथ ही, खास जानकारी वाली रिपोर्ट से उन्हें ज़्यादा से ज़्यादा फ़ायदा पाने में मदद मिल सकती है. नई छोटी रेंज को देखते हुए, अब कुंजी A और कुंजी B में, हर कुंजी में डेटा का बंटवारा, पिछली एक कुंजी के मुकाबले ज़्यादा एक जैसा होना चाहिए. इससे, हर कुंजी के आउटपुट पर, पिछले एक कुंजी के मुकाबले कम गड़बड़ी का असर पड़ेगा.