Noiselab

bookmark_border تنظيم صفحاتك في مجموعات يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.

1. انتقِل إلى "الوضع المتقدّم".
2. في اللوحة الجانبية "المَعلمات"، ابحث عن "بيانات الإحالات الناجحة".
3. راقِب المَعلمات التلقائية. وبشكلٍ تلقائي، يكون إجمالي عدد الإحالات الناجحة المنسوبة يوميًا هو 1, 000. ويُعدّ هذا العدد متوسّطًا يبلغ 40 تقريبًا لكل حزمة إذا كنت تستخدِم الإعداد التلقائي (السمات التلقائية، والعدد التلقائي للقيم المختلفة المحتملة لكل سمة، والاستراتيجية الرئيسية "أ"). يُرجى ملاحظة أنّه القيمة هي 40 في الإدخال "متوسط عدد الإحالات الناجحة اليومية المنسوبة" لكل مجموعة.
4. انقر على "محاكاة" لإجراء محاكاة بالمَعلمات التلقائية.
5. في اللوحة الجانبية "المَعلمات"، ابحث عن "السمات". أعِد تسمية عمود Geography إلى City وغيِّر عدد القيم المختلفة المحتملة إلى 50.
6. راقِب كيف يؤدّي ذلك إلى تغيير متوسط عدد الإحالات الناجحة المُحالة يوميًا لكل مجموعة. انخفضت هذه القيمة الآن بكثير. ويرجع ذلك إلى أنّه في حال زيادة عدد القيم المحتملة ضمن هذه السمة بدون تغيير أي شيء آخر، ستزيد إجمالي عدد الحِزم بدون تغيير عدد أحداث الإحالات الناجحة التي ستقع في كل حزمة.
7. انقر على "محاكاة".
8. راقِب نسب التشويش في المحاكاة الناتجة: نسب التشويش أعلى الآن من المحاكاة السابقة.

في الوضع "بسيط"، يتم استخدام بنية المفتاح التلقائية. في الوضع المتقدم، يمكنك تجربة هياكل مفاتيح مختلفة. تمّ تضمين بعض أمثلة السمات ، ويمكنك أيضًا تعديلها.

1. انتقِل إلى "الوضع المتقدّم".
2. في اللوحة الجانبية "المَعلمات"، ابحث عن "استراتيجية الإعلانات الرئيسية". يُرجى ملاحظة أنّ الاستراتيجية التلقائية، المُسمّاة "أ" في الأداة، تستخدِم بنية مفتاح واحدًا دقیقًا يتضمّن جميع السمات: الموقع الجغرافي x رقم تعريف الحملة x فئة المنتج.
3. انقر على "محاكاة".
4. راقِب نسب التشويش في المحاكاة الناتجة.
5. غيِّر استراتيجية "الكلمة الرئيسية" إلى "ب". يؤدي ذلك إلى عرض عناصر تحكّم إضافية تتيح لك ضبط بنية المفتاح.
6. اضبط بنية المفتاح على النحو التالي مثلاً:
   1. عدد بنى المفاتيح: 2
   2. بنية المفتاح 1 = الموقع الجغرافي × فئة المنتج
   3. بنية المفتاح 2 = رقم تعريف الحملة × فئة المنتج.
7. انقر على "محاكاة".
8. يُرجى ملاحظة أنّه يمكنك الآن الحصول على تقريرَين تلخيصيَّين لكلّ نوع من أنواع أهداف القياس (تقريرَان لعدد عمليات الشراء وتقريرَان لقيمة الشراء)، وذلك لأنّك تستخدِم مجموعتَين مختلفتَين من تصاميم المفاتيح. راقِب نسب الضوضاء.
9. يمكنك أيضًا تجربة ذلك باستخدام السمات المخصّصة الخاصة بك. لإجراء ذلك، ابحث عن البيانات التي تريد تتبُّعها: السمات. ننصحك بإزالة مثال السمات وإنشاء السمات الخاصة بك باستخدام أزرار الإضافة/الإزالة/إعادة الضبط أسفل السمة الأخيرة.

1. انتقِل إلى "الوضع البسيط" (أو "الوضع المتقدّم"، يعمل كلا الوضعَين بالطريقة نفسها في ما يتعلّق بمعدل تكرار تجميع المحتوى).
2. في اللوحة الجانبية "المَعلمات"، ابحث عن استراتيجية التجميع > معدّل تكرار تجميع البيانات. يشير ذلك إلى معدّل تجميع التقارير القابلة للتجميع التي تتم معالجتها باستخدام خدمة التجميع في مهمة واحدة.
3. راقِب معدّل تكرار تجميع البيانات التلقائي: يتم تلقائيًا محاكاة معدّل تكرار تجميع بيانات يومي.
4. انقر على "محاكاة".
5. راقِب نسب التشويش في المحاكاة الناتجة.
6. غيِّر معدّل تكرار تجميع البيانات إلى أسبوعي.
7. راقِب نسب الضوضاء في المحاكاة الناتجة: نسب الضوضاء هي الآن أقل (أفضل) من المحاكاة السابقة.

على الرغم من أنّه قد يكون من الصعب توقّع ذلك وقد تحدث اختلافات كبيرة فيه بالإضافة إلى تأثيرات العوامل الموسمية، حاوِل تقدير عدد الإحالات الناجحة اليومية المنسوبة إلى نقطة اتّصال واحدة إلى أقرب درجة من 10: 10 أو 100 أو 1,000 أو 10,000.

1. انتقِل إلى "الوضع المتقدّم".
2. في اللوحة الجانبية "المَعلمات"، ابحث عن "بيانات الإحالات الناجحة".
3. راقِب المَعلمات التلقائية. وبشكلٍ تلقائي، يكون إجمالي عدد الإحالات الناجحة المنسوبة يوميًا هو 1, 000. ويُعدّ هذا العدد متوسّطًا يبلغ 40 تقريبًا لكل حزمة إذا كنت تستخدِم الإعداد التلقائي (السمات التلقائية، والعدد التلقائي للقيم المختلفة المحتملة لكل سمة، والاستراتيجية الرئيسية "أ"). يُرجى ملاحظة أنّه القيمة هي 40 في الإدخال "متوسط عدد الإحالات الناجحة اليومية المنسوبة" لكل مجموعة.
4. انقر على "محاكاة" لإجراء محاكاة بالمَعلمات التلقائية.
5. راقِب نسب التشويش في المحاكاة الناتجة.
6. الآن، اضبط إجمالي عدد الإحالات الناجحة اليومية التي يمكن تحديد مصدرها على 100. يُرجى ملاحظة أنّ هذا الإجراء يخفض قيمة "متوسط عدد الإحالات الناجحة اليومية المُحالة إلى مصدر معيّن" لكل مجموعة.
7. انقر على "محاكاة".
8. يُرجى ملاحظة أنّ نسب التشويش أعلى الآن: ويعود السبب في ذلك إلى أنّه عندما يكون لديك عدد إحالات ناجحة أقل لكل مجموعة، يتم تطبيق المزيد من التشويش للحفاظ على الخصوصية.

1. انتقِل إلى "الوضع المتقدّم".
2. في اللوحة الجانبية "المَعلمات"، ابحث عن استراتيجية التجميع > التوسيع. ويتم ضبطه تلقائيًا على "نعم".
3. لفهم التأثيرات الإيجابية للتكبير/التصغير على نسبة الضوضاء، اضبط أولاً "التكبير/التصغير" على "لا".
4. انقر على "محاكاة".
5. راقِب نسب التشويش في المحاكاة الناتجة.
6. اضبط "التكبير/التصغير" على "نعم". يُرجى العِلم أنّ أداة Noise Lab تحتسب تلقائيًا عوامل التكبير التي سيتم استخدامها استنادًا إلى النطاقات (القيمة المتوسطة والقيمة القصوى) لأهداف القياس في السيناريو. في عملية إعداد نظام حقيقي أو تجربة أصل ، عليك تنفيذ عملية الحساب الخاصة بك لعوامل التوسيع.
7. انقر على "محاكاة".
8. يُرجى ملاحظة أنّ نسب الضوضاء أقلّ الآن (أفضل) في هذه المحاولة الثانية من المحاكاة. ويعود السبب في ذلك إلى استخدامك ميزة التكبير/التصغير.

هدف القياس هو نقطة بيانات مميّزة يتم جمعها في أحداث الإحالات الناجحة.

1. انتقِل إلى "الوضع المتقدّم".
2. في اللوحة الجانبية "المَعلمات"، ابحث عن البيانات التي تريد تتبُّعها: أهداف القياس: يكون لديك تلقائيًا هدفَان للقياس: قيمة الشراء وعدد عمليات الشراء.
3. انقر على "محاكاة" لتشغيل محاكاة باستخدام الأهداف التلقائية.
4. انقر على "إزالة". سيؤدي ذلك إلى إزالة هدف القياس الأخير (عدد عمليات الشراء في هذه الحالة).
5. انقر على "محاكاة".
6. لاحظ أنّ نِسب الضوضاء لقيمة الشراء أقلّ الآن (أفضل) في هذه المحاكاة الثانية. ويعود السبب في ذلك إلى أنّ لديك عددًا أقل من أهداف القياس، لذا يحصل هدف القياس الوحيد الآن على كل ميزانية المساهمة.
7. انقر على "إعادة الضبط". لديك الآن هدفان للقياس: قيمة الشراء وعدد عمليات الشراء. يُرجى العِلم أنّ أداة Noise Lab تحتسب تلقائيًا عوامل التضخيم التي سيتم استخدامها استنادًا إلى النطاقات (القيمة المتوسطة والقيمة القصوى) لأهداف القياس في السيناريو. بشكلٍ تلقائي، يقسّم Noise Lab الميزانية بالتساوي على أهداف القياس.
8. انقر على "محاكاة".
9. راقِب نسب التشويش في المحاكاة الناتجة. دوِّن عوامل القياس المعروضة في المحاكاة.
10. الآن، لنخصّص تقسيم ميزانية الخصوصية لتحقيق ratios أفضل للإشارة إلى الضوضاء.
11. عدِّل النسبة المئوية للميزانية المحدّدة لكل هدف قياس. استنادًا إلى المَعلمات التلقائية، فإنّ هدف القياس 1، أي قيمة الشراء، لديه نطاق أوسع بكثير (بين 0 و1000) من هدف القياس 2، أي عدد عمليات الشراء (بين 1 و1، أي يساوي دائمًا 1). ولهذا السبب، يحتاج إلى "مساحة أكبر للتوسّع": من الأفضل تخصيص ميزانية مساهمة أكبر لهدف القياس 1 مقارنةً بهدف القياس 2، حتى تتمكّن من توسيع نطاقه بكفاءة أكبر (راجِع "التوسّع")، وبالتالي
12. خصِّص% 70 من الميزانية لهدف القياس 1. خصِّص% 30 لهدف القياس 2.
13. انقر على "محاكاة".
14. راقِب نسب التشويش في المحاكاة الناتجة. بالنسبة إلى قيمة الشراء، أصبحت نسب الضوضاء الآن أقل بكثير (أفضل) من القيمة التي تمّت في عملية المحاكاة السابقة. بالنسبة إلى عدد عمليات الشراء، لم يتغيّر عددها بشكل كبير.
15. واصِل تعديل تقسيم الميزانية على مستوى المقاييس. راقِب تأثير ذلك على الضوضاء.

يُرجى العِلم أنّه يمكنك تحديد أهداف القياس المخصّصة باستخدام الأزرار "إضافة/إزالة/إعادة ضبط".

هدف القياس هو نقطة بيانات مميّزة يتم جمعها في أحداث الإحالات الناجحة.

1. انتقِل إلى "الوضع المتقدّم".
2. في اللوحة الجانبية "المَعلمات"، ابحث عن استراتيجية التجميع > التوسيع.
3. تأكَّد من ضبط "التحجيم" على "نعم". يُرجى العِلم أنّ أداة Noise Lab تحتسب تلقائيًا عوامل التكبير/التصغير التي سيتم استخدامها، استنادًا إلى النطاقات (متوسط القيم والحد الأقصى) التي قدّمتها لأهداف القياس.
4. لنفترض أنّ أكبر عملية شراء تم إجراؤها على الإطلاق كانت بقيمة 2, 000 دولار أمريكي، ولكن تتم معظم عمليات الشراء في النطاق من 10 إلى 120 دولار أمريكي. أولاً، لنلقِ نظرة على ما سيحدث إذا استخدمنا نهجًا لتوسيع النطاق الحرفي (غير مُستحسَن): أدخِل 2000 دولار أمريكي كقيمة قصوى لسمة purchaseValue.
5. انقر على "محاكاة".
6. لاحظ أنّ نسب التشويش مرتفعة. ويعود السبب في ذلك إلى أنّه يتم حاليًا احتساب عامل التوسيع استنادًا إلى 2, 000 دولار أمريكي، بينما تكون معظم قيم عمليات الشراء في الواقع أقل بكثير من ذلك.
7. الآن، لنستخدم نهجًا عمليًا أكثر لتوسيع نطاق الوصول. غيِّر القيمة القصوى للشراء إلى 120 دولار أمريكي.
8. انقر على "محاكاة".
9. يُرجى ملاحظة أنّ نسب الضوضاء أقل (أفضل) في هذه المحاكاة الثانية.

يساعدك Noise Lab في تقييم استراتيجيات إدارة الضوضاء ومقارنتها بسرعة. يُستخدم من أجل:

• فهم المَعلمات الرئيسية التي يمكن أن تؤثّر في الضوضاء والتأثير الذي تُحدثه
• محاكاة تأثير الضوضاء في بيانات قياس الإخراج استنادًا إلى قرارات التصميم المختلفة عدِّل مَعلمات التصميم إلى أن تصل إلى نسبة إشارة إلى ضجيج مناسبة لحالة الاستخدام.
• شارِك ملاحظاتك حول مدى فائدة التقارير التلخيصية: ما هي قيم مَعلمتَي epsilon والضوضاء التي تناسبك، وما هي القيم التي لا تناسبك؟ أين نقاط الانعطاف؟

يمكنك اعتبار هذه الخطوة من خطوات التحضير. تُنشئ أداة Noise Lab بيانات القياس لمحاكاة نتائج التقارير التلخيصية استنادًا إلى مدخلاتك. ولا يتم الاحتفاظ بأي بيانات أو مشاركتها.

هناك وضعان مختلفان في "مختبر الضوضاء":

1. الوضع البسيط: فهم أساسيات عناصر التحكّم المتاحة في الضوضاء
2. الوضع المتقدّم: يمكنك اختبار استراتيجيات مختلفة لإدارة الضوضاء وتقييم أيّ منها يؤدي إلى تحقيق أفضل نِسب إشارة إلى ضوضاء لحالات الاستخدام الخاصة بك.

انقر على الأزرار في القائمة العلوية للتبديل بين الوضعين (الأول في لقطة الشاشة أدناه).

الوضع البسيط

• باستخدام "الوضع البسيط"، يمكنك التحكّم في المَعلمات (المتوفّرة على ناحية اليمين أو رقم 2 في لقطة الشاشة أدناه) مثل Epsilon، والاطّلاع على تأثيرها في الضوضاء.
• تحتوي كل مَعلمة على تلميح (زر "؟"). انقر على هذه الروابط للاطّلاع على شرح لكلّ مَعلمة (رقم 3 في لقطة الشاشة أدناه).
• للبدء، انقر على الزر "محاكاة" وراقِب شكل الإخراج (الخطوة 4 في لقطة الشاشة أدناه).
• في قسم "الإخراج"، يمكنك الاطّلاع على مجموعة متنوعة من التفاصيل. تظهر علامة "؟" بجانب بعض عناصر ننصحك بالنقر على كل علامة سؤال للاطّلاع على شرح للمعلومات المختلفة.
• ضمن قسم "الإخراج"، انقر على زرّ التبديل "التفاصيل" إذا كنت تريد الاطّلاع على نسخة موسّعة من الجدول (رقم 5 في لقطة الشاشة أدناه).
• أسفل كل جدول بيانات في قسم الإخراج، يتوفّر خيار لتنزيل الجدول لاستخدامه بلا اتصال بالإنترنت. بالإضافة إلى ذلك، في أسفل يسار الصفحة، يتوفّر خيار لتنزيل جميع جداول البيانات (رقم 6 في لقطة الشاشة أدناه).
• اختبِر إعدادات مختلفة للمَعلمات في قسم "المَعلمات" وانقر على "محاكاة" لمعرفة مدى تأثيرها في النتيجة:

  

الوضع المتقدم

• في الوضع "متقدّم"، يمكنك التحكّم بشكل أكبر في المَعلمات. يمكنك إضافة أهداف قياس وسمات مخصّصة (العنصران 1 و2 في لقطة الشاشة أدناه).
• انتقِل للأسفل في قسم "المَعلمات" واطّلِع على خيار استراتيجية الرئيسية. ويمكن استخدام هذا الإجراء لاختبار هياكل مفاتيح مختلفة (رقم 3 في لقطة الشاشة أدناه)
  • لاختبار تصاميم مفاتيح مختلفة، بدِّل استراتيجية المفاتيح إلى "ب".
  • أدخِل عدد الهياكل المختلفة للمفاتيح التي تريد استخدامها (يتم ضبط الإعداد التلقائي على "2")
  • انقر على "إنشاء بنى المفاتيح".
  • ستظهر لك خيارات لتحديد تصاميم المفاتيح من خلال النقر على مربّعات الاختيار بجانب المفاتيح التي تريد تضمينها لكلّ تصميم مفتاح.
  • انقر على "محاكاة" للاطّلاع على النتيجة.

    

    

المفهوم الأساسي

تتم إضافة تشويش لحماية خصوصية المستخدم الفردي.

تشير قيمة الضوضاء العالية إلى أنّ الحِزم/المفاتيح متفرقة وتحتوي على مساهمات من عدد محدود من الأحداث الحسّاسة. ويتم ذلك بشكل تلقائي من خلال ميزة "إلغاء الضوضاء"، للسماح للأفراد "بالاختباء بين الجموع"، أو بعبارة أخرى، حماية خصوصية هؤلاء الأفراد المحدودة من خلال إضافة قدر أكبر من الضوضاء.

تشير قيمة الضوضاء المنخفضة إلى أنّه تم تصميم إعداد البيانات بطريقة تسمح للأفراد "بالاختباء في الحشد". وهذا يعني أنّه تحتوي الحِزم على مساهمات من عدد كافٍ من الأحداث لضمان حماية خصوصية المستخدِم الفردي.

تنطبق هذه العبارة على كلّ من متوسط الخطأ النسبي (APE) وRMSRE_T (متوسط الخطأ النسبي لمتوسط الخطأ التربيعي مع حدّ أدنى).

متوسّط الخطأ المئوي (APE)

APE هي نسبة الضوضاء إلى الإشارة، أي القيمة التلخيصية الحقيقية.p> تعني القيم المنخفضة لمقياس APE أنّ نِسب الإشارة إلى الضوضاء أفضل.

الصيغة

بالنسبة إلى تقرير ملخّص معيّن، يتم احتساب تكلفة الإجراء النموذجي على النحو التالي:

True هي قيمة الملخص الصحيحة. APE هو متوسّط الضوضاء لكل قيمة ملف شخصي صحيحة، ويتم احتساب متوسّطها على جميع الإدخالات في تقرير ملخّص. في "مختبر الضوضاء"، يتم ضرب هذا العدد في 100 لتحديد النسبة المئوية.

الإيجابيات والسلبيات

تُحدث الحِزم ذات الأحجام الأصغر تأثيرًا غير متناسب في القيمة النهائية لمقياس APE. وقد يكون ذلك مضلِّلاً عند تقييم الضوضاء. لهذا السبب، أضفنا مقياسًا آخر، وهو RMSRE_T، تم تصميمه للتخفيف من هذا القيد في APE. راجِع الأمثلة لمعرفة التفاصيل.

الرمز

راجِع رمز المصدر لحساب APE.

RMSRE_T (الجذر المتوسط المربّع للخطأ النسبي مع حدّ)

RMSRE_T (متوسط الخطأ النسبي الجذري مع حدّ أدنى) هو مقياس آخر للضوضاء.

كيفية تفسير RMSRE_T

وكلما انخفضت قيم RMSRE_T، كانت نسبة الإشارة إلى الضوضاء أفضل.
على سبيل المثال، إذا كانت نسبة الضوضاء المقبولة لحالة الاستخدام هي %20، وكانت RMSRE_T‏ = 0.2، يمكنك التأكّد من أنّ مستويات الضوضاء تقع ضمن النطاق المقبول.

الصيغة

بالنسبة إلى تقرير تلخيصي معيّن، يتم احتساب RMSRE_T على النحو التالي:

الإيجابيات والسلبيات

إنّ فهم مقياس RMSRE_T أكثر تعقيدًا قليلاً من مقياس APE. ومع ذلك، فإنّه يتمتع ببعض المزايا التي تجعله في بعض الحالات أكثر ملاءمةً من APE لتحليل الضوضاء في التقارير التلخيصية:

• إنّ RMSRE_T أكثر ثباتًا. "T" هو حدّ. يُستخدَم المعامل "T" لمنح وزن أقل في عملية احتساب RMSRE_T للمجموعات التي تحتوي على عدد إحالات ناجحة أقل، وبالتالي تكون أكثر حساسية للضوضاء بسبب صغر حجمها. باستخدام T، لا يشهد المقياس ارتفاعًا في مجموعات الإحالات الناجحة التي تتضمّن عددًا قليلاً من الإحالات الناجحة. إذا كانت T تساوي 5، لن يتم عرض قيمة تشويش صغيرة مثل 1 في مجموعة لا تحتوي على أي إحالات ناجحة على أنّها أعلى بكثير من 1. بدلاً من ذلك، سيتمّ الحدّ من هذا الحدّ إلى 0.2، وهو ما يعادل 1/5، لأنّ T يساوي 5. من خلال منح وزن أقل للمجموعات الأصغر حجمًا التي تكون أكثر حساسية للضوضاء، يصبح هذا المقياس أكثر ثباتًا، ما يسهّل مقارنة اثنين من عمليات المحاكاة.
• يتيح مقياس RMSRE_T التجميع بسهولة. من خلال معرفة RMSRE_T لحِزم متعددة، بالإضافة إلى أعداد القيم الصحيحة، يمكنك احتساب RMSRE_T لمجموعها. ويسمح لك ذلك أيضًا بتحسين RMSRE_T لهذه القيم المجمّعة.

على الرغم من أنّ التجميع ممكن في APE، إلا أنّ الصيغة معقّدة جدًا لأنّها تتضمّن القيمة المطلقة لمجموع ضوضاء لابلاس. ويصعّب ذلك تحسين APE.

الرمز

راجِع رمز المصدر لاحتساب RMSRE_T.

أمثلة

تقرير ملخّص يتضمّن ثلاث مجموعات:

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

نسبة 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 

تقرير ملخّص يتضمّن ثلاث مجموعات:

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

نسبة 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

تقرير ملخّص يتضمّن ثلاث مجموعات:

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

APE = (0.1 + 0.2 + ما لا نهاية) / 3 = ما لا نهاية

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

قد يكون لدى منصّة DSP أو شركة قياس الإعلانات آلاف العملاء الإعلانيين على مستوى العالم، في مجالات وعملات وأسعار شراء محتملة متعددة. وهذا يعني أنّ إنشاء مفتاح تجميع واحد وإدارته لكلّ معلِن قد يكون غير عملي على الإطلاق. بالإضافة إلى ذلك، سيكون من الصعوبة بمكان اختيار الحد الأقصى للقيمة التي يمكن تجميعها وميزانية التجميع التي يمكنها الحد من تأثير الضوضاء على آلاف المعلِنين العالميين. بدلاً من ذلك، لنطّلِع على السيناريوهات التالية:

الاستراتيجية الرئيسية "أ"

يقرّر مقدّم تكنولوجيا الإعلان إنشاء مفتاح واحد وإدارته على مستوى جميع عملائه الإعلانيين. على مستوى جميع المعلِنين وجميع العملات، يختلف نطاق عمليات الشراء من عمليات الشراء ذات الحجم المنخفض والتكلفة العالية إلى عمليات الشراء ذات الحجم الكبير والتكلفة المنخفضة. يؤدّي ذلك إلى المفتاح التالي:

الاستراتيجية الرئيسية ب

يقرّر مقدّم تكنولوجيا الإعلان إنشاء مفتاحَين وإدارتهما على مستوى جميع عملائه الإعلانيين. قرّر فصل المفاتيح حسب العملة. على مستوى جميع المعلنين وجميع العملات، يختلف نطاق عمليات الشراء من عمليات الشراء المنخفضة الحجم والباهظة الثمن إلى عمليات الشراء العالية الحجم والمنخفضة التكلفة. عند الفصل حسب العملة، يتم إنشاء مفتاحَين:

ستتضمّن الاستراتيجية الرئيسية "ب" قدرًا أقل من التشويش في نتيجتها مقارنةً بالاستراتيجية الرئيسية "أ"، لأنّه لا يتم توزيع قيم العملات بالتساوي على مستوى العملات. على سبيل المثال، تفكّر في كيفية تغيُّر البيانات الأساسية والنتيجة الناتجة عن التشويش في عمليات الشراء التي يتمّ إجراؤها بعملة الين الياباني مع عمليات الشراء التي يتمّ إجراؤها بعملة الدولار الأمريكي.

الاستراتيجية الرئيسية ج

قرّر مقدّم تكنولوجيا الإعلان إنشاء أربعة مفاتيح وإدارتها على مستوى جميع عملائه الإعلانيين، وفصلها حسب العملة x مجال العميل الإعلاني:

ستتضمّن الاستراتيجية الرئيسية "ج" قدرًا أقل من التشويش في نتيجتها مقارنةً بالاستراتيجية الرئيسية "ب"، لأنّه لا يتم توزيع قيم عمليات شراء المعلِنين بالتساوي على المعلِنين. على سبيل المثال، ضع في اعتبارك كيف أنّ عمليات شراء المجوهرات الراقية التي تمت مع عمليات شراء قبعات البيسبول ستغيّر البيانات الأساسية والنتيجة الناتجة عن الضوضاء.

ننصحك بإنشاء قيم مجمّعة قصوى مشترَكة وعوامل توسيع مشترَكة للمشتركات بين معلِنين متعدّدين من أجل تقليل التشويش في المخرجات. على سبيل المثال، يمكنك تجربة الاستراتيجيات المختلفة أدناه لأجل المعلِنين:

• استراتيجية واحدة مفصولة بالعملة (دولار أمريكي أو ين ياباني أو دولار كندي أو غير ذلك)
• استراتيجية واحدة مفصولة حسب مجال المعلِن (التأمين والسيارات والبيع بالتجزئة وما إلى ذلك)
• استراتيجية واحدة مفصولة بنطاقات قيم شراء مشابهة ([100]، [1000]، [10000]، وما إلى ذلك)

من خلال إنشاء استراتيجيات رئيسية حول العناصر المشتركة بين المعلِنين، يصبح من الأسهل إدارة المفاتيح والرمز المرتبط بها، وتصبح نسب الإشارة إلى الضوضاء أعلى. جرِّب استراتيجيات مختلفة مع نقاط مشتركة مختلفة للمعلِنين لاكتشاف نقاط الانحناء في زيادة تأثير الضوضاء إلى أقصى حد مقارنةً بإدارة الرموز.

لنطّلِع على سيناريو يشمل معلِنَين:

• المعلِن "أ":
  • في جميع المنتجات على موقع المعلِن "أ" الإلكتروني، تتراوح احتمالات سعر الشراء بين ‎[$120 - $1,000]، أي ما يعادل ‎ $880.
  • يتم توزيع أسعار الشراء بالتساوي على نطاق 880 دولار أمريكي بدون أي قيم شاذة خارج انحرافَين معياريَّين عن متوسط سعر الشراء.
• المعلِن "ب":
  • في جميع المنتجات على موقع المعلِن "ب" الإلكتروني، تتراوح احتمالات سعر الشراء بين ‎[$120 - $1,000]، أي ما يعادل ‎ $880.
  • تميل أسعار الشراء بشكل كبير إلى النطاق الذي يتراوح بين 120 و500 دولار أمريكي، وتشكل عمليات الشراء التي تتراوح بين 500 و1,000 دولار أمريكي نسبة% 5 فقط.

نظرًا ل متطلبات ميزانية المساهمة والمنهجية التي يتم من خلالها تطبيق الضوضاء على النتائج النهائية، سيحصل المعلِن "ب" تلقائيًا على نتيجة أكثر ضوضاءً مقارنةً بالمعلِن "أ"، لأنّ المعلِن "ب" لديه احتمالية أكبر بأن تؤثّر القيم الشاذة في الحسابات الأساسية.

من الممكن تخفيف هذا التأثير من خلال إعداد مفتاح معيّن. اختبِر الاستراتيجيات الرئيسية التي تساعد في إدارة البيانات الشاذة، وتوزيع قيم الشراء بالتساوي بشكل أكبر على مستوى نطاق الشراء للمفتاح.

بالنسبة إلى المعلِن "ب"، يمكنك إنشاء مفتاحَين منفصلَين لتسجيل نطاقين مختلفَين لقيمة الشراء. في هذا المثال، لاحظت تقنية الإعلان أنّ القيم الشاذة تظهر أعلى قيمة الشراء البالغة 500 دولار أمريكي. حاوِل تنفيذ مفتاحَين منفصلَين لهذا المعلِن:

• بنية المفتاح 1 : مفتاح يسجّل عمليات الشراء التي تتراوح بين 120 و500 دولار أمريكي فقط (تغطي% 95 تقريبًا من إجمالي حجم عمليات الشراء).
• بنية المفتاح 2: مفتاح يسجّل عمليات الشراء التي تزيد قيمتها عن 500 دولار أمريكي فقط (تغطي% 5 تقريبًا من إجمالي حجم عمليات الشراء).

من المفترض أن يؤدّي تنفيذ هذه الاستراتيجية الرئيسية إلى إدارة الضوضاء بشكل أفضل للمعلِن "ب"، ومساعدة المعلِن في تحقيق أقصى استفادة من التقارير التلخيصية. نظرًا لنطاقَي القياس الجديدَين الأصغر حجمًا، من المفترض أن يُظهر المفتاحان "أ" و"ب" الآن توزيعًا أكثر توحيدًا للبيانات في كل مفتاح منهما مقارنةً بالمفتاح الفردي السابق. سيؤدي ذلك إلى تقليل تأثير الضوضاء في إخراج كل مفتاح مقارنةً بالمفتاح الفردي السابق.