নয়েসল্যাব

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

1. অ্যাডভান্সড মোডে যান।
2. প্যারামিটার সাইড প্যানেলে, আপনার রূপান্তর ডেটা খুঁজুন।
3. ডিফল্ট প্যারামিটারগুলি পর্যবেক্ষণ করুন। ডিফল্টরূপে, TOTAL দৈনিক অ্যাট্রিবিউটেবল রূপান্তর গণনা 1000। আপনি যদি ডিফল্ট সেটআপ ব্যবহার করেন (ডিফল্ট মাত্রা, প্রতিটি মাত্রার জন্য সম্ভাব্য বিভিন্ন মানের ডিফল্ট সংখ্যা, কী কৌশল A) তাহলে এটি গড়ে প্রতি বালতিতে প্রায় 40 হবে। লক্ষ্য করুন যে ইনপুটে মানটি 40, গড় দৈনিক অ্যাট্রিবিউটেবল রূপান্তর গণনা প্রতি বালতিতে।
4. ডিফল্ট প্যারামিটার সহ একটি সিমুলেশন চালানোর জন্য সিমুলেটে ক্লিক করুন।
5. প্যারামিটার সাইড প্যানেলে, ডাইমেনশন খুঁজুন। Geography-এর নাম পরিবর্তন করে City করুন এবং সম্ভাব্য বিভিন্ন মানের সংখ্যা 50-এ পরিবর্তন করুন।
6. লক্ষ্য করুন কিভাবে এটি প্রতি বালতিতে গড় দৈনিক অ্যাট্রিবিউটেবল রূপান্তর গণনা পরিবর্তন করে। এটি এখন অনেক কম। কারণ আপনি যদি অন্য কিছু পরিবর্তন না করে এই মাত্রার মধ্যে সম্ভাব্য মানের সংখ্যা বৃদ্ধি করেন, তাহলে আপনি প্রতিটি বালতিতে কত রূপান্তর ইভেন্ট পড়বে তা পরিবর্তন না করেই মোট বালতির সংখ্যা বৃদ্ধি করবেন।
7. সিমুলেট ক্লিক করুন।
8. ফলাফলের সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন: শব্দ অনুপাত এখন পূর্ববর্তী সিমুলেশনের তুলনায় বেশি।

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

সিম্পল মোডে, ডিফল্ট কী স্ট্রাকচার ব্যবহার করা হয়। অ্যাডভান্সড মোডে, আপনি বিভিন্ন কী স্ট্রাকচার নিয়ে পরীক্ষা-নিরীক্ষা করতে পারেন। কিছু উদাহরণের মাত্রা অন্তর্ভুক্ত করা হয়েছে; আপনি এগুলি পরিবর্তনও করতে পারেন।

1. অ্যাডভান্সড মোডে যান।
2. প্যারামিটার সাইড প্যানেলে, কী স্ট্র্যাটেজি খুঁজুন। লক্ষ্য করুন যে টুলে A নামক ডিফল্ট স্ট্র্যাটেজিটি একটি গ্রানুলার কী স্ট্রাকচার ব্যবহার করে যার মধ্যে সমস্ত মাত্রা অন্তর্ভুক্ত থাকে: ভূগোল x ক্যাম্পেইন আইডি x পণ্য বিভাগ।
3. সিমুলেট ক্লিক করুন।
4. ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
5. কী কৌশলটি B তে পরিবর্তন করুন। এটি আপনার কী কাঠামো কনফিগার করার জন্য অতিরিক্ত নিয়ন্ত্রণ প্রদর্শন করে।
6. আপনার কী স্ট্রাকচারটি নিম্নরূপ কনফিগার করুন:
   1. মূল কাঠামোর সংখ্যা: ২
   2. মূল কাঠামো ১ = ভূগোল x পণ্য বিভাগ।
   3. কী স্ট্রাকচার ২ = ক্যাম্পেইন আইডি x পণ্য বিভাগ।
7. সিমুলেট ক্লিক করুন।
8. লক্ষ্য করুন যে আপনি এখন প্রতিটি পরিমাপ লক্ষ্য ধরণের জন্য দুটি সারাংশ প্রতিবেদন পাবেন (ক্রয় গণনার জন্য দুটি, ক্রয় মূল্যের জন্য দুটি), কারণ আপনি দুটি স্বতন্ত্র কী কাঠামো ব্যবহার করছেন। তাদের শব্দ অনুপাত পর্যবেক্ষণ করুন।
9. আপনি আপনার নিজস্ব কাস্টম ডাইমেনশন দিয়েও এটি চেষ্টা করতে পারেন। এটি করার জন্য, আপনি যে ডেটা ট্র্যাক করতে চান তা সন্ধান করুন: ডাইমেনশন। উদাহরণ ডাইমেনশনগুলি সরিয়ে ফেলার কথা বিবেচনা করুন এবং শেষ ডাইমেনশনের নীচে থাকা অ্যাড/রিমুভ/রিসেট বোতামগুলি ব্যবহার করে আপনার নিজস্ব ডাইমেনশন তৈরি করুন।

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

1. সিম্পল মোডে যান (অথবা অ্যাডভান্সড মোড — ব্যাচিং ফ্রিকোয়েন্সির ক্ষেত্রে উভয় মোড একইভাবে কাজ করে)
2. প্যারামিটার সাইড প্যানেলে, আপনার অ্যাগ্রিগেশন কৌশল > ব্যাচিং ফ্রিকোয়েন্সি সন্ধান করুন। এটি অ্যাগ্রিগেটেবল রিপোর্টের ব্যাচিং ফ্রিকোয়েন্সি বোঝায় যা একটি একক কাজে অ্যাগ্রিগেশন পরিষেবার সাথে প্রক্রিয়া করা হয়।
3. ডিফল্ট ব্যাচিং ফ্রিকোয়েন্সি পর্যবেক্ষণ করুন: ডিফল্টরূপে, একটি দৈনিক ব্যাচিং ফ্রিকোয়েন্সি সিমুলেট করা হয়।
4. সিমুলেট ক্লিক করুন।
5. ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
6. ব্যাচিং ফ্রিকোয়েন্সি সাপ্তাহিক করুন।
7. ফলাফলের সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন: শব্দ অনুপাত এখন পূর্ববর্তী সিমুলেশনের তুলনায় কম (ভাল)।

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

যদিও এটি ভবিষ্যদ্বাণী করা কঠিন হতে পারে এবং ঋতুগত প্রভাব ছাড়াও উল্লেখযোগ্য পরিবর্তন হতে পারে, তবুও দৈনিক একক-স্পর্শের রূপান্তরের সংখ্যা অনুমান করার চেষ্টা করুন, যার নিকটতম শক্তি ১০: ১০, ১০০, ১,০০০, অথবা ১০,০০০।

1. অ্যাডভান্সড মোডে যান।
2. প্যারামিটার সাইড প্যানেলে, আপনার রূপান্তর ডেটা খুঁজুন।
3. ডিফল্ট প্যারামিটারগুলি পর্যবেক্ষণ করুন। ডিফল্টরূপে, TOTAL দৈনিক অ্যাট্রিবিউটেবল রূপান্তর গণনা 1000। আপনি যদি ডিফল্ট সেটআপ ব্যবহার করেন (ডিফল্ট মাত্রা, প্রতিটি মাত্রার জন্য সম্ভাব্য বিভিন্ন মানের ডিফল্ট সংখ্যা, কী কৌশল A) তাহলে এটি গড়ে প্রতি বালতিতে প্রায় 40 হবে। লক্ষ্য করুন যে ইনপুটে মানটি 40, গড় দৈনিক অ্যাট্রিবিউটেবল রূপান্তর গণনা প্রতি বালতিতে।
4. ডিফল্ট প্যারামিটার সহ একটি সিমুলেশন চালানোর জন্য সিমুলেটে ক্লিক করুন।
5. ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
6. এখন TOTAL দৈনিক অ্যাট্রিবিউটেবল কনভার্সন কাউন্ট ১০০ তে সেট করুন। লক্ষ্য করুন যে এটি প্রতি বালতিতে গড় দৈনিক অ্যাট্রিবিউটেবল কনভার্সন কাউন্টের মান কমিয়ে দেয়।
7. সিমুলেট ক্লিক করুন।
8. লক্ষ্য করুন যে শব্দের অনুপাত এখন বেশি: কারণ যখন আপনার প্রতি বালতিতে কম রূপান্তর থাকে, তখন গোপনীয়তা বজায় রাখার জন্য আরও শব্দ প্রয়োগ করা হয়।

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

1. অ্যাডভান্সড মোডে যান।
2. প্যারামিটার সাইড প্যানেলে, আপনার অ্যাগ্রিগেশন কৌশল > স্কেলিং খুঁজুন। এটি ডিফল্টরূপে হ্যাঁ তে সেট করা আছে।
3. শব্দ অনুপাতের উপর স্কেলিংয়ের ইতিবাচক প্রভাব বোঝার জন্য, প্রথমে স্কেলিংকে নম্বরে সেট করুন।
4. সিমুলেট ক্লিক করুন।
5. ফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন।
6. স্কেলিংকে হ্যাঁ তে সেট করুন। মনে রাখবেন যে Noise Lab আপনার দৃশ্যকল্পের জন্য পরিমাপ লক্ষ্যের পরিসর (গড় এবং সর্বোচ্চ মান) বিবেচনা করে স্বয়ংক্রিয়ভাবে ব্যবহৃত স্কেলিং ফ্যাক্টর গণনা করে। একটি বাস্তব সিস্টেম বা অরিজিন ট্রায়াল সেটআপে, আপনি স্কেলিং ফ্যাক্টরের জন্য আপনার নিজস্ব গণনা বাস্তবায়ন করতে চাইবেন।
7. সিমুলেট ক্লিক করুন।
8. লক্ষ্য করুন যে এই দ্বিতীয় সিমুলেশনে শব্দের অনুপাত এখন কম (ভালো)। কারণ আপনি স্কেলিং ব্যবহার করছেন।

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

একটি পরিমাপ লক্ষ্য হল রূপান্তর ইভেন্টগুলিতে সংগৃহীত একটি স্বতন্ত্র ডেটা পয়েন্ট।

1. অ্যাডভান্সড মোডে যান।
2. প্যারামিটার সাইড প্যানেলে, আপনি যে ডেটা ট্র্যাক করতে চান তা খুঁজুন: পরিমাপ লক্ষ্য। ডিফল্টরূপে, আপনার দুটি পরিমাপ লক্ষ্য থাকে: ক্রয় মূল্য এবং ক্রয় গণনা।
3. ডিফল্ট লক্ষ্যগুলি সহ একটি সিমুলেশন চালাতে সিমুলেটে ক্লিক করুন।
4. "সরান" এ ক্লিক করুন। এটি শেষ পরিমাপ লক্ষ্যটি (সেক্ষেত্রে ক্রয়ের সংখ্যা) মুছে ফেলবে।
5. সিমুলেট ক্লিক করুন।
6. লক্ষ্য করুন যে এই দ্বিতীয় সিমুলেশনের জন্য ক্রয় মূল্যের জন্য শব্দের অনুপাত এখন কম (ভালো)। এর কারণ হল আপনার পরিমাপের লক্ষ্য কম, তাই আপনার একটি পরিমাপের লক্ষ্য এখন সমস্ত অবদান বাজেট পায়।
7. রিসেট ক্লিক করুন। এখন আপনার আবার দুটি পরিমাপ লক্ষ্য রয়েছে: ক্রয় মূল্য এবং ক্রয় গণনা। মনে রাখবেন যে Noise Lab আপনার দৃশ্যকল্পের জন্য পরিমাপ লক্ষ্যগুলির পরিসর (গড় এবং সর্বোচ্চ মান) বিবেচনা করে স্বয়ংক্রিয়ভাবে ব্যবহৃত স্কেলিং ফ্যাক্টরগুলি গণনা করে। ডিফল্টরূপে, Noise Lab পরিমাপ লক্ষ্যগুলির মধ্যে বাজেটকে সমানভাবে ভাগ করে।
8. সিমুলেট ক্লিক করুন।
9. ফলাফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন। সিমুলেশনে প্রদর্শিত স্কেলিং ফ্যাক্টরগুলি লক্ষ্য করুন।
10. এখন, আরও ভালো সিগন্যাল-টু-নয়েজ অনুপাত অর্জনের জন্য গোপনীয়তা বাজেট বিভাজন কাস্টমাইজ করা যাক।
11. প্রতিটি পরিমাপ লক্ষ্যের জন্য নির্ধারিত বাজেট % পরিবর্তন করুন। ডিফল্ট প্যারামিটারগুলি বিবেচনা করে, পরিমাপ লক্ষ্য 1, অর্থাৎ ক্রয় মূল্য, পরিমাপ লক্ষ্য 2 এর তুলনায় অনেক বিস্তৃত পরিসর (0 এবং 1000 এর মধ্যে) রয়েছে, অর্থাৎ ক্রয় গণনা (1 এবং 1 এর মধ্যে অর্থাৎ সর্বদা 1 এর সমান)। এই কারণে, এটির "স্কেল করার জন্য আরও স্থান" প্রয়োজন: পরিমাপ লক্ষ্য 2 এর তুলনায় পরিমাপ লক্ষ্য 1 এ আরও অবদান বাজেট বরাদ্দ করা আদর্শ হবে, যাতে এটি আরও দক্ষতার সাথে স্কেল করা যায় (স্কেলিং দেখুন), এবং তাই
12. পরিমাপ লক্ষ্য ১-এ বাজেটের ৭০% বরাদ্দ করুন। পরিমাপ লক্ষ্য ২-এ ৩০% বরাদ্দ করুন।
13. সিমুলেট ক্লিক করুন।
14. ফলাফলস্বরূপ সিমুলেশনের শব্দ অনুপাত পর্যবেক্ষণ করুন। ক্রয় মূল্যের ক্ষেত্রে, শব্দ অনুপাত এখন পূর্ববর্তী সিমুলেশনের তুলনায় উল্লেখযোগ্যভাবে কম (ভালো)। ক্রয়ের সংখ্যার ক্ষেত্রে, এগুলি প্রায় অপরিবর্তিত।
15. বাজেটের বিভাজন মেট্রিক্স অনুসারে পরিবর্তন করতে থাকুন। লক্ষ্য করুন এটি শব্দের উপর কীভাবে প্রভাব ফেলে।

মনে রাখবেন যে আপনি Add/Remove/Reset বোতামগুলির সাহায্যে আপনার নিজস্ব কাস্টম পরিমাপ লক্ষ্য নির্ধারণ করতে পারেন।

নয়েজ ল্যাবে এটি ব্যবহার করে দেখুন

একটি পরিমাপ লক্ষ্য হল রূপান্তর ইভেন্টগুলিতে সংগৃহীত একটি স্বতন্ত্র ডেটা পয়েন্ট।

1. অ্যাডভান্সড মোডে যান।
2. প্যারামিটার সাইড প্যানেলে, আপনার অ্যাগ্রিগেশন কৌশল > স্কেলিং খুঁজুন।
3. নিশ্চিত করুন যে স্কেলিং হ্যাঁ তে সেট করা আছে। মনে রাখবেন যে নয়েজ ল্যাব স্বয়ংক্রিয়ভাবে পরিমাপের লক্ষ্যগুলির জন্য আপনার দেওয়া রেঞ্জের (গড় এবং সর্বোচ্চ মান) উপর ভিত্তি করে ব্যবহৃত স্কেলিং ফ্যাক্টরগুলি গণনা করে।
4. ধরে নেওয়া যাক যে এখন পর্যন্ত করা সবচেয়ে বড় ক্রয়টি ছিল $2000, কিন্তু বেশিরভাগ ক্রয় $10-$120 এর মধ্যে হয়। প্রথমে, দেখা যাক যদি আমরা আক্ষরিক স্কেলিং পদ্ধতি ব্যবহার করি (প্রস্তাবিত নয়): purchaseValue-এর সর্বোচ্চ মান হিসেবে $2000 লিখুন।
5. সিমুলেট ক্লিক করুন।
6. লক্ষ্য করুন যে শব্দের অনুপাত বেশি। এর কারণ হল আমাদের স্কেলিং ফ্যাক্টরটি $2000 এর উপর ভিত্তি করে গণনা করা হয়, যখন বাস্তবে বেশিরভাগ ক্রয় মূল্য এর চেয়ে উল্লেখযোগ্যভাবে কম হবে।
7. এবার, আরও বাস্তবসম্মত স্কেলিং পদ্ধতি ব্যবহার করা যাক। সর্বোচ্চ ক্রয় মূল্য $120 এ পরিবর্তন করুন।
8. সিমুলেট ক্লিক করুন।
9. লক্ষ্য করুন যে এই দ্বিতীয় সিমুলেশনে শব্দের অনুপাত কম (ভালো)।

নয়েজ ল্যাব দ্রুত ভ্রমণ

নয়েজ ল্যাব আপনাকে শব্দ ব্যবস্থাপনা কৌশলগুলি দ্রুত মূল্যায়ন এবং তুলনা করতে সাহায্য করে। এটি ব্যবহার করুন:

• শব্দের উপর প্রভাব ফেলতে পারে এমন প্রধান পরামিতিগুলি এবং তাদের প্রভাব কী তা বুঝুন।
• বিভিন্ন ডিজাইনের সিদ্ধান্তের ভিত্তিতে আউটপুট পরিমাপের ডেটার উপর শব্দের প্রভাব অনুকরণ করুন। আপনার ব্যবহারের ক্ষেত্রে কাজ করে এমন একটি সিগন্যাল-টু-নয়েজ অনুপাত না পৌঁছানো পর্যন্ত ডিজাইনের প্যারামিটারগুলিকে পরিবর্তন করুন।
• সারাংশ প্রতিবেদনের উপযোগিতা সম্পর্কে আপনার মতামত শেয়ার করুন: এপসিলন এবং নয়েজ প্যারামিটারের কোন মানগুলি আপনার জন্য কাজ করে, কোনটি করে না? ইনফ্লেকশন পয়েন্টগুলি কোথায়?

এটিকে প্রস্তুতির একটি ধাপ হিসেবে ভাবুন। আপনার ইনপুটের উপর ভিত্তি করে সারাংশ রিপোর্ট আউটপুট অনুকরণ করার জন্য নয়েজ ল্যাব পরিমাপের ডেটা তৈরি করে। এটি কোনও ডেটা টিকে থাকে না বা ভাগ করে না।

নয়েজ ল্যাবে দুটি ভিন্ন মোড রয়েছে:

1. সহজ মোড: শব্দ নিয়ন্ত্রণের মৌলিক বিষয়গুলো বুঝুন।
2. উন্নত মোড: বিভিন্ন শব্দ ব্যবস্থাপনা কৌশল পরীক্ষা করুন এবং মূল্যায়ন করুন কোনটি আপনার ব্যবহারের ক্ষেত্রে সেরা সংকেত-থেকে-শব্দ অনুপাতের দিকে পরিচালিত করে।

দুটি মোডের মধ্যে টগল করতে উপরের মেনুতে থাকা বোতামগুলিতে ক্লিক করুন ( #1. নিম্নলিখিত স্ক্রিনশটে )।

সরল মোড

• সিম্পল মোডের সাহায্যে, আপনি অ্যাপসিলনের মতো প্যারামিটারগুলি (বাম দিকে পাওয়া যায়, অথবা #2। নিম্নলিখিত স্ক্রিনশটে ) নিয়ন্ত্রণ করতে পারবেন এবং দেখতে পারবেন যে তারা কীভাবে শব্দের উপর প্রভাব ফেলে।
• প্রতিটি প্যারামিটারের একটি টুলটিপ থাকে (একটি `?` বোতাম)। প্রতিটি প্যারামিটারের ব্যাখ্যা দেখতে এগুলিতে ক্লিক করুন ( #3. নিম্নলিখিত স্ক্রিনশটে )
• শুরু করতে, "সিমুলেট" বোতামে ক্লিক করুন এবং আউটপুট কেমন দেখাচ্ছে তা পর্যবেক্ষণ করুন ( #৪. নিম্নলিখিত স্ক্রিনশটে )
• "আউটপুট" বিভাগে আপনি বিভিন্ন ধরণের বিবরণ দেখতে পাবেন। কিছু উপাদানের পাশে "?" চিহ্ন থাকে। বিভিন্ন তথ্যের ব্যাখ্যা দেখতে প্রতিটি "?" চিহ্নে ক্লিক করার জন্য সময় নিন।
• আউটপুট বিভাগের মধ্যে, যদি আপনি টেবিলের একটি বর্ধিত সংস্করণ দেখতে চান তবে বিশদ টগল ক্লিক করুন ( #5. নিম্নলিখিত স্ক্রিনশটে )
• আউটপুট বিভাগে প্রতিটি ডেটা টেবিলের পরে, অফলাইন ব্যবহারের জন্য টেবিলটি ডাউনলোড করার একটি বিকল্প রয়েছে। এছাড়াও, নীচের ডান কোণায় সমস্ত ডেটা টেবিল ডাউনলোড করার একটি বিকল্প রয়েছে ( #6. নিম্নলিখিত স্ক্রিনশটে )
• প্যারামিটার বিভাগে প্যারামিটারগুলির জন্য বিভিন্ন সেটিংস পরীক্ষা করুন এবং আউটপুটকে কীভাবে প্রভাবিত করে তা দেখতে সিমুলেট ক্লিক করুন:

  

উন্নত মোড

• অ্যাডভান্সড মোডে, প্যারামিটারগুলির উপর আপনার আরও নিয়ন্ত্রণ থাকবে। আপনি কাস্টম পরিমাপ লক্ষ্য এবং মাত্রা যোগ করতে পারেন ( #1. এবং #2. নিম্নলিখিত স্ক্রিনশটে )
• প্যারামিটার বিভাগে আরও নিচে স্ক্রোল করুন এবং কী স্ট্র্যাটেজি বিকল্পটি দেখুন। এটি বিভিন্ন কী স্ট্রাকচার পরীক্ষা করার জন্য ব্যবহার করা যেতে পারে ( #3. নিম্নলিখিত স্ক্রিনশটে )
  • বিভিন্ন কী স্ট্রাকচার পরীক্ষা করার জন্য, কী স্ট্র্যাটেজি "B" তে স্যুইচ করুন।
  • আপনি যে বিভিন্ন কী স্ট্রাকচার ব্যবহার করতে চান তার সংখ্যা ইনপুট করুন (ডিফল্ট "2" তে সেট করা আছে)
  • কী স্ট্রাকচার তৈরি করুন ক্লিক করুন
  • প্রতিটি কী স্ট্রাকচারের জন্য আপনি যে কীগুলি অন্তর্ভুক্ত করতে চান তার পাশের চেকবক্সগুলিতে ক্লিক করে আপনার কী স্ট্রাকচারগুলি নির্দিষ্ট করার বিকল্পগুলি দেখতে পাবেন।
  • আউটপুট দেখতে Simulate এ ক্লিক করুন।

    

    

শব্দের মেট্রিক্স

মূল ধারণা

ব্যবহারকারীর ব্যক্তিগত গোপনীয়তা রক্ষা করার জন্য নয়েজ যোগ করা হয়েছে।

উচ্চ শব্দের মান নির্দেশ করে যে বালতি/চাবিগুলি বিরল এবং সীমিত সংখ্যক সংবেদনশীল ইভেন্টের অবদান রয়েছে। এটি নয়েজ ল্যাব দ্বারা স্বয়ংক্রিয়ভাবে করা হয়, যাতে ব্যক্তিরা "ভিড়ের মধ্যে লুকিয়ে থাকতে" পারে, অথবা অন্য কথায়, অতিরিক্ত পরিমাণে শব্দের মাধ্যমে এই সীমিত ব্যক্তিদের গোপনীয়তা রক্ষা করে।

কম শব্দের মান নির্দেশ করে যে ডেটা সেটআপটি এমনভাবে ডিজাইন করা হয়েছে যা ইতিমধ্যেই ব্যক্তিদের "ভিড়ের মধ্যে লুকিয়ে থাকতে" অনুমতি দেয়। এর অর্থ হল বাকেটগুলিতে পর্যাপ্ত সংখ্যক ইভেন্ট থেকে অবদান রয়েছে যা যাচাই করে যে ব্যক্তিগত ব্যবহারকারীর গোপনীয়তা সুরক্ষিত।

এই বিবৃতিটি গড় শতাংশ ত্রুটি (APE) এবং RMSRE_T (মূল-গড়-বর্গ আপেক্ষিক ত্রুটি যার একটি থ্রেশহোল্ড রয়েছে) উভয়ের ক্ষেত্রেই সত্য।

APE (গড় শতাংশ ত্রুটি)

APE হলো সিগন্যালের উপর শব্দের অনুপাত, অর্থাৎ প্রকৃত সারাংশ মান।

কম APE মান মানে সংকেত-থেকে-শব্দ অনুপাত ভালো।

সূত্র

একটি প্রদত্ত সারসংক্ষেপ প্রতিবেদনের জন্য, APE নিম্নরূপ গণনা করা হয়:

সত্য হলো প্রকৃত সারসংক্ষেপ মান। APE হলো প্রতিটি প্রকৃত সারসংক্ষেপ মানের উপর শব্দের গড়, যা একটি সারসংক্ষেপ প্রতিবেদনের সমস্ত এন্ট্রির উপর গড়ে তোলা হয়। নয়েজ ল্যাবে, এটিকে ১০০ দিয়ে গুণ করে শতাংশ দেওয়া হয়।

সুবিধাগুলি এবং অসুবিধাগুলি

ছোট আকারের বালতিগুলি APE-এর চূড়ান্ত মানের উপর অসামঞ্জস্যপূর্ণ প্রভাব ফেলে। শব্দ মূল্যায়নের সময় এটি বিভ্রান্তিকর হতে পারে। এই কারণেই আমরা আরেকটি মেট্রিক, RMSRE_T, যোগ করেছি যা APE-এর এই সীমাবদ্ধতা কমানোর জন্য ডিজাইন করা হয়েছে। বিস্তারিত জানার জন্য উদাহরণগুলি পর্যালোচনা করুন।

কোড

APE গণনার জন্য উৎস কোডটি পর্যালোচনা করুন।

RMSRE_T (মূল-গড়-বর্গক্ষেত্রের আপেক্ষিক ত্রুটি, একটি থ্রেশহোল্ড সহ)

RMSRE_T (মূল-গড়-বর্গ আপেক্ষিক ত্রুটি, একটি থ্রেশহোল্ড সহ) হল শব্দের আরেকটি পরিমাপ।

RMSRE_T কীভাবে ব্যাখ্যা করবেন

RMSRE_T মান কম হলে সংকেত-থেকে-শব্দ অনুপাত আরও ভালো হবে।
উদাহরণস্বরূপ, যদি আপনার ব্যবহারের ক্ষেত্রে গ্রহণযোগ্য শব্দের অনুপাত ২০% হয় এবং RMSRE_T ০.২ হয়, তাহলে আপনি নিশ্চিত থাকতে পারেন যে শব্দের মাত্রা আপনার গ্রহণযোগ্য সীমার মধ্যে পড়ে।

সূত্র

একটি প্রদত্ত সারাংশ প্রতিবেদনের জন্য, RMSRE_T নিম্নরূপ গণনা করা হয়:

সুবিধাগুলি এবং অসুবিধাগুলি

RMSRE_T APE এর তুলনায় বোঝা একটু জটিল। তবে, এর কিছু সুবিধা রয়েছে যা কিছু ক্ষেত্রে সারসংক্ষেপ প্রতিবেদনে শব্দ বিশ্লেষণের জন্য APE এর তুলনায় এটিকে আরও উপযুক্ত করে তোলে:

• RMSRE_T বেশি স্থিতিশীল। "T" হল একটি থ্রেশহোল্ড। RMSRE_T গণনায় "T" ব্যবহার করা হয় এমন বালতিগুলিকে কম ওজন দেওয়ার জন্য যেখানে কম রূপান্তর রয়েছে এবং তাই তাদের ছোট আকারের কারণে শব্দের প্রতি বেশি সংবেদনশীল। T এর সাথে, মেট্রিকটি কম রূপান্তর সহ বালতিগুলিতে স্পাইক করে না। যদি T 5 এর সমান হয়, তাহলে 0 রূপান্তর সহ বালতিতে 1 এর মতো ছোট শব্দের মান 1 এর বেশি প্রদর্শিত হবে না। পরিবর্তে, এটি 0.2 এ সীমাবদ্ধ করা হবে, যা 1/5 এর সমতুল্য, কারণ T 5 এর সমান। ছোট বালতিগুলিকে কম ওজন দেওয়ার মাধ্যমে যা শব্দের প্রতি বেশি সংবেদনশীল, এই মেট্রিকটি আরও স্থিতিশীল, এবং তাই দুটি সিমুলেশন তুলনা করা সহজ করে তোলে।
• RMSRE_T সহজে একত্রিত করার সুযোগ দেয়। একাধিক বাকেটের RMSRE_T জানা, তাদের প্রকৃত গণনা সহ, আপনাকে তাদের যোগফলের RMSRE_T গণনা করতে দেয়। এটি আপনাকে এই সম্মিলিত মানগুলির জন্য RMSRE_T-এর জন্য অপ্টিমাইজ করতেও সাহায্য করে।

APE-এর জন্য সমষ্টিকরণ সম্ভব হলেও, সূত্রটি বেশ জটিল কারণ এতে ল্যাপ্লেস শব্দের যোগফলের পরম মান জড়িত। এটি APE-কে অপ্টিমাইজ করা কঠিন করে তোলে।

কোড

RMSRE_T গণনার জন্য সোর্স কোডটি পর্যালোচনা করুন।

উদাহরণ

তিনটি বাকেট সহ সারসংক্ষেপ প্রতিবেদন:

• bucket_1 = নয়েজ: ১০, trueSummaryValue: ১০০
• bucket_2 = নয়েজ: ২০, trueSummaryValue: ১০০
• bucket_3 = নয়েজ: ২০, trueSummaryValue: ২০০

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

তিনটি বাকেট সহ সারসংক্ষেপ প্রতিবেদন:

• bucket_1 = নয়েজ: ১০, trueSummaryValue: ১০০
• bucket_2 = নয়েজ: ২০, trueSummaryValue: ১০০
• bucket_3 = নয়েজ: ২০, trueSummaryValue: ২০

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

তিনটি বাকেট সহ সারসংক্ষেপ প্রতিবেদন:

• bucket_1 = নয়েজ: ১০, trueSummaryValue: ১০০
• bucket_2 = নয়েজ: ২০, trueSummaryValue: ১০০
• bucket_3 = নয়েজ: ২০, trueSummaryValue: ০

APE = (0.1 + 0.2 + অনন্ত) / 3 = অনন্ত

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

উন্নত কী ব্যবস্থাপনা

একটি ডিএসপি বা বিজ্ঞাপন পরিমাপ কোম্পানির হাজার হাজার বিশ্বব্যাপী বিজ্ঞাপন গ্রাহক থাকতে পারে, যারা একাধিক শিল্প, মুদ্রা এবং ক্রয়মূল্যের সম্ভাবনা জুড়ে বিস্তৃত। এর অর্থ হল, প্রতিটি বিজ্ঞাপনদাতার জন্য একটি সমষ্টি কী তৈরি এবং পরিচালনা করা সম্ভবত অত্যন্ত অবাস্তব হবে। উপরন্তু, এই হাজার হাজার বিশ্বব্যাপী বিজ্ঞাপনদাতাদের উপর শব্দের প্রভাব সীমিত করতে পারে এমন সর্বাধিক সমষ্টিগত মূল্য এবং সমষ্টিগত বাজেট নির্বাচন করা চ্যালেঞ্জিং হবে। পরিবর্তে, আসুন নিম্নলিখিত পরিস্থিতিগুলি বিবেচনা করি:

মূল কৌশল A

বিজ্ঞাপন প্রযুক্তি প্রদানকারী তার সমস্ত বিজ্ঞাপন গ্রাহকদের জন্য একটি কী তৈরি এবং পরিচালনা করার সিদ্ধান্ত নেয়। সমস্ত বিজ্ঞাপনদাতা এবং সমস্ত মুদ্রা জুড়ে, ক্রয়ের পরিসর কম পরিমাণে, উচ্চ-স্তরের ক্রয় থেকে শুরু করে উচ্চ পরিমাণে, কম-স্তরের ক্রয় পর্যন্ত পরিবর্তিত হয়। এর ফলে নিম্নলিখিত কী পাওয়া যায়:

মূল কৌশল খ

বিজ্ঞাপন প্রযুক্তি প্রদানকারী তার সমস্ত বিজ্ঞাপন গ্রাহকদের জন্য দুটি কী তৈরি এবং পরিচালনা করার সিদ্ধান্ত নেয়। তারা মুদ্রা অনুসারে কী আলাদা করার সিদ্ধান্ত নেয়। সমস্ত বিজ্ঞাপনদাতা এবং সমস্ত মুদ্রা জুড়ে, ক্রয়ের পরিসর কম ভলিউম, উচ্চ-স্তরের ক্রয় থেকে শুরু করে উচ্চ ভলিউম, নিম্ন-স্তরের ক্রয় পর্যন্ত পরিবর্তিত হয়। মুদ্রা অনুসারে পৃথক করে, তারা 2টি কী তৈরি করে:

মূল কৌশল B এর ফলাফলে মূল কৌশল A এর তুলনায় কম শব্দ হবে, কারণ মুদ্রার মান বিভিন্ন মুদ্রায় সমানভাবে বিতরণ করা হয় না। উদাহরণস্বরূপ, বিবেচনা করুন যে ¥ তে মূল্যায়িত ক্রয়গুলি USD তে মূল্যায়িত ক্রয়ের সাথে মিশ্রিত হলে অন্তর্নিহিত ডেটা এবং এর ফলে শব্দের আউটপুট কীভাবে পরিবর্তিত হবে।

মূল কৌশল গ

বিজ্ঞাপন প্রযুক্তি প্রদানকারী তার সমস্ত বিজ্ঞাপন গ্রাহকদের জন্য চারটি কী তৈরি এবং পরিচালনা করার সিদ্ধান্ত নেয় এবং মুদ্রা x বিজ্ঞাপনদাতা শিল্প অনুসারে সেগুলিকে পৃথক করে:

কী স্ট্র্যাটেজি সি-এর ফলাফলে কী স্ট্র্যাটেজি বি-এর তুলনায় কম শব্দ হবে, কারণ বিজ্ঞাপনদাতাদের মধ্যে বিজ্ঞাপনের ক্রয়মূল্য সমানভাবে বিতরণ করা হয় না। উদাহরণস্বরূপ, বিবেচনা করুন যে কীভাবে উচ্চমানের গয়না কেনার সাথে বেসবল টুপি কেনার মিলন অন্তর্নিহিত তথ্য এবং এর ফলে শব্দের আউটপুটকে পরিবর্তন করবে।

আউটপুটে শব্দ কমাতে একাধিক বিজ্ঞাপনদাতার মধ্যে মিলের জন্য ভাগ করা সর্বাধিক সমষ্টিগত মান এবং ভাগ করা স্কেলিং ফ্যাক্টর তৈরি করার কথা বিবেচনা করুন। উদাহরণস্বরূপ, আপনি আপনার বিজ্ঞাপনদাতাদের জন্য নিম্নলিখিত কৌশলগুলি নিয়ে পরীক্ষা করতে পারেন:

• মুদ্রা দ্বারা পৃথক করা একটি কৌশল (USD, ¥, CAD, ইত্যাদি)
• বিজ্ঞাপনদাতা শিল্প (বীমা, অটো, খুচরা, ইত্যাদি) দ্বারা পৃথক একটি কৌশল
• একই ধরণের ক্রয় মূল্যের পরিসর ([100], [1000], [10000], ইত্যাদি) দ্বারা পৃথক করা একটি কৌশল।

বিজ্ঞাপনদাতাদের মধ্যে সাধারণ বিষয়গুলিকে কেন্দ্র করে মূল কৌশল তৈরি করার মাধ্যমে, কী এবং সংশ্লিষ্ট কোড পরিচালনা করা সহজ হয় এবং সিগন্যাল-টু-নয়েজ অনুপাত আরও বেশি হয়। কোড ব্যবস্থাপনার তুলনায় শব্দের প্রভাব সর্বাধিক করার ক্ষেত্রে প্রতিফলন পয়েন্টগুলি আবিষ্কার করতে বিভিন্ন বিজ্ঞাপনদাতার সাধারণ বিষয়গুলির সাথে বিভিন্ন কৌশল ব্যবহার করে পরীক্ষা করুন।

দুজন বিজ্ঞাপনদাতার একটি দৃশ্যকল্প বিবেচনা করা যাক:

• বিজ্ঞাপনদাতা ক:
  • বিজ্ঞাপনদাতা A-এর সাইটে সমস্ত পণ্যের ক্রয় মূল্যের সম্ভাবনা [$120 - $1,000] এর মধ্যে, যার পরিসর $880।
  • ক্রয়মূল্য $880 পরিসরে সমানভাবে বিতরণ করা হয়েছে, গড় ক্রয়মূল্য থেকে দুটি আদর্শ বিচ্যুতির বাইরে কোনও বহির্মুখী পার্থক্য নেই।
• বিজ্ঞাপনদাতা খ:
  • বিজ্ঞাপনদাতা B-এর সাইটে সমস্ত পণ্যের ক্রয় মূল্যের সম্ভাবনা [$120 - $1,000] এর মধ্যে, যার পরিসর $880।
  • ক্রয়মূল্য প্রায় ১২০-৫০০ ডলারের মধ্যে থাকে, যেখানে মাত্র ৫% ক্রয় ৫০০-১,০০০ ডলারের মধ্যে ঘটে।

অবদান বাজেটের প্রয়োজনীয়তা এবং চূড়ান্ত ফলাফলে নয়েজ প্রয়োগের পদ্ধতি বিবেচনা করে, বিজ্ঞাপনদাতা B-এর ডিফল্টরূপে বিজ্ঞাপনদাতা A-এর তুলনায় বেশি শব্দের আউটপুট থাকবে, কারণ বিজ্ঞাপনদাতা B-এর অন্তর্নিহিত গণনাগুলিকে প্রভাবিত করার জন্য বহিরাগতদের সম্ভাবনা বেশি।

একটি নির্দিষ্ট কী সেটআপের মাধ্যমে এটি হ্রাস করা সম্ভব। কী কৌশলগুলি পরীক্ষা করুন যা বহিরাগত ডেটা পরিচালনা করতে এবং কী-এর ক্রয় পরিসরে ক্রয় মূল্য আরও সমানভাবে বিতরণ করতে সহায়তা করে।

বিজ্ঞাপনদাতা B এর জন্য, আপনি দুটি ভিন্ন ক্রয় মূল্যের পরিসর ক্যাপচার করার জন্য দুটি পৃথক কী তৈরি করতে পারেন। এই উদাহরণে, বিজ্ঞাপন প্রযুক্তিবিদ লক্ষ্য করেছেন যে বহিরাগতরা $500 ক্রয় মূল্যের উপরে প্রদর্শিত হচ্ছে। এই বিজ্ঞাপনদাতার জন্য দুটি পৃথক কী প্রয়োগ করার চেষ্টা করুন:

• কী স্ট্রাকচার ১: এমন কী যা শুধুমাত্র $১২০ - $৫০০ (মোট ক্রয়ের পরিমাণের প্রায় ৯৫% কভার করে) এর মধ্যে কেনাকাটা ক্যাপচার করে।
• কী স্ট্রাকচার ২: কী যা শুধুমাত্র $৫০০ এর বেশি ক্রয় ক্যাপচার করে (মোট ক্রয়ের পরিমাণের প্রায় ৫% কভার করে)।

Implementing this key strategy should better manage noise for Advertiser B and help to maximize utility for them from summary reports. Given the new smaller ranges, Key A and Key B should now have a more uniform distribution of data across each respective key that for the previous single key. This will result in less noise impact in each key's output that for the previous single key.