Noiselab

Dùng thử trong Noise Lab

1. Chuyển sang Chế độ nâng cao.
2. Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu lượt chuyển đổi của bạn.
3. Quan sát các tham số mặc định. Theo mặc định, TỔNG số lượt chuyển đổi có thể phân bổ hằng ngày là 1.000. Nếu bạn sử dụng chế độ thiết lập mặc định (các phương diện mặc định, số lượng giá trị khác nhau có thể có mặc định cho mỗi phương diện, Chiến lược chính A), thì trung bình sẽ có khoảng 40 lượt cho mỗi nhóm. Lưu ý rằng giá trị là 40 trong mục đầu vào Số lượt chuyển đổi được phân bổ trung bình hằng ngày CHO MỖI NHÓM.
4. Nhấp vào Mô phỏng để chạy mô phỏng bằng các thông số mặc định.
5. Trong bảng điều khiển bên Thông số, hãy tìm mục Phương diện. Đổi tên Địa lý thành Thành phố và thay đổi số lượng giá trị khác nhau có thể có thành 50.
6. Quan sát xem điều này thay đổi Số lượt chuyển đổi được phân bổ trung bình hằng ngày CHO MỖI NHÓM như thế nào. Hiện tại, mức này đã giảm đi đáng kể. Lý do là nếu bạn tăng số lượng giá trị có thể có trong phương diện này mà không thay đổi bất kỳ điều gì khác, thì bạn sẽ tăng tổng số nhóm mà không thay đổi số lượng sự kiện chuyển đổi sẽ nằm trong mỗi nhóm.
7. Nhấp vào Mô phỏng.
8. Quan sát tỷ lệ nhiễu của mô phỏng thu được: tỷ lệ nhiễu hiện cao hơn so với mô phỏng trước đó.

Dùng thử trong Noise Lab

Ở chế độ Đơn giản, cấu trúc khoá mặc định sẽ được sử dụng. Ở chế độ Nâng cao, bạn có thể thử nghiệm nhiều cấu trúc khoá. Một số phương diện mẫu được đưa vào; bạn cũng có thể sửa đổi các phương diện này.

1. Chuyển sang Chế độ nâng cao.
2. Trong bảng điều khiển bên Thông số, hãy tìm Chiến lược chính. Lưu ý rằng chiến lược mặc định (được đặt tên là A trong công cụ) sử dụng một cấu trúc khoá chi tiết bao gồm tất cả các phương diện: Vị trí địa lý x Mã chiến dịch x Danh mục sản phẩm.
3. Nhấp vào Mô phỏng.
4. Quan sát tỷ lệ nhiễu của mô phỏng thu được.
5. Thay đổi chiến lược khoá thành B. Thao tác này sẽ hiển thị các chế độ kiểm soát bổ sung để bạn định cấu hình cấu trúc khoá.
6. Định cấu hình cấu trúc khoá, ví dụ: như sau:
   1. Số lượng cấu trúc chính: 2
   2. Cấu trúc khoá 1 = Địa lý x Danh mục sản phẩm.
   3. Cấu trúc khoá 2 = Mã chiến dịch x Danh mục sản phẩm.
7. Nhấp vào Mô phỏng.
8. Lưu ý rằng giờ đây, bạn sẽ nhận được 2 báo cáo tóm tắt cho mỗi loại mục tiêu đo lường (2 báo cáo cho số lượt mua, 2 báo cáo cho giá trị lượt mua), giả sử bạn đang sử dụng 2 cấu trúc khoá riêng biệt. Quan sát tỷ lệ nhiễu của chúng.
9. Bạn cũng có thể thử cách này với các phương diện tuỳ chỉnh của riêng mình. Để làm như vậy, hãy tìm Dữ liệu bạn muốn theo dõi: Phương diện. Hãy cân nhắc việc xoá các phương diện ví dụ và tạo phương diện của riêng bạn bằng cách sử dụng các nút Thêm/Xoá/Đặt lại bên dưới phương diện cuối cùng.

Dùng thử trong Noise Lab

1. Chuyển sang Chế độ đơn giản (hoặc Chế độ nâng cao – cả hai chế độ này đều hoạt động theo cùng một cách khi nói đến tần suất theo lô)
2. Trong bảng điều khiển bên Thông số, hãy tìm mục Chiến lược tổng hợp > Tần suất theo lô. Đây là tần suất gộp nhóm của các báo cáo có thể tổng hợp được xử lý bằng dịch vụ tổng hợp trong một công việc duy nhất.
3. Quan sát tần suất phân lô mặc định: theo mặc định, tần suất phân lô hằng ngày sẽ được mô phỏng.
4. Nhấp vào Mô phỏng.
5. Quan sát tỷ lệ nhiễu của mô phỏng thu được.
6. Thay đổi tần suất gửi theo lô thành hằng tuần.
7. Quan sát tỷ lệ nhiễu của mô phỏng thu được: tỷ lệ nhiễu hiện thấp hơn (tốt hơn) so với mô phỏng trước đó.

Dùng thử trong Noise Lab

Mặc dù khó dự đoán và có thể có những biến động đáng kể ngoài các tác động của tính thời vụ, nhưng hãy cố gắng ước tính số lượt chuyển đổi được phân bổ cho một lượt tương tác duy nhất mỗi ngày theo luỹ thừa gần nhất của 10: 10, 100, 1.000 hoặc 10.000.

1. Chuyển sang Chế độ nâng cao.
2. Trong bảng điều khiển bên Thông số, hãy tìm Dữ liệu lượt chuyển đổi của bạn.
3. Quan sát các tham số mặc định. Theo mặc định, TỔNG số lượt chuyển đổi có thể phân bổ hằng ngày là 1.000. Nếu bạn sử dụng chế độ thiết lập mặc định (các phương diện mặc định, số lượng giá trị khác nhau có thể có mặc định cho mỗi phương diện, Chiến lược chính A), thì trung bình sẽ có khoảng 40 lượt cho mỗi nhóm. Lưu ý rằng giá trị là 40 trong mục đầu vào Số lượt chuyển đổi được phân bổ trung bình hằng ngày CHO MỖI NHÓM.
4. Nhấp vào Mô phỏng để chạy mô phỏng bằng các thông số mặc định.
5. Quan sát tỷ lệ nhiễu của mô phỏng thu được.
6. Bây giờ, hãy đặt TỔNG số lượt chuyển đổi được phân bổ hằng ngày thành 100. Lưu ý rằng điều này làm giảm giá trị của Số lượt chuyển đổi được phân bổ trung bình hằng ngày TRÊN MỖI NHÓM.
7. Nhấp vào Mô phỏng.
8. Lưu ý rằng tỷ lệ nhiễu hiện cao hơn: điều này là do khi bạn có ít lượt chuyển đổi hơn trên mỗi nhóm, thì nhiều nhiễu hơn sẽ được áp dụng để duy trì quyền riêng tư.

Dùng thử trong Noise Lab

1. Chuyển sang Chế độ nâng cao.
2. Trong bảng điều khiển bên về Thông số, hãy tìm Chiến lược tổng hợp của bạn > Chia tỷ lệ. Theo mặc định, chế độ này được đặt thành Có.
3. Để hiểu rõ những tác động tích cực của việc điều chỉnh tỷ lệ đối với tỷ lệ nhiễu, trước tiên, hãy đặt tỷ lệ thành Không.
4. Nhấp vào Mô phỏng.
5. Quan sát tỷ lệ nhiễu của mô phỏng thu được.
6. Đặt Scaling (Chia tỷ lệ) thành Yes (Có). Xin lưu ý rằng Noise Lab tự động tính toán các hệ số tỷ lệ sẽ được sử dụng dựa trên các phạm vi (giá trị trung bình và giá trị tối đa) của các mục tiêu đo lường cho trường hợp của bạn. Trong một hệ thống thực hoặc thiết lập thử nghiệm nguồn gốc, bạn nên triển khai phương thức tính toán của riêng mình cho các hệ số tỷ lệ.
7. Nhấp vào Mô phỏng.
8. Nhận thấy rằng tỷ lệ nhiễu hiện thấp hơn (tốt hơn) trong mô phỏng thứ hai này. Nguyên nhân là do bạn đang sử dụng tính năng chia tỷ lệ.

Dùng thử trong Noise Lab

Mục tiêu đo lường là một điểm dữ liệu riêng biệt được thu thập trong các sự kiện chuyển đổi.

1. Chuyển sang Chế độ nâng cao.
2. Trong bảng điều khiển bên của mục Tham số, hãy tìm Dữ liệu bạn muốn theo dõi: Mục tiêu đo lường. Theo mặc định, bạn có 2 mục tiêu đo lường: giá trị mua hàng và số lượt mua hàng.
3. Nhấp vào Mô phỏng để chạy mô phỏng với các mục tiêu mặc định.
4. Nhấp vào Xoá. Thao tác này sẽ xoá mục tiêu đo lường cuối cùng (trong trường hợp này là số lượt mua).
5. Nhấp vào Mô phỏng.
6. Lưu ý rằng tỷ lệ nhiễu cho giá trị mua hiện thấp hơn (tốt hơn) đối với mô phỏng thứ hai này. Điều này là do bạn có ít mục tiêu đo lường hơn, nên một mục tiêu đo lường hiện tại sẽ nhận được toàn bộ ngân sách đóng góp.
7. Nhấp vào Đặt lại. Giờ đây, bạn có 2 mục tiêu đo lường: giá trị lượt mua hàng và số lượt mua hàng. Xin lưu ý rằng Noise Lab tự động tính toán các hệ số tỷ lệ sẽ được sử dụng dựa trên các phạm vi (giá trị trung bình và tối đa) của các mục tiêu đo lường cho trường hợp của bạn. Theo mặc định, Noise Lab sẽ chia đều ngân sách cho các mục tiêu đo lường.
8. Nhấp vào Mô phỏng.
9. Quan sát tỷ lệ nhiễu của mô phỏng thu được. Ghi lại các hệ số tỷ lệ xuất hiện trên mô phỏng.
10. Giờ đây, hãy tuỳ chỉnh mức phân bổ ngân sách quyền riêng tư để đạt được tỷ lệ tín hiệu trên nhiễu tốt hơn.
11. Điều chỉnh tỷ lệ phần trăm ngân sách được chỉ định cho từng mục tiêu đo lường. Với các thông số mặc định, Mục tiêu đo lường 1 (cụ thể là giá trị lượt mua) có phạm vi rộng hơn nhiều (từ 0 đến 1000) so với Mục tiêu đo lường 2 (cụ thể là số lượt mua, từ 1 đến 1, tức là luôn bằng 1). Vì lý do này, bạn cần "thêm không gian để mở rộng quy mô": bạn nên phân bổ nhiều ngân sách đóng góp hơn cho Mục tiêu đo lường 1 so với Mục tiêu đo lường 2, để có thể mở rộng quy mô hiệu quả hơn (xem phần Mở rộng quy mô), và do đó
12. Chỉ định 70% ngân sách cho Mục tiêu đo lường 1. Chỉ định 30% cho Mục tiêu đo lường 2.
13. Nhấp vào Mô phỏng.
14. Quan sát tỷ lệ nhiễu của mô phỏng thu được. Đối với giá trị mua hàng, tỷ lệ nhiễu hiện thấp hơn (tốt hơn) đáng kể so với mô phỏng trước đó. Đối với số lượt mua, các chỉ số này hầu như không thay đổi.
15. Tiếp tục điều chỉnh mức phân chia ngân sách trên các chỉ số. Quan sát mức độ ảnh hưởng của việc này đến tiếng ồn.

Xin lưu ý rằng bạn có thể đặt mục tiêu đo lường tuỳ chỉnh của riêng mình bằng các nút Thêm/Xoá/Đặt lại.

Dùng thử trong Noise Lab

Mục tiêu đo lường là một điểm dữ liệu riêng biệt được thu thập trong các sự kiện chuyển đổi.

1. Chuyển sang Chế độ nâng cao.
2. Trong bảng điều khiển bên về Thông số, hãy tìm Chiến lược tổng hợp của bạn > Chia tỷ lệ.
3. Đảm bảo bạn đã đặt chế độ Thu phóng thành Có. Xin lưu ý rằng Noise Lab sẽ tự động tính toán các hệ số tỷ lệ cần sử dụng, dựa trên các phạm vi (giá trị trung bình và tối đa) mà bạn đã cung cấp cho các mục tiêu đo lường.
4. Giả sử giao dịch mua lớn nhất từng được thực hiện là 2.000 đô la, nhưng hầu hết các giao dịch mua đều nằm trong khoảng từ 10 đến 120 đô la. Trước tiên, hãy xem điều gì sẽ xảy ra nếu chúng ta sử dụng phương pháp mở rộng quy mô theo nghĩa đen (không nên dùng): nhập 2.000 đô la làm giá trị tối đa cho purchaseValue.
5. Nhấp vào Mô phỏng.
6. Quan sát thấy tỷ lệ nhiễu cao. Điều này là do hệ số mở rộng của chúng tôi được tính dựa trên 2.000 đô la, trong khi trên thực tế, hầu hết các giá trị mua hàng sẽ thấp hơn đáng kể so với giá trị đó.
7. Bây giờ, hãy sử dụng một phương pháp mở rộng quy mô thực tế hơn. Thay đổi giá trị mua tối đa thành 1.200.000 VND.
8. Nhấp vào Mô phỏng.
9. Nhận thấy rằng tỷ lệ nhiễu thấp hơn (tốt hơn) trong mô phỏng thứ hai này.

Tìm hiểu nhanh về Noise Lab

Noise Lab giúp bạn nhanh chóng đánh giá và so sánh các chiến lược quản lý độ nhiễu. Bạn có thể sử dụng kỹ thuật này để:

• Hiểu rõ các thông số chính có thể ảnh hưởng đến nhiễu và tác động của các thông số đó.
• Mô phỏng ảnh hưởng của nhiễu đến dữ liệu đo lường đầu ra dựa trên các quyết định thiết kế khác nhau. Điều chỉnh các tham số thiết kế cho đến khi bạn đạt được tỷ lệ tín hiệu trên nhiễu phù hợp với trường hợp sử dụng của mình.
• Chia sẻ ý kiến phản hồi của bạn về tính hữu ích của báo cáo tóm tắt: giá trị nào của các thông số epsilon và nhiễu phù hợp với bạn, giá trị nào không? Các điểm uốn nằm ở đâu?

Hãy xem đây là một bước chuẩn bị. Noise Lab tạo dữ liệu đo lường để mô phỏng kết quả báo cáo tóm tắt dựa trên thông tin đầu vào của bạn. Ứng dụng này không lưu trữ hoặc chia sẻ bất kỳ dữ liệu nào.

Noise Lab có 2 chế độ:

1. Chế độ đơn giản: hiểu rõ những điều cơ bản về các chế độ kiểm soát tiếng ồn.
2. Chế độ nâng cao: kiểm thử các chiến lược quản lý nhiễu khác nhau và đánh giá xem chiến lược nào mang lại tỷ lệ tín hiệu trên nhiễu tốt nhất cho các trường hợp sử dụng của bạn.

Nhấp vào các nút trong trình đơn trên cùng để chuyển đổi giữa hai chế độ (1. trong ảnh chụp màn hình sau).

Chế độ đơn giản

• Với Chế độ đơn giản, bạn có thể kiểm soát các Tham số (ở bên trái hoặc #2 trong ảnh chụp màn hình sau), chẳng hạn như Epsilon và xem cách các tham số này ảnh hưởng đến nhiễu.
• Mỗi tham số đều có một chú thích (nút "?"). Nhấp vào các tham số này để xem phần giải thích về từng tham số (số 3 trong ảnh chụp màn hình sau)
• Để bắt đầu, hãy nhấp vào nút "Mô phỏng" và quan sát kết quả đầu ra (#4 trong ảnh chụp màn hình sau)
• Trong phần Output (Đầu ra), bạn có thể xem nhiều thông tin chi tiết. Một số phần tử có dấu "?" bên cạnh. Hãy dành thời gian nhấp vào từng dấu "?" để xem giải thích về nhiều thông tin.
• Trong phần Đầu ra, hãy nhấp vào nút bật/tắt Chi tiết nếu bạn muốn xem phiên bản mở rộng của bảng (#5 trong ảnh chụp màn hình sau)
• Sau mỗi bảng dữ liệu trong phần đầu ra, sẽ có một lựa chọn để tải bảng xuống để sử dụng ngoại tuyến. Ngoài ra, ở góc dưới cùng bên phải, bạn có thể tải tất cả các bảng dữ liệu xuống (mục 6 trong ảnh chụp màn hình sau)
• Thử nghiệm các chế độ cài đặt khác nhau cho các thông số trong phần Thông số và nhấp vào Mô phỏng để xem các chế độ cài đặt này ảnh hưởng đến đầu ra như thế nào:

  

Chế độ nâng cao

• Ở chế độ Nâng cao, bạn có nhiều quyền kiểm soát hơn đối với các Tham số. Bạn có thể thêm Mục tiêu đo lường và Phương diện tuỳ chỉnh (mục 1 và 2 trong ảnh chụp màn hình sau)
• Di chuyển xuống dưới trong phần Thông số và xem lựa chọn Chiến lược chính. Bạn có thể dùng tính năng này để kiểm thử các cấu trúc khoá khác nhau (#3 trong ảnh chụp màn hình sau)
  • Để thử nghiệm các Cấu trúc khoá khác nhau, hãy chuyển Chiến lược khoá thành "B"
  • Nhập số lượng cấu trúc khoá khác nhau mà bạn muốn sử dụng (mặc định là "2")
  • Nhấp vào Tạo cấu trúc khoá
  • Bạn sẽ thấy các lựa chọn để chỉ định cấu trúc khoá bằng cách nhấp vào hộp đánh dấu bên cạnh các khoá mà bạn muốn đưa vào cho từng cấu trúc khoá
  • Nhấp vào Mô phỏng để xem kết quả.

    

    

Chỉ số về tiếng ồn

Khái niệm cốt lõi

Độ nhiễu được thêm vào để bảo vệ quyền riêng tư của từng người dùng.

Giá trị nhiễu cao cho biết các nhóm/khoá thưa thớt và chỉ chứa thông tin đóng góp từ một số ít sự kiện nhạy cảm. Việc này được Noise Lab thực hiện tự động để cho phép các cá nhân "ẩn mình trong đám đông" hoặc nói cách khác, bảo vệ quyền riêng tư của những cá nhân này bằng cách thêm một lượng nhiễu lớn hơn.

Giá trị nhiễu thấp cho biết rằng chế độ thiết lập dữ liệu được thiết kế theo cách cho phép các cá nhân "ẩn mình trong đám đông". Điều này có nghĩa là các nhóm chứa thông tin đóng góp từ một số lượng đủ các sự kiện để xác minh rằng quyền riêng tư của từng người dùng được bảo vệ.

Câu lệnh này đúng cho cả sai số phần trăm trung bình (APE) và RMSRE_T (sai số tương đối trung bình bình phương có ngưỡng).

APE (sai số phần trăm trung bình)

APE là tỷ lệ giữa độ nhiễu và tín hiệu, cụ thể là giá trị tóm tắt thực.

Giá trị APE thấp hơn có nghĩa là tỷ lệ tín hiệu trên nhiễu tốt hơn.

Công thức

Đối với một báo cáo tóm tắt cụ thể, APE được tính như sau:

True là giá trị tóm tắt thực. APE là mức trung bình của nhiễu trên mỗi giá trị tóm tắt thực, được tính trung bình trên tất cả các mục trong một báo cáo tóm tắt. Trong Noise Lab, giá trị này sau đó được nhân với 100 để cho ra tỷ lệ phần trăm.

Ưu điểm và nhược điểm

Các nhóm có kích thước nhỏ hơn sẽ có tác động không cân xứng đến giá trị cuối cùng của APE. Điều đó có thể gây hiểu lầm khi đánh giá tiếng ồn. Đó là lý do chúng tôi đã thêm một chỉ số khác là RMSRE_T, được thiết kế để giảm thiểu hạn chế này của APE. Hãy xem ví dụ để biết thông tin chi tiết.

Mã

Xem lại mã nguồn để tính toán APE.

RMSRE_T (sai số tương đối căn quân phương có ngưỡng)

RMSRE_T (sai số tương đối bình phương trung bình có ngưỡng) là một chỉ số khác cho tạp âm.

Cách diễn giải RMSRE_T

Giá trị RMSRE_T càng thấp thì tỷ lệ tín hiệu trên nhiễu càng cao.
Ví dụ: nếu tỷ lệ nhiễu chấp nhận được cho trường hợp sử dụng của bạn là 20% và RMSRE_T là 0,2, thì bạn có thể yên tâm rằng mức độ nhiễu nằm trong phạm vi chấp nhận được.

Công thức

Đối với một báo cáo tóm tắt nhất định, RMSRE_T được tính như sau:

Ưu điểm và nhược điểm

RMSRE_T phức tạp hơn APE một chút. Tuy nhiên, chỉ số này có một số ưu điểm khiến trong một số trường hợp, chỉ số này phù hợp hơn APE để phân tích nhiễu trong báo cáo tóm tắt:

• RMSRE_T ổn định hơn. "T" là một ngưỡng. "T" được dùng để giảm trọng số trong phép tính RMSRE_T cho những nhóm có ít lượt chuyển đổi hơn và do đó nhạy cảm hơn với nhiễu do kích thước nhỏ. Với T, chỉ số này không tăng đột biến trên những nhóm có ít lượt chuyển đổi. Nếu T bằng 5, thì giá trị nhiễu nhỏ bằng 1 trên một nhóm có 0 lượt chuyển đổi sẽ không hiển thị là lớn hơn 1. Thay vào đó, giá trị này sẽ bị giới hạn ở mức 0,2 (tương đương với 1/5) vì T bằng 5. Bằng cách giảm trọng số cho các nhóm nhỏ hơn (do đó nhạy cảm hơn với độ nhiễu), chỉ số này ổn định hơn và do đó giúp bạn dễ dàng so sánh hai mô phỏng.
• RMSRE_T cho phép tổng hợp một cách đơn giản. Khi biết RMSRE_T của nhiều nhóm cùng với số lượng thực tế của các nhóm đó, bạn có thể tính toán RMSRE_T của tổng các nhóm. Điều này cũng cho phép bạn tối ưu hoá cho RMSRE_T đối với những giá trị kết hợp này.

Mặc dù có thể tổng hợp cho APE, nhưng công thức này khá phức tạp vì liên quan đến giá trị tuyệt đối của tổng các nhiễu Laplace. Điều này khiến APE khó tối ưu hoá hơn.

Mã

Xem xét mã nguồn để tính RMSRE_T.

Ví dụ

Báo cáo tóm tắt có 3 nhóm:

• 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

Báo cáo tóm tắt có 3 nhóm:

• 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

Báo cáo tóm tắt có 3 nhóm:

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

APE = (0,1 + 0,2 + Vô cực) / 3 = Vô cực

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

Quản lý khoá nâng cao

Một DSP hoặc công ty đo lường quảng cáo có thể có hàng nghìn khách hàng quảng cáo trên toàn cầu, trải rộng trên nhiều ngành, đơn vị tiền tệ và mức giá mua tiềm năng. Điều này có nghĩa là việc tạo và quản lý một khoá tổng hợp cho mỗi nhà quảng cáo có thể sẽ rất khó thực hiện. Ngoài ra, việc chọn giá trị có thể tổng hợp tối đa và ngân sách tổng hợp có thể hạn chế tác động của nhiễu đối với hàng nghìn nhà quảng cáo trên toàn cầu này sẽ rất khó khăn. Thay vào đó, hãy xem xét các trường hợp sau:

Chiến lược chính A

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý một khoá trên tất cả khách hàng quảng cáo của mình. Đối với tất cả nhà quảng cáo và tất cả đơn vị tiền tệ, phạm vi giao dịch mua rất đa dạng, từ giao dịch mua số lượng thấp, cao cấp đến giao dịch mua số lượng lớn, bình dân. Điều này dẫn đến khoá sau:

Chiến lược chính B

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý 2 khoá trên tất cả khách hàng quảng cáo của mình. Họ quyết định tách riêng các khoá theo đơn vị tiền tệ. Đối với tất cả nhà quảng cáo và tất cả đơn vị tiền tệ, phạm vi giao dịch mua rất đa dạng, từ giao dịch mua cao cấp với số lượng thấp đến giao dịch mua bình dân với số lượng lớn. Tách theo đơn vị tiền tệ, họ tạo 2 khoá:

Chiến lược chính B sẽ có ít nhiễu hơn trong kết quả so với Chiến lược chính A, vì các giá trị tiền tệ không được phân phối đồng đều giữa các đơn vị tiền tệ. Ví dụ: hãy xem xét cách các giao dịch mua bằng ¥ kết hợp với các giao dịch mua bằng USD sẽ làm thay đổi dữ liệu cơ bản và kết quả đầu ra nhiễu.

Chiến lược chính C

Nhà cung cấp công nghệ quảng cáo quyết định tạo và quản lý 4 khoá cho tất cả khách hàng quảng cáo của mình, đồng thời phân tách các khoá này theo Đơn vị tiền tệ x Ngành của nhà quảng cáo:

Chiến lược chính C sẽ có ít nhiễu hơn trong kết quả so với Chiến lược chính B, vì giá trị mua của nhà quảng cáo không được phân bổ đồng đều giữa các nhà quảng cáo. Ví dụ: hãy xem xét cách các giao dịch mua trang sức cao cấp lẫn với các giao dịch mua mũ bóng chày sẽ làm thay đổi dữ liệu cơ bản và kết quả đầu ra nhiễu.

Hãy cân nhắc việc tạo các giá trị tổng hợp tối đa được chia sẻ và hệ số tỷ lệ được chia sẻ cho những điểm chung của nhiều nhà quảng cáo để giảm nhiễu trong kết quả. Ví dụ: bạn có thể thử nghiệm các chiến lược sau cho nhà quảng cáo của mình:

• Một chiến lược được phân tách theo đơn vị tiền tệ (USD, ¥, CAD, v.v.)
• Một chiến lược được phân tách theo ngành của nhà quảng cáo (Bảo hiểm, Ô tô, Bán lẻ, v.v.)
• Một chiến lược được phân tách theo các phạm vi giá trị giao dịch mua tương tự ([100], [1000], [10000], v.v.)

Bằng cách tạo các chiến lược chính dựa trên điểm chung, khoá và mã tương ứng của nhà quảng cáo, bạn sẽ dễ dàng quản lý hơn và tỷ lệ tín hiệu trên nhiễu cũng cao hơn. Thử nghiệm nhiều chiến lược với nhiều điểm chung của nhà quảng cáo để khám phá các điểm uốn trong việc tối đa hoá tác động của nhiễu so với việc quản lý mã.

Hãy xem xét một tình huống của hai nhà quảng cáo:

• Nhà quảng cáo A:
  • Đối với tất cả sản phẩm trên trang web của Nhà quảng cáo A, giá mua có thể dao động từ [1.200.000 VND – 10.000.000 VND] , tức là chênh lệch 8.800.000 VND.
  • Giá mua được phân bổ đều trong phạm vi 880 USD, không có giá trị ngoại lệ nào nằm ngoài 2 độ lệch chuẩn so với giá mua trung bình.
• Nhà quảng cáo B:
  • Đối với tất cả sản phẩm trên trang web của Nhà quảng cáo B, các mức giá mua có thể có là từ [1.200.000 VND đến 10.000.000 VND] , với mức chênh lệch là 8.800.000 VND.
  • Giá mua có xu hướng nghiêng về khoảng từ 1.200.000 VND đến 5.000.000 VND, chỉ có 5% giao dịch mua nằm trong khoảng từ 5.000.000 VND đến 10.000.000 VND.

Do các yêu cầu về ngân sách đóng góp và phương pháp mà nhiễu được áp dụng cho kết quả cuối cùng, theo mặc định, Nhà quảng cáo B sẽ có kết quả đầu ra nhiều nhiễu hơn Nhà quảng cáo A, vì Nhà quảng cáo B có khả năng cao hơn về việc các giá trị ngoại lai sẽ ảnh hưởng đến các phép tính cơ bản.

Bạn có thể giảm thiểu vấn đề này bằng một chế độ thiết lập khoá cụ thể. Thử nghiệm các chiến lược chính giúp quản lý dữ liệu ngoại lệ và phân phối giá trị mua một cách đồng đều hơn trong phạm vi mua của khoá.

Đối với Nhà quảng cáo B, bạn có thể tạo 2 khoá riêng biệt để ghi lại 2 khoảng giá trị mua hàng khác nhau. Trong ví dụ này, công nghệ quảng cáo đã lưu ý rằng các giá trị ngoại lệ xuất hiện trên giá trị mua hàng là 5.000.000 VND. Hãy thử triển khai 2 khoá riêng biệt cho nhà quảng cáo này:

• Cấu trúc khoá 1 : Khoá chỉ ghi nhận các giao dịch mua trong khoảng từ 1.200.000 VND đến 5.000.000 VND (chiếm khoảng 95% tổng khối lượng giao dịch mua).
• Cấu trúc khoá 2: Khoá chỉ ghi nhận những giao dịch mua có giá trị cao hơn 5.000.000 VND (chiếm khoảng 5% tổng số giao dịch mua).

Việc triển khai chiến lược chính này sẽ giúp Nhà quảng cáo B quản lý tốt hơn các tín hiệu nhiễu và tối đa hoá tiện ích cho họ từ báo cáo tóm tắt. Với các dải khoá mới nhỏ hơn, Khoá A và Khoá B hiện sẽ có sự phân phối dữ liệu đồng đều hơn trên mỗi khoá tương ứng so với khoá đơn trước đó. Điều này sẽ giúp giảm tác động của nhiễu trong đầu ra của mỗi khoá so với một khoá duy nhất trước đó.