分享一下评估网站设计的6个问题

有些公告比较棘手。FaceBook将会因为其错误使用视频广告效果评估指标而被起诉。如果FaceBook没有主动公布这些信息的话，是否仍将被卷入这场法律事件中？我想答案仍然是肯定的，因为真相终将无法被隐藏，广大营销界人士需要真相并且有权了解真相。

如何选择正确的归因模型来进行营销效果评估？如何评估你的归因模型供应商？专栏作家 Alison Lohse 给出了6个问题帮你理清思路，并且避过归因模型的那些坑。

提出正确的问题，会帮助你更接近事情的本质，尤其是对于营销效果评估建模来说，此点尤为重要。 这里有一个问题列表，可以用来向归因模型供应商和数据科学家提问，以便系统、深入的了解归因相关的话题。问题1： 模型使用了什么算法？ 理想的回答：使用了一些各有特点的预测机器学习算法：比如FTRL，神经网络，博弈论以及逻辑回归算法(LR)等。 就像科技进步那样，在数据科学上也有很多的进步。很多像我这样的非数学专业人士都很喜欢逻辑回归算法(LR)，因为它是我们理解最深的方法之一。在末端的方程中，有一个因变量和许多自变量，这些自变量决定了每个变量是如何描述因变量（原文是自变量）的变化的，比如销售额。

这是一个完美的场景——如果我在搜索，视频和电视广告上增加 X的预算， 由那个全能公式可预知，我的销售额将会增加到Y。但是如果有季节性因素的影响，销售额会产生什么变化？如果砍掉电视广告上的预算，对整体的营销组合又有什么影响？ 上面提到的那些算法，能够帮助我们统筹考虑季节性因素和渠道间相互影响的因素。由此也带来了第二个问题：问题2：同时使用了多少种算法？

理想的回复： 至少混合了三种算法。 每个算法都有自身的长处和短板，在算法的使用上，最好不要把所有的鸡蛋都放在同一个篮子里。而且每一个行业都有其独特性，甚至在同一个行业里，每一个客户都会有不同的表现。 例如，在同一个行业中，我们发现有一家客户在使用逻辑回归算法(LR)时，能有90%的概率预测正确，但是，对另一家客户，使用LR算法仅能准确预测到30%的变化。 实验设计或者A/B测试被引入了很多的高级机器学习算法。这些机器学习算法，将挑选出经测试切实有效的方案，并且用来加强自身的预测能力。问题3：多种算法是如何组合使用的？

分享一下评估网站设计的6个问题由向扬网络编辑https://www.hc228.com/news/fa/212.html 如需转载请注明出处

深圳响应式网站 深圳门户网站制作 深圳网站制作 深圳微信小程序 深圳做网站公司 深圳网站建设 东营网站建设 阳春网站建设 宝鸡网站建设 增城网站建设 哈尔滨网站建设 苏州网站建设 北海网站建设 深圳网站建设 济南网站建设 南昌网站建设