Kohdentamismallit

Kohdentamismallit ovat tilastollisia ja koneoppimiseen perustuvia malleja, joita käytetään tunnistamaan ne käyttäjä- tai kohderyhmät, joille viestit, tuotteet tai toimenpiteet todennäköisimmin tuottavat halutun vasteen. Niitä sovelletaan erityisesti digitaalisen markkinoinnin, verkkosivuston sisällön personoinnin sekä kampanjoiden optimoinnin yhteydessä, tarkoituksena lisätä osuvuuden ja konversion mahdollisuuksia sekä tehostaa markkinointikustannusten tuottoa.

Tyypillisiä kohdentamismalleja ovat demografisiin ominaisuuksiin, käyttäytymiseen tai kontekstiin perustuva kohdentaminen sekä prediktiivinen mallintaminen. Tekniikoina käytetään logistista regressiota, päätöspuita, satunnaismetsiä, gradienttiboostingia sekä syviä neuroverkkoja. Datasets voivat sisältää käyttäjäprofiileja, ostohistoriaa, verkkosivukäyttäytymistä, sijaintia ja laitetietoja.

Mallien käyttö herättää tietosuoja- ja eettisiä kysymyksiä, kuten läpinäkyvyyden, suostumuksen ja datan laadun sekä mahdolliset vinoumat. Siksi kohdentamista arvioidaan sekä liiketoiminnallisesti (kuten ROI ja konversioprosentti) että sääntely- ja eettisyyden näkökulmasta. Arviointi toteutetaan usein A/B-testausten avulla sekä tilastollisilla mittareilla kuten ROC-AUC ja tarkkuus.