Jak funguje AI při hledání clusterů

Když v Cluster Designeru vyberete parametry pro vaši clusterizaci a nastavíte potřebné limity, přebírá iniciativu umělá inteligence (AI) Karsa Labelizer. Na rozdíl od jednoduchých pravidlových systémů, které segmentují produkty na základě pevných prahových hodnot, Karsa Labelizer využívá pokročilé algoritmy strojového učení (ML) k identifikaci optimálních a přirozených seskupení (clusterů) ve vašich produktových datech.

Základní principy AI v Karsa Labelizer

1. Multi-dimenzionální analýza:

   • AI dokáže analyzovat produkty na základě více vámi zvolených parametrů (dimenzí) současně. To znamená, že nehodnotí produkty izolovaně podle jednoho kritéria (např. jen ROAS), ale hledá komplexní podobnosti napříč celým spektrem zvolených metrik (např. ROAS, Hodnota konverze, CTR, Cena produktu atd.).

2. Cíl: Konzistence a Prediktabilita:

   • Hlavním cílem AI není jen jakkoli rozdělit produkty, ale vytvořit vysoce konzistentní clustery. Konzistentní cluster obsahuje produkty, které se z hlediska zvolených parametrů chovají co nejpodobněji.

   • Tato konzistence vede k vyšší predikovatelnosti výkonu budoucích kampaní, což je klíčové pro efektivní optimalizaci ze strany algoritmů Google Ads.

3. Hybridní algoritmus:

   • Karsa Labelizer využívá sofistikovaný hybridní algoritmus strojového učení. Tento přístup kombinuje výhody různých modelů a je navržen tak, aby co nejlépe vyhovoval specifikům produktových dat v e-commerce.

   • Klíčové vlastnosti našeho algoritmu:

     • Práce s nejistotou v datech: Poskytuje pravděpodobnostní přiřazení produktů do clusterů, což lépe reflektuje přirozenou variabilitu a nejistotu ve výkonnostních datech.

     • Automatické určení vhodného počtu clusterů: V rámci vámi nastavených limitů pro minimální a maximální počet clusterů, AI identifikuje takový počet clusterů, který nejlépe odpovídá přirozené struktuře a distribuci vašich konkrétních produktových dat. Není tedy nutné "hádat" optimální počet.

     • Robustnost vůči šumu a odlehlým hodnotám: Algoritmus je navržen tak, aby lépe zvládal odlehlé hodnoty (extrémě výkonné či nevýkonné produkty) a šum v datech, aniž by to neúměrně zkreslilo výslednou strukturu clusterů.

     • Interpretovatelnost výsledků: Přestože se jedná o pokročilý ML model, snažíme se, aby výsledky byly co nejvíce interpretovatelné. Pravděpodobnostní charakteristiky mohou pomoci lépe porozumět síle přiřazení produktu k danému clusteru.

     • Přirozené zpracování chybějících hodnot: Algoritmus dokáže efektivně pracovat i s produkty, které nemusí mít kompletní historii pro všechny zvolené parametry (např. nové produkty, pokud není zvolena strategie jejich odděleného zpracování).

Co se děje "pod kapotou"? (Zjednodušeně)

1. Příprava dat: Vámi zvolené parametry a produktová data jsou normalizována a připravena pro analýzu.

2. Hledání struktury: AI algoritmus iterativně prohledává data a hledá "shluky" (clustery) produktů, které jsou si navzájem podobné ve zvolených dimenzích (parametrech).

3. Optimalizace: Proces je optimalizován tak, aby:

   • Produkty uvnitř jednoho clusteru byly co nejpodobnější (maximalizace vnitro-clusterové homogenity / konzistence).

   • Jednotlivé clustery byly od sebe co nejvíce odlišné (minimalizace mezi-clusterové podobnosti).

   • Byl dodržen minimální počet konverzí na cluster.

   • Byl nalezen optimální počet clusterů v rámci vašich limitů.

4. Přiřazení produktů: Každý produkt je (s určitou pravděpodobností) přiřazen k nejvhodnějšímu clusteru.

Výsledkem je daty podložený návrh segmentace, který je připraven pro vaše vyhodnocení a následné nasazení do Google Ads prostřednictvím Custom Labels.

---

Pochopení základních principů fungování AI vám pomůže lépe interpretovat výsledky clusterizace a efektivněji využívat Karsa Labelizer pro optimalizaci vašich kampaní. V další části se podíváme na praktické [Nastavení Custom Label](../nastaveni-custom-label.md).