—请告诉我们，这个模型的本质是什么，有什么特点？

sohanuzzaman566

— 有一种观点认为，在一个场景中，创建很多个时间间隔就足够了，并根据分段得出结论，如果一个人最后一次点击是在某个时间，那么下次他也会在这个时刻点击。但这是一种不正确的做法。如果按照计算，他的活动时间是14:00，但现在已经15:00，等到第二天怎么办？这是不合逻辑的。事实上，一个人有几个小时的活动。我们的模型确定客户何时最准备进行互动，并考虑他们的即时活动时间段。这样，您就不会错过向受众发送信息的最佳时机。这绝对是 Altcraft 最佳发送时间模型的一个功能。

— 模型是如何创建的，有哪些困难？
— 最初选择了Gradient Boosting方法来解决该问题。我们使用了XGBoost库。但这种经验结果并不成功，因为它没有提供大数据所需的性能。为了加快预测速度，我们使用CatBoost库重新训练模型，与第一个选项相比，性能提高了 30 倍以上。我们还遇到了这样一个事实，即我们的主要编程语言 GoLang 没有现成的与 CatBoost 配合使用的库，因此我们必须从头开始编写这样一个库。我们将 洪都拉斯名单 其称为 CatBoostGo，并开始积极使用它来解决我们团队中的机器学习问题。通过我们的工作，我们获得了上述最佳发送时间模型，该模型可以预测发送消息的最佳时间，数学证明准确度为 82%。

- 但为什么不是 100% 或接近 100% 呢？
— 该模型分析历史客户数据。它处理有关每个用户及其活动的信息。在适当的时刻，当营销人员需要进行沟通时，例如在某个场景中，该模型会实时预测最佳时间。而且，值得注意的是，即使数据量很大（高达 1 亿个配置文件），数据处理和预测也会很快发生。关于结果的正确性：如果 ML 模型显示 100% 的准确度，那么很可能在训练过程中的某个地方出现了错误，或者问题的答案包含在问题本身中。对于预测最佳调度时间，80-90% 的准确率是一个不错的结果。我还想指出的是，82% 的数字是根据来自世界不同国家的大量客户数据得出的。然而，当我们将数据范围缩小到一个国家来测试数据时，该模型的准确率达到 93%。

— 是什么让我们取得如此成功？
“我认为这只是因为我们的人是各自领域的优秀专业人士，他们对熟悉的事物有非传统的看法。另外，非常感谢我们的客户提供了他的训练数据；没有他们，我们就不会取得这样的成果。 Altcraft 团队始终对新提案持开放态度，并准备好实施任何创新想法。

— Altcraft Platform 有何优势从同类解决方案中脱颖而出？
— 现代软件具有很多功能，因此有时很难导航。用户期望AI自动为他解决所有问题，但同时他面临一个限制：通过这种方法，ML模块完全控制，不允许更改或调整设置。在 Altcraft Platform，我们努力使用用户可以控制的 ML 模型和功能来保持自动化平衡。