Uzel SRM (Self-Learning Response Model) použijte k sestavení modelu, který můžete průběžně aktualizovat nebo znovu odhadnout, protože datová sada se doručí, aniž by bylo nutné pokaždé znovu sestavovat model pomocí úplné datové sady. To je užitečné například tehdy, když máte několik produktů a chcete identifikovat, který zákazník je s největší pravděpodobností kupovat, pokud mu je nabídneme. Tento model vám umožňuje předpovídat, které nabídky jsou nejvhodnější pro zákazníky a pravděpodobnost, že nabídky jsou přijímány.

Zpočátku můžete sestavit model pomocí malé datové sady s náhodnými nabídkami a odpovědí na tyto nabídky. Jak datová sada roste, model může být aktualizován, a proto je více schopen předpovídat nejvhodnější nabídky pro zákazníky a pravděpodobnost jejich přijetí na základě jiných vstupních polí, jako je věk, pohlaví, pracovní místo a příjem. Nabídky, které jsou k dispozici, můžete změnit přidáním nebo odebráním z uzlu, namísto nutnosti měnit cílové pole datové sady.

Před spuštěním uzlu SLRM musíte v rámci vlastností uzlu uvést jak cílová, tak cílová pole odezvy. Cílové pole musí mít řetězcovou paměť, nikoli číselnou hodnotu. Pole cílové odpovědi musí být příznak. Hodnota skutečné hodnoty příznaku označuje přijetí nabídky a hodnota false označuje odmítnutí nabídky.

Příklad. Finanční instituce chce dosáhnout ziskovějších výsledků tím, že se bude shodovat s nabídkou, která bude s největší pravděpodobností akceptována každému zákazníkovi. Model self-learning můžete použít k identifikaci charakteristik zákazníků s největší pravděpodobností na základě předchozích promočních akcí a aktualizací modelu v reálném čase na základě nejnovějších odpovědí zákazníků.