Classification A/B/C
Une classification d’événements de mesure selon la fiabilité de répétition d’une mention.
Qu’est-ce que la classification A/B/C ?
La classification A/B/C est un schéma d’événements de mesure selon la stabilité sur les N échantillons : A stable sur tous les échantillons, B présent dans une majorité, C présent dans une minorité — typiquement du bruit.
La classification A/B/C sépare le signal de la chance : elle dit si l’apparition d’une marque est un fait fiable ou un coup unique.
Comme chaque requête est posée N=5 fois (N-sampling), chaque mention détectée peut être notée selon sa fréquence de répétition. Un événement A est apparu dans tous les échantillons — une présence stable et fiable. Un événement B est apparu dans une majorité — présent mais pas certain. Un événement C n’est apparu que dans une minorité — généralement du bruit dû à l’aléa du moteur.
Cette notation est ce qui permet à la plateforme d’agir sur des faits plutôt que sur des artefacts. Une marque comptée une fois sur cinq échantillons (événement C) ne doit pas guider une recommandation comme une marque comptée dans les cinq (événement A). La classification alimente le pipeline d’extraction d’insights pour que la boucle raisonne sur des signaux stables.
A/B/C se construit directement sur le N-sampling et la variance qu’il révèle, et sous-tend la couche de fiabilité de la pyramide SOV. Sans elle, une seule mention chanceuse pourrait se faire passer pour une vraie visibilité et lancer la boucle fermée à la poursuite du bruit.