تخطّ إلى المحتوى الرئيسي

نماذج ML

تعرض صفحة نماذج ML نماذج التعلم الآلي التي تشغّل التنبؤات في مساحة عملك، وتتيح لك التحقق من حالتها ومعرفة موعد آخر تدريب وتشغيل التدريب يدويًا.

انتقل من الشريط الجانبي إلى الإعدادات → نماذج ML.

النماذج​

تُدرج ستة نماذج على مستوى مساحة العمل:

النموذجوظيفته
تحسين وقت الإرساليتنبأ بأفضل ساعة ويوم لإرسال الرسائل بهدف تحقيق أعلى تفاعل
المسارات المخصصةيتنبأ بمسار التجربة الذي سيحقق أفضل تحويل لكل مستخدم
توقع التوقفيحدد المستخدمين المعرضين لأن يصبحوا غير نشطين
تفضيل القناةيتنبأ بأفضل قناة رسائل لكل مستخدم
CLV المتوقعيتوقع إنفاق كل عميل خلال الـ 365 يومًا القادمة، إضافة إلى احتمال بقائه نشطًا (القيمة المتوقعة للعميل طوال عمره)

يتدرب كل نموذج لكل مساحة عمل على بيانات أحداث مساحة عملك نفسها، وليس على بيانات مجمعة من عملاء آخرين.

قراءة بطاقة نموذج​

تعرض كل بطاقة ما يلي:

  • الحالة - إحدى الحالات التالية:

    الحالةالمعنى
    لم يُدرّبلا يوجد نموذج لهذا في مساحة العمل بعد
    جارٍ التدريب...توجد مهمة تدريب قيد التشغيل حاليًا
    مُدرّبيوجد نموذج ويقدّم تنبؤات
    فشلفشلت آخر محاولة تدريب؛ تعرض البطاقة رسالة الخطأ

  • الإصدار - إصدار النموذج الحالي، ويظهر عند وجود نموذج.

  • آخر تدريب - الوقت النسبي لآخر تدريب ناجح أو أبدًا.

  • الدقة - مقياس تقييم النموذج من آخر تشغيل تدريب، ويظهر عند توفره. في المسارات المخصصة يُقاس على الخُمس الأحدث من القرارات التي لم يتدرب عليها النموذج، فيعكس أداءه على قرارات جديدة لا على تلك التي تعلم منها. تعرض البطاقة أيضًا AUC على الـ holdout وعدد المسارات المُبقاة؛ المسار الذي يقل AUC الخاص به عن الحد لا يُستخدم، وتعود الرحلة له إلى التقسيم العادي.

تتجدد الحالات تلقائيًا كل 30 ثانية أثناء فتح الصفحة.

كيف تُقاس الأرقام​

لا يُقيَّم النموذج أبدًا على الصفوف التي تعلّم منها. قبل التدريب يُوضع جزء من البيانات جانبًا؛ يتدرّب النموذج على الباقي ثم يُطلب منه التنبؤ بالجزء الذي لم يره. الأرقام في البطاقة تأتي من ذلك الجزء المحجوز فقط. بعد القياس يُعاد تدريب النموذج على كل شيء، بحيث يستخدم النموذج الذي يقدّم التنبؤات كل بياناتك.

  • الدقة هي نسبة الأشخاص المحجوزين الذين أصاب النموذج في تصنيفهم. 87% تعني أن 87 من كل 100 شخص محجوز وُضعوا في المجموعة الصحيحة (مثلًا سيصمت / سيبقى نشطًا).
  • AUC درجة ترتيب من 0.5 إلى 1. خذ عشوائيًا شخصًا فعل الشيء وآخر لم يفعله: AUC هو كم مرة يمنح النموذج الأول درجة أعلى. 0.5 يعني رمية عملة، و1.0 ترتيب مثالي. يُعرض بجانب الدقة لأن الدقة وحدها قد تبدو جيدة عندما ينتمي الجميع تقريبًا إلى المجموعة نفسها.
  • المسارات المحتفظ بها (المسارات المخصصة) هي عدد مسارات التجربة التي تجاوزت حد 0.55 في AUC. المسار الذي يقلّ عن الحد لا يُستخدم؛ وتعود الرحلة إلى التقسيم العادي لذلك المسار.

أمران يجب تذكّرهما:

  • توقّع الانسحاب يتنبأ بالمستقبل لا بالحاضر: مدخلاته هي ما فعله الشخص حتى نقطة قطع قبل 30 يومًا، والجواب هو هل صمت في الأيام الثلاثين التالية لها. المسارات المخصصة تُقاس على أحدث قراراتها، فالاختبار هو «هل كان سيختار جيدًا في المرة الأخيرة».
  • مساحة العمل الصغيرة تعطي مجموعة محجوزة صغيرة، لذلك يتحرك الرقم بضع نقاط بين إعادات التدريب. تعامل معه كنطاق لا كدرجة ثابتة.

التوجيه المحسّن وأفضل رسالة تالية​

يتعلم Joryio من كل رسائلكم معًا، لا رسالة رسالة. هذا ما يتيح لرسالة جديدة تمامًا أن تحصل على تنبؤ معقول من أول إرسال، وهذا ما تستخدمه عقدة قرار الذكاء الاصطناعي لتوجيه كل شخص. لا تختارون نموذجًا ولا تدرّبون شيئًا: يتعلم وحده كل ليلة من نتائجكم الناضجة.

التوجيه المحسّن في عقد قرار الذكاء الاصطناعي. تحتفظ مجموعة مقارنة صغيرة (شخص من كل خمسة) بالتوجيه القديم، حتى يُقاس التحسن لا يُفترض. تعرض البطاقة التحويلات لكل قرار للتوجيه المحسّن ولمجموعة المقارنة، لكل منهما نطاق مرجح، وتقول متى يكون التوجيه المحسّن متقدمًا. وحتى تنضج قرارات كافية تقول "من المبكر الحكم".

أفضل رسالة تالية، وضع الظل. عندما تحوي رحلة عقدة أفضل رسالة تالية، تعرض هذه البطاقة ما كانت العقدة سترسله مقابل ما أرسلته الرحلة فعلًا: كم مرة اتفقتا على القناة وعلى القالب، والقوالب الأكثر اختيارًا، والمشتريات ضمن النافذة عند الاتفاق مقابل عدمه. هذا فحص للتوصيل لا نتيجة مضبوطة. وعندما تتحول عقدة إلى وضع الإرسال، يقارن جدول ثانٍ في البطاقة نفسها الذراع التي حصلت على الاختيار بمجموعة الضبط، بنطاق مرجح لكل منهما وحكم "لا خسارة في التحويلات". انظر عُقد أفضل رسالة تالية.

الرسائل المحتجزة. في خطوات الرحلة التي سمحتم لها بالانتظار، يحتجز Joryio رسالة منخفضة القيمة عندما يكون الشخص قد تلقى للتو رسالة أخرى ويرسلها لاحقًا أو يسقطها؛ مجموعة مقارنة ترسل دائمًا. تعرض البطاقة المشتريات لكل شخص للمجموعتين بنطاق مرجح وتقول ما إذا كان الاحتجاز قد كلّف شيئًا. انظر محتجزة بواسطة Joryio. يراقب الحكم أيضًا إلغاءات الاشتراك والشكاوى: لا يمرّ إلا عندما تصمد المشتريات ولا تلغي المجموعة المحتجزة الاشتراك أو تشتكي أكثر من هامش صغير مسموح به فوق مجموعة المقارنة.

إذا أردتم يومًا إعادة رحلة أو مساحة عمل إلى التوجيه القديم، اطلبوا ذلك من Joryio: المفتاح إجراء دعم، فلا شيء من جانبكم يمكن أن يترك رحلة نصف مضبوطة.

تتفعّل النماذج مع تراكم البيانات​

لا يمكن للنماذج التدريب على مساحة عمل فارغة. يحتاج كل نموذج إلى سجل أحداث كافٍ وإلى تنوع كافٍ فيه قبل أن ينتج نتائج:

  • إذا لم تكن البيانات كافية، يفشل التدريب برسالة مثل «لا توجد بيانات كافية للتدريب - واصل استخدام المنصة لتوليد بيانات التدريب».
  • إذا افتقرت البيانات إلى التنوع (مثل أن توقع التوقف يحتاج مستخدمين نشطين وغير نشطين)، يفشل التدريب بخطأ توضيحي.

هذا متوقع لمساحات العمل الجديدة. واصل تتبع الأحداث وإرسال الرسائل؛ تتفعّل النماذج وتتحسن مع تراكم الزيارات الفعلية. لا تعد حالة فشل أو لم يُدرّب في البداية عيبًا.

دورية التدريب​

بمجرد وجود نشاط أحداث في مساحة العمل، تعيد النماذج التدريب تلقائيًا وفق جدول ثابت (كل الأوقات بتوقيت UTC):

النموذجالجدول
المسارات المخصصةيوميًا عند 03:30
CLV المتوقعيوميًا
توقع التوقفأسبوعيًا، الاثنين عند 03:00
تحسين وقت الإرسالأسبوعيًا، الثلاثاء عند 03:00
تفضيل القناةأسبوعيًا، الأربعاء عند 03:00

بعد كل إعادة تدريب مجدولة، تُحدّث درجات المستخدمين كي تظل الشرائح المبنية عليها حديثة.

تشمل عمليات التشغيل المجدولة مساحات العمل التي شهدت نشاط أحداث خلال آخر 90 يومًا؛ وتُتجاوز مساحة العمل الخاملة حتى تتدفق الأحداث من جديد.

التدريب يدويًا​

لا يلزم انتظار الجدول. انقر درّب الآن في أي بطاقة وأكد لبدء تدريب فورًا؛ وهذا مفيد بعد تدفق بيانات جديدة أو لإعادة المحاولة بعد فشل.

  • يعمل التدريب في الخلفية وقد يستغرق بضع دقائق.
  • يُعطّل الزر أثناء تدريب ذلك النموذج بالفعل.
  • إذا فشل التدريب، تعرض البطاقة الخطأ حتى تعرف ما إذا كانت المشكلة في البيانات (انتظر المزيد من الزيارات) أو شيئًا يجب الإبلاغ عنه.

أين تستخدم التنبؤات​

  • تحسين وقت الإرسال - يشغّل تحسين وقت الإرسال عند جدولة الرسائل.
  • المسارات المخصصة - يشغّل عقدة التجربة في الرحلة في الوضع المخصص، فيختار أفضل مسار لكل مستخدم. إلى أن يُدرّب هذا النموذج، تعود التجربة إلى تقسيم عشوائي بسيط.
  • توقع التوقف وتقييم التفاعل وتفضيل القناة - تتوفر درجاتها لكل مستخدم كفلاتر للشرائح (درجة التفاعل وخطر التوقف وتفضيل القناة)، لتتمكن من استهداف الجماهير بها مباشرة.
  • CLV المتوقع - يتوقع إنفاق كل عميل المحتمل خلال السنة المقبلة؛ ويتوفر كفلاتر شرائح التجارة الإلكترونية (قيمة CLV المتوقعة وفئة CLV المتوقعة). راجع تحليل RFM.

تُضبط نماذج احتمال الأحداث المحددة (مثل «مرجح أن يشتري خلال 30 يومًا») بصورة مستقلة؛ راجع الأحداث التنبؤية.

استكشاف الأخطاء وإصلاحها​

  • كل شيء يقول لم يُدرّب - طبيعي في مساحة العمل الجديدة. تحتاج النماذج أولًا إلى تدفق أحداث حقيقي؛ انتظر عمليات التشغيل المجدولة أو انقر درّب الآن عند توفر بيانات ذات معنى.
  • فشل بسبب خطأ تنوع البيانات - يحتاج النموذج إلى أمثلة متباينة (مثل مستخدمين متفاعلين وغير نشطين). يُحل ذلك تلقائيًا مع تنوع سلوك جمهورك.
  • تعذر تحميل حالة النموذج - تعذر على الصفحة الوصول إلى خدمة ML؛ قد تكون الحالات المعروضة قديمة. حدّث الصفحة.

ملاحظات​

  • يتطلب عرض هذه الصفحة صلاحية الوصول إلى الإعدادات ضمن دورك.
  • تُخزن النماذج وتُخدم لكل مساحة عمل؛ يؤدي تبديل مساحات العمل إلى عرض حالات نماذج تلك المساحة.

ذات صلة​