Μετάβαση στο κύριο περιεχόμενο

Προγνωστικά συμβάντα

Τα Προγνωστικά συμβάντα σάς επιτρέπουν να επιλέξετε οποιοδήποτε συμβάν παρακολουθείτε - μια αγορά, μια ανανέωση συνδρομής, ένα σήμα εγκατάλειψης (churn) - και να εκπαιδεύσετε ένα μοντέλο μηχανικής μάθησης που βαθμολογεί κάθε χρήστη ως προς το πόσο πιθανό είναι να εκτελέσει αυτό το συμβάν μέσα σε ένα παράθυρο που επιλέγετε. Οι βαθμολογίες κυμαίνονται από 0 έως 100 και μπορούν να μετατραπούν απευθείας σε τμήματα για στόχευση.

Μεταβείτε στα Αναλυτικά στοιχεία → Προγνωστικά συμβάντα από την πλαϊνή μπάρα. Αυτό είναι το ενιαίο σημείο τόσο για τη ρύθμιση των προβλέψεων (προσθήκη, εκπαίδευση, διαγραφή) όσο και για την προβολή των παραγόμενων αναλυτικών στοιχείων.

Πώς λειτουργούν οι προβλέψεις​

Για κάθε προγνωστικό συμβάν που ρυθμίζετε, το Joryio εκπαιδεύει έναν ταξινομητή XGBoost στο ιστορικό συμβάντων του δικού σας χώρου εργασίας: οι χρήστες που εκτέλεσαν το συμβάν μέσα στο παράθυρο πρόβλεψης αποτελούν τα θετικά παραδείγματα και οι χρήστες που δεν το εκτέλεσαν τα αρνητικά. Το εκπαιδευμένο μοντέλο βαθμολογεί έπειτα ολόκληρο το κοινό σας με μια βαθμολογία πιθανότητας 0-100.

Οι προβλέψεις είναι τόσο καλές όσο τα δεδομένα πίσω τους, και δεν είναι στιγμιαίες:

  • Το μοντέλο εκπαιδεύεται σε πραγματική κίνηση. Ένας ολοκαίνουργιος χώρος εργασίας, ή ένα συμβάν με μικρό ιστορικό, δεν μπορεί ακόμη να παραγάγει ουσιαστικές βαθμολογίες. Συνεχίστε να στέλνετε συμβάντα και τα μοντέλα βελτιώνονται καθώς συσσωρεύονται δεδομένα.
  • Η εκπαίδευση απαιτεί και τα δύο αποτελέσματα. Το μοντέλο χρειάζεται τουλάχιστον κάποιους χρήστες που εκτέλεσαν το συμβάν μέσα στο παράθυρο και κάποιους που δεν το εκτέλεσαν. Αν κανείς (ή όλοι) το εκτέλεσαν, η εκπαίδευση αποτυγχάνει με επεξηγηματικό σφάλμα και δεν παράγονται βαθμολογίες.
  • Οι βαθμολογίες εμφανίζονται μετά την ολοκλήρωση εκπαίδευσης και βαθμολόγησης. Μέχρι το μοντέλο να εκπαιδευτεί και να βαθμολογήσει το κοινό σας, η σελίδα αναλυτικών στοιχείων εμφανίζει μια ειλικρινή κενή κατάσταση αντί για εικονικούς αριθμούς.

Μόλις υπάρξει μοντέλο, παραμένει ενημερωμένο αυτόματα:

  • Ημερήσια επαναβαθμολόγηση - κάθε μέρα (04:00 UTC) όλοι οι χρήστες επαναβαθμολογούνται με το υπάρχον μοντέλο, ώστε οι βαθμολογίες να αντικατοπτρίζουν την πρόσφατη συμπεριφορά.
  • Εβδομαδιαία επανεκπαίδευση - κάθε Κυριακή (03:00 UTC) το ίδιο το μοντέλο ξαναχτίζεται από τα πιο πρόσφατα δεδομένα και έπειτα όλοι οι χρήστες επαναβαθμολογούνται.

Προσθήκη προγνωστικού συμβάντος​

  1. Κάντε κλικ στην Προσθήκη πρόβλεψης.
  2. Επιλέξτε το Συμβάν προς πρόβλεψη από τα ονόματα των παρακολουθούμενων συμβάντων σας (με δυνατότητα αναζήτησης).
  3. Διαλέξτε ένα Παράθυρο πρόβλεψης - 7, 14, 30, 60 ή 90 ημέρες. Αυτός είναι ο ορίζοντας στον οποίο αναφέρεται η βαθμολογία: «πόσο πιθανό είναι αυτός ο χρήστης να εκτελέσει το συμβάν μέσα σε N ημέρες».
  4. Προαιρετικά ορίστε μια Ετικέτα (για παράδειγμα «Πιθανή αγορά») - αυτό είναι το εμφανιζόμενο όνομα στην κάρτα και στα ονόματα των παραγόμενων τμημάτων.
  5. Κάντε κλικ στην Προσθήκη.

Κάθε συμβάν μπορεί να ρυθμιστεί μόνο μία φορά· η προσθήκη διπλότυπου απορρίπτεται.

Εκπαίδευση μοντέλου​

Μια νεοπροστιθέμενη πρόβλεψη ξεκινά στην κατάσταση μη εκπαιδευμένο. Κάντε κλικ στην Εκπαίδευση στην κάρτα της για να ξεκινήσει η εκπαίδευση του μοντέλου. Η εκπαίδευση εκτελείται στο παρασκήνιο και συνήθως διαρκεί λίγα λεπτά, ανάλογα με το μέγεθος του κοινού.

Κάθε κάρτα εμφανίζει την κατάσταση του μοντέλου:

ΚατάστασηΣημασία
μη εκπαιδευμένοΡυθμισμένο, αλλά δεν υπάρχει ακόμη μοντέλο
σε εκπαίδευσηΕκτελείται εργασία εκπαίδευσης
εκπαιδευμένοΥπάρχει μοντέλο και οι χρήστες μπορούν να βαθμολογηθούν
απέτυχεΗ τελευταία προσπάθεια εκπαίδευσης απέτυχε (για παράδειγμα, ανεπαρκή δεδομένα)

Η Προβολή αναλυτικών στοιχείων σε μια κάρτα ενεργοποιείται μόλις το μοντέλο εκπαιδευτεί.

Ανάγνωση των αναλυτικών στοιχείων​

Κάντε κλικ σε μια κάρτα (ή στην Προβολή αναλυτικών στοιχείων) για να ανοίξετε τη σελίδα λεπτομερειών αυτού του συμβάντος. Εμφανίζει τις βαθμολογίες πιθανότητας των χρηστών να εκτελέσουν το συμβάν:

Συνοπτικές κάρτες​

  • Σύνολο βαθμολογημένων χρηστών - πόσοι χρήστες έχουν βαθμολογία για αυτό το συμβάν.
  • Μέση βαθμολογία - η μέση βαθμολογία πιθανότητας μεταξύ των βαθμολογημένων χρηστών.
  • Υψηλή πιθανότητα - χρήστες με βαθμολογία 75 και άνω.
  • Χαμηλή πιθανότητα - χρήστες με βαθμολογία κάτω από 25.

Κατανομή βαθμολογιών​

Ένα ιστόγραμμα των βαθμολογιών στο κοινό σας, χρωματισμένο ανά εύρος (πράσινο για 75+, πορτοκαλί για 50-74, κόκκινο για 25-49, γκρι κάτω από 25). Ένα υγιές μοντέλο συνήθως εμφανίζει διασπορά - οι περισσότεροι χρήστες σε χαμηλές βαθμολογίες με μια μικρότερη ουρά υψηλής πιθανότητας.

Ομάδες κοινού​

Οι χρήστες ομαδοποιούνται σε τέσσερις ομάδες βάσει βαθμολογίας:

ΟμάδαΕύρος βαθμολογίας
Υψηλή75 - 100
Μεσαία50 - 74
Χαμηλή25 - 49
Πολύ χαμηλή0 - 24

Κάθε κάρτα ομάδας εμφανίζει το πλήθος χρηστών της και ένα κουμπί Δημιουργία τμήματος.

Στόχευση βάσει πιθανότητας​

Κάντε κλικ στη Δημιουργία τμήματος σε οποιαδήποτε ομάδα για να δημιουργήσετε ένα τμήμα με τους χρήστες αυτής της ομάδας πιθανότητας για το συγκεκριμένο συμβάν. Μεταφέρεστε απευθείας στον επεξεργαστή τμημάτων, όπου μπορείτε να το βελτιώσετε περαιτέρω και έπειτα να το χρησιμοποιήσετε οπουδήποτε χρησιμοποιούνται τμήματα - στόχευση καμπανιών, είσοδος σε journeys, εξαιρέσεις.

Τυπικές τακτικές:

  • Υψηλή πιθανότητα αγοράς - αποφύγετε εκπτώσεις για χρήστες που πιθανότατα θα αγόραζαν ούτως ή άλλως, ή οδηγήστε τους γρήγορα σε μηνύματα ολοκλήρωσης αγοράς.
  • Μεσαία πιθανότητα - το κλασικό κοινό καλλιέργειας· ένα κίνητρο μπορεί να τους μεταπείσει.
  • Χαμηλή / Πολύ χαμηλή πιθανότητα - εξαιρέστε τους από ακριβά κανάλια ή δοκιμάστε περιεχόμενο επανάκτησης.

Η υποκείμενη τιμή πιθανότητας είναι επίσης διαθέσιμη ως φίλτρο τμήματος (πιθανότητα προγνωστικού συμβάντος), ώστε να μπορείτε να χτίσετε τις δικές σας συνθήκες αντί να ξεκινήσετε από μια ομάδα.

Διαγραφή πρόβλεψης​

Κάντε κλικ στο κουμπί διαγραφής σε μια κάρτα και επιβεβαιώστε. Αυτό αφαιρεί τη ρύθμιση του προγνωστικού συμβάντος, και τα δεδομένα του εκπαιδευμένου μοντέλου για αυτό χάνονται. Η εκ νέου δημιουργία του ίδιου συμβάντος αργότερα απαιτεί νέα εκπαίδευση.

Αντιμετώπιση προβλημάτων​

  • «Κανένας χρήστης δεν εκτέλεσε το συμβάν τις τελευταίες N ημέρες» - η εκπαίδευση χρειάζεται θετικά παραδείγματα μέσα στο παράθυρο. Επιλέξτε ένα πιο συχνό συμβάν ή ένα μεγαλύτερο παράθυρο, ή περιμένετε περισσότερη κίνηση.
  • Η σελίδα αναλυτικών στοιχείων είναι κενή μετά την εκπαίδευση - η βαθμολόγηση μπορεί να μην έχει ολοκληρωθεί ακόμη, ή το κοινό δεν είχε αξιοποιήσιμα δεδομένα χαρακτηριστικών. Οι βαθμολογίες ανανεώνονται και καθημερινά, οπότε ελέγξτε ξανά μετά την επόμενη εκτέλεση βαθμολόγησης.
  • Οι βαθμολογίες φαίνονται ξεπερασμένες - οι βαθμολογίες επανυπολογίζονται καθημερινά και το μοντέλο ξαναχτίζεται εβδομαδιαία· μια απότομη αλλαγή συμπεριφοράς εμφανίζεται μετά την επόμενη εκτέλεση, όχι αμέσως.

Σχετικά​