Eventos predictivos
Los eventos predictivos te permiten elegir cualquier evento que registres - una compra, una renovación de suscripción o una señal de abandono - y entrenar un modelo de machine learning que puntúa la probabilidad de que cada persona realice ese evento dentro de la ventana que elijas. Las puntuaciones van de 0 a 100 y se pueden convertir directamente en segmentos para segmentación.
Ve a Analítica → Eventos predictivos desde la barra lateral. Es el único lugar para configurar predicciones - añadir, entrenar y eliminar - y consultar la analítica resultante.
Cómo funcionan las predicciones
Para cada evento predictivo configurado, Joryio entrena un clasificador XGBoost con el historial de eventos del espacio de trabajo: las personas que realizaron el evento dentro de la ventana de predicción son los ejemplos positivos y quienes no lo hicieron son los negativos. Después, el modelo entrenado asigna a toda la audiencia una puntuación de probabilidad de 0 a 100.
Las predicciones son tan buenas como los datos que las respaldan y no son instantáneas:
- El modelo se entrena con tráfico real. Un espacio de trabajo nuevo o un evento con poco historial aún no puede producir puntuaciones significativas. Sigue enviando eventos: los modelos mejoran a medida que se acumulan datos.
- El entrenamiento requiere ambos resultados. El modelo necesita al menos algunas personas que hayan realizado el evento dentro de la ventana y otras que no. Si nadie - o todo el mundo - lo realizó, el entrenamiento falla con un error explicativo y no produce puntuaciones.
- Las puntuaciones aparecen al completar el entrenamiento y cálculo. Hasta que el modelo haya entrenado y puntuado a tu audiencia, la página de analítica muestra un estado vacío honesto en lugar de cifras de ejemplo.
Una vez que existe el modelo, se actualiza automáticamente:
- Recálculo diario: cada día a las 04:00 UTC se vuelve a puntuar a todos los usuarios con el modelo existente, de forma que las puntuaciones reflejan el comportamiento reciente.
- Reentrenamiento semanal: cada domingo a las 03:00 UTC se reconstruye el modelo con los últimos datos y luego se vuelve a puntuar a todos los usuarios.
Añadir un evento predictivo
- Haz clic en Añadir predicción.
- Elige el evento que quieres predecir entre los nombres de eventos registrados; puedes buscarlo.
- Elige una ventana de predicción: 7, 14, 30, 60 o 90 días. Es el horizonte al que se refiere la puntuación: «¿qué probabilidad tiene esta persona de realizar el evento dentro de N días?».
- De forma opcional, define una etiqueta - por ejemplo, «Probable compra» - . Es el nombre visible en la tarjeta y en los nombres de segmento generados.
- Haz clic en Añadir.
Cada evento solo se puede configurar una vez; se rechazan los duplicados.
Entrenar un modelo
Una predicción recién añadida empieza en el estado sin entrenar. Haz clic en Entrenar en su tarjeta para iniciar el entrenamiento del modelo. Se ejecuta en segundo plano y suele tardar unos minutos, según el tamaño de la audiencia.
Cada tarjeta muestra el estado del modelo:
| Estado | Significado |
|---|---|
| sin entrenar | Está configurada, pero aún no existe un modelo |
| entrenando | Hay un trabajo de entrenamiento en curso |
| entrenado | Existe un modelo y se puede puntuar a los usuarios |
| fallido | El último intento de entrenamiento falló - por ejemplo, por falta de datos - |
Ver analítica se habilita en la tarjeta cuando el modelo se ha entrenado.
Interpretar la analítica
Haz clic en una tarjeta - o en Ver analítica - para abrir la página de detalle de ese evento. Muestra puntuaciones de probabilidad de que las personas realicen el evento:
Tarjetas de resumen
- Total de usuarios puntuados: cuántas personas tienen una puntuación para este evento.
- Puntuación media: media de probabilidad de los usuarios puntuados.
- Probabilidad alta: usuarios con 75 o más.
- Probabilidad baja: usuarios con menos de 25.
Distribución de puntuaciones
Un histograma de puntuaciones de la audiencia, coloreado por rango: verde para 75+, ámbar para 50-74, rojo para 25-49 y gris por debajo de 25. Un modelo saludable suele mostrar una distribución: la mayoría en puntuaciones bajas y una cola menor de probabilidad alta.
Grupos de audiencia
Las personas se agrupan en cuatro categorías según la puntuación:
| Grupo | Rango de puntuación |
|---|---|
| Alto | 75 - 100 |
| Medio | 50 - 74 |
| Bajo | 25 - 49 |
| Muy bajo | 0 - 24 |
Cada tarjeta de grupo muestra su número de usuarios y un botón Crear segmento.
Segmentación por probabilidad
Haz clic en Crear segmento en cualquier grupo para generar un segmento de personas de ese rango de probabilidad para este evento. Irás directamente al editor de segmentos, donde puedes refinarlo y usarlo en cualquier lugar donde se usen segmentos: segmentación de campañas, entrada a recorridos y exclusiones.
Usos habituales:
- Probabilidad alta de compra: suprime descuentos para personas que probablemente comprarían de todos modos o llévalas rápidamente a mensajes de checkout.
- Probabilidad media: la audiencia clásica de nurturing; un incentivo puede hacer que convierta.
- Probabilidad baja o muy baja: exclúyela de canales costosos o prueba contenido de recuperación.
El valor de probabilidad subyacente también está disponible como filtro de segmento - probabilidad de evento predictivo - , por lo que puedes crear tus propias condiciones en vez de partir de un grupo.
Eliminar una predicción
Haz clic en el botón Eliminar de una tarjeta y confirma. Esto elimina la configuración del evento predictivo y se pierden los datos de su modelo entrenado. Para volver a crear el mismo evento más adelante habrá que entrenarlo otra vez.
Solución de problemas
- «Ningún usuario realizó el evento en los últimos N días»: el entrenamiento necesita ejemplos positivos dentro de la ventana. Elige un evento más habitual o una ventana más larga, o espera más tráfico.
- La página de analítica está vacía después de entrenar: es posible que el cálculo de puntuaciones aún no haya terminado o que la audiencia no tuviera datos de características utilizables. Las puntuaciones se actualizan a diario; vuelve a comprobarlo tras el siguiente cálculo.
- Las puntuaciones parecen antiguas: se recalculan diariamente y el modelo se reconstruye semanalmente. Un cambio de comportamiento repentino aparecerá después de la siguiente ejecución, no de inmediato.
Contenido relacionado
- Modelos de ML: modelos de toda la plataforma - abandono, interacción, hora de envío y más - .
- Crear segmentos: refina audiencias basadas en probabilidad.
- Explorador de eventos: inspecciona los eventos sobre los que puedes predecir.