אירועים חזויים (Predictive Events)

אירועים חזויים מאפשרים לבחור כל אירוע שאתם עוקבים אחריו - רכישה, חידוש מנוי, סימן לנטישה - ולאמן מודל למידת מכונה שמדרג כל משתמש לפי הסבירות שיבצע את האירוע בתוך חלון זמן שתגדירו. הציונים נעים בין 0 ל-100, וניתן להפוך אותם ישירות לסגמנטים למיקוד.

נווטו אל Analytics → Predictive Events בסרגל הצד. זהו המקום היחיד גם להגדרת תחזיות (הוספה, אימון, מחיקה) וגם לצפייה באנליטיקה שנוצרת מהן.

איך התחזיות עובדות

עבור כל אירוע חזוי שתגדירו, Joryio מאמנת מסווג XGBoost על היסטוריית האירועים של סביבת העבודה שלכם: משתמשים שביצעו את האירוע בתוך חלון התחזית הם הדוגמאות החיוביות, ומשתמשים שלא ביצעו - הדוגמאות השליליות. המודל המאומן מדרג לאחר מכן את כל הקהל בציון סבירות בין 0 ל-100.

איכות התחזיות תלויה בנתונים שמאחוריהן, והן אינן מיידיות:

• המודל מתאמן על תעבורה אמיתית. סביבת עבודה חדשה לגמרי, או אירוע עם מעט היסטוריה, עדיין לא יכולים להניב ציונים משמעותיים. המשיכו לשלוח אירועים - המודלים משתפרים ככל שנצברים נתונים.
• האימון דורש דוגמאות משתי הקבוצות. המודל צריך לפחות כמה משתמשים שביצעו את האירוע בחלון וגם כאלה שלא. אם אף אחד (או כולם) ביצעו אותו, האימון נכשל עם הודעת שגיאה מסבירה ולא נוצרים ציונים.
• הציונים מופיעים אחרי שהאימון והדירוג הסתיימו. עד שהמודל מתאמן ומדרג את הקהל, עמוד האנליטיקה מציג מצב ריק שמשקף זאת - ולא מספרי דמה.

ברגע שקיים מודל, הוא נשאר עדכני אוטומטית:

• דירוג מחדש יומי - בכל יום (04:00 UTC) כל המשתמשים מדורגים מחדש עם המודל הקיים, כך שהציונים משקפים התנהגות עדכנית.
• אימון מחדש שבועי - בכל יום ראשון (03:00 UTC) המודל עצמו נבנה מחדש מהנתונים העדכניים, ואז כל המשתמשים מדורגים מחדש.

הוספת אירוע חזוי

1. לחצו על Add Prediction.
2. בחרו את ה-Event לחיזוי מתוך שמות האירועים שלכם (עם חיפוש).
3. בחרו Prediction window - 7, 14, 30, 60 או 90 ימים. זה האופק שהציון מתייחס אליו: "מה הסבירות שהמשתמש יבצע את האירוע בתוך N ימים".
4. אפשר להגדיר Label (למשל "Likely to purchase") - זהו שם התצוגה שיופיע על הכרטיס ובשמות הסגמנטים שנוצרים.
5. לחצו על Add.

כל אירוע ניתן להגדרה פעם אחת בלבד; ניסיון להוסיף את אותו אירוע שוב נדחה.

אימון מודל

תחזית חדשה מתחילה במצב not trained. לחצו על Train בכרטיס שלה כדי להתחיל אימון. האימון רץ ברקע ואורך בדרך כלל כמה דקות, בהתאם לגודל הקהל.

כל כרטיס מציג את סטטוס המודל:

סטטוס	משמעות
not trained	מוגדר, אך עדיין לא קיים מודל
training	משימת אימון רצה כעת
trained	קיים מודל וניתן לדרג משתמשים
failed	ניסיון האימון האחרון נכשל (למשל, אין מספיק נתונים)

הכפתור View Analytics בכרטיס מופעל ברגע שהמודל מאומן.

קריאת האנליטיקה

לחצו על כרטיס (או על View Analytics) כדי לפתוח את עמוד הפירוט של האירוע. הוא מציג ציוני סבירות של משתמשים לבצע את האירוע:

כרטיסי סיכום

• Total Users Scored - לכמה משתמשים יש ציון עבור האירוע.
• Average Score - ציון הסבירות הממוצע בקרב המשתמשים המדורגים.
• High Likelihood - משתמשים עם ציון 75 ומעלה.
• Low Likelihood - משתמשים עם ציון מתחת ל-25.

Score Distribution

היסטוגרמה של הציונים בקהל, צבועה לפי טווח (ירוק ל-75 ומעלה, כתום ל-50-74, אדום ל-25-49, אפור מתחת ל-25). מודל בריא מציג בדרך כלל פיזור - רוב המשתמשים בציונים נמוכים עם זנב קטן יותר של סבירות גבוהה.

Audience Buckets

המשתמשים מקובצים לארבע קבוצות לפי ציון:

קבוצה	טווח ציונים
High	75 - 100
Medium	50 - 74
Low	25 - 49
Very Low	0 - 24

כל כרטיס קבוצה מציג את מספר המשתמשים בה וכפתור Create Segment.

מיקוד לפי סבירות

לחצו על Create Segment בכל קבוצה כדי ליצור סגמנט של המשתמשים באותה קבוצת סבירות עבור האירוע. תועברו ישירות לעורך הסגמנטים, שם תוכלו לחדד אותו ולהשתמש בו בכל מקום שבו משתמשים בסגמנטים - מיקוד קמפיינים, כניסה למסע והחרגות.

שימושים נפוצים:

• סבירות גבוהה לרכישה - הימנעו מהנחות למשתמשים שכנראה יקנו ממילא, או קדמו אותם ישירות למסרים של השלמת רכישה.
• סבירות בינונית - קהל הטיפוח הקלאסי; תמריץ יכול להטות את הכף.
• סבירות נמוכה / נמוכה מאוד - החריגו מערוצים יקרים, או בדקו תוכן לחידוש המעורבות (win-back).

ערך הסבירות זמין גם כמסנן סגמנט (predictive event likelihood), כך שאפשר לבנות תנאים משלכם במקום להתחיל מקבוצה.

מחיקת תחזית

לחצו על כפתור המחיקה בכרטיס ואשרו. הפעולה מסירה את הגדרת האירוע החזוי, ונתוני המודל המאומן שלו אובדים. יצירה מחדש של אותו אירוע בהמשך תדרוש אימון מחדש.

פתרון תקלות

• "No users performed the event in the last N days" - האימון צריך דוגמאות חיוביות בתוך החלון. בחרו אירוע נפוץ יותר או חלון ארוך יותר, או המתינו לעוד תעבורה.
• עמוד האנליטיקה ריק אחרי אימון - ייתכן שהדירוג טרם הסתיים, או שלקהל לא היו נתוני מאפיינים שמישים. הציונים מתרעננים גם מדי יום, אז בדקו שוב אחרי הריצה הבאה.
• הציונים נראים לא עדכניים - הציונים מחושבים מחדש מדי יום והמודל נבנה מחדש מדי שבוע; שינוי התנהגות פתאומי יופיע אחרי הריצה הבאה, לא מיידית.

קשור

• ML Models - מודלים כלל-פלטפורמיים (נטישה, מעורבות, זמן שליחה ועוד)
• יצירת סגמנטים - חידוד קהלים מבוססי סבירות
• Event Explorer - בחינת האירועים שאפשר לחזות את ביצועם