トラブルシューティング

解約予測 (およびすべての機械学習モデル) は、モデルに利用可能なデータと同程度にのみ優れています。また、それに使用する特定のデータ量に大きく依存します。

潜在的なエラー

トレーニングに十分なデータがない

このエラーメッセージは、解約の定義が厳しすぎるために、返された解約済みユーザーが少なすぎる場合に表示されます。

これを修正するには、解約を定義する日数またはアクション数のいずれか、または両方を変更して、より多くのユーザーをキャプチャする必要があります。制限の厳しい定義を作成しないように、AND/OR フィルタを正しく使用していることを確認します。

予測オーディエンスサイズの問題

予測オーディエンスを構築して、モデルでトレーニングしたい使用方法を微調整する場合、予測オーディエンスのユーザ数が少なすぎることを通知する次のメッセージが表示されることがあります。

” 過去7 日間、選択した予測オーディエンスから利用可能な過去のチャーナーが、確実に予測を構築するには十分ではありません。”

予測オーディエンスの定義が厳しすぎる場合、履歴ユーザーとアクティブユーザーの両方の十分なサイズのプールがない可能性があります。これを修正するには、定義に使用する日数と属性の種類を変更するか、解約を定義するアクションを切り替えるか、またはその両方を行う必要があります。

定義を切り換えた後も、予測の対象者が引き続き問題である場合は、このオプション機能をサポートするユーザーが少なすぎる可能性があります。代わりに、追加のレイヤーとフィルタなしで予測を構築することをお勧めします。

観客の予測サイズが大きすぎる

予測対象ユーザー定義のユーザー数が 1 億人を超えることはできません。オーディエンスが多すぎるというメッセージが表示された場合は、オーディエンスにより多くのレイヤーを追加するか、その基になっている時間枠を変更することをお勧めします。

予測の質が悪い

あなたのモデルが予測品質が40%以上であれば、素晴らしい場所にいます!ただし、予測品質が39% 以下に低下する場合は、チャーンおよび予測オーディエンスの定義をより具体的に編集するか、異なる時間枠を設定する必要があります。

予測定義を構築し、予測品質が40% を超えている間にオーディエンスのサイズ要件を満たすことができない場合は、Braze に送信されるデータがこのユースケースに適していないこと、モデルを構築するためのユーザーが十分でないこと、または製品のライフサイクルが現在の60 日間のルックバックウィンドウでサポートされている期間よりも長いことを意味します。

データに関する考慮事項

解約予測を設定するときに、以下の質問に対する答えを考えてください。機械学習モデルは、彼らを訓練するデータと同じくらい優れているだけなので、良いデータ衛生の実践を持ち、モデルに入るものを理解することは大きな違いを生み出します。

• リテンションとロイヤルティにつながる高価値行動とは?
• これらの特定のアクションにマップバックするカスタムイベントを設定しましたか?Predictive Churn は、カスタム属性ではなく、カスタムイベントで動作します。
• 解約を定義する時間枠を考慮していますか?チャーンは、最大60日以内に発生するものとして定義できます。
• 休日などの非定型的なユーザー行動につながる時間を考慮しましたか?消費者行動の急激な変化は、あなたの予測に影響を与えるだろう。