イベント予測の作成

予測とは、トレーニングされた機械学習モデルの 1 つのインスタンスと、それが使用するすべてのパラメーターとデータです。予測イベントの詳細については、「予測イベントの概要」を参照してください。

Braze で、[分析]>[予測イベント]に移動します。

このページには、現在アクティブなイベント予測のリストと、それらに関する基本情報が表示されます。ここでは、名前を変更したり、アーカイブしたり、新しい予測を作成したりできます。アーカイブされた予測は非アクティブであり、ユーザーのスコアは更新されません。

ステップ 1:新しい予測を作成する

1. [予測の作成] を 選択し、新しい イベント予測を選択します。

2.予測に一意の名前を付けます。関連するメモを保存するために説明を入力することもできます。

3.次のステップに進むには、「進む」 をクリックします。

必要に応じて、「今すぐビルド」 をクリックして、すべてのデフォルト設定を使用し、作成の最後の手順にスキップすることもできます。ビルド プロセスを開始する前に設定を確認する機会があります。また、上部のバーをクリックすると、後で任意のステップに戻ることができます。

ステップ 2:イベントトラッキングを指定する

ユーザーのイベントが Braze に 購入イベント として保存されるか、 カスタム イベントとして保存されるかを指定します。

ここでは、選択した方法が、Braze が機械学習モデルを作成するのに十分なデータを提供しているかどうかを確認します。要件が満たされていない場合は、アプリケーションでも使用されている他のログ記録方法を選択してみてください。残念ながら、そうでない場合、Braze は利用可能なデータ量で予測を作成することができません。このエラーが誤って表示されていると思われる場合は、カスタマー サクセス マネージャーにご連絡ください。

イベント期間

イベント ウィンドウは、ユーザーがイベントを実行するかどうかを予測する時間枠です。最長60日まで設定可能です。このウィンドウは、予測をトレーニングするための履歴データを照会するために使用されます。さらに、予測が作成され、ユーザーがスコアを受け取った後、可能性スコアは、イベントウィンドウで指定された日数内にユーザーがイベントを実行する可能性を示します。

ステップ 3:予測対象者をフィルタリングする（オプション）

予測対象ユーザーとは、可能性スコアを予測するユーザーのグループです。必要に応じて、ユーザー全体に対して予測を実行できます。これを行うには、デフォルトのオプション 「すべてのユーザー」 を選択したままにします。

通常、評価するユーザーを何らかの基準でフィルタリングすると、モデルのパフォーマンスが向上します。これを行うには、「独自の予測オーディエンスを定義する」 を選択し、オーディエンス フィルターを選択します。たとえば、「初めて使用したアプリ」フィルターを 30 日間に設定して、アプリを少なくとも 30 日間使用しているユーザーに焦点を当てることができます。

予測オーディエンス定義は、機械学習モデルが過去から学習できるように、履歴データを照会するためにも使用されます。前のページと同様に、これらのフィルターによって提供されるデータの量が要件とともに表示されます。希望する対象ユーザーを指定しても最小要件を満たしていない場合は、より広いフィルターを指定するか、「すべてのユーザー」 オプションを使用してください。

イベント ウィンドウが 14 日以下の場合、「最後に使用したアプリ」や「最後に購入したもの」など、「最後…」で始まるフィルターの時間ウィンドウは 、 イベント トラッキングで指定されたイベント ウィンドウを超えることはできません。たとえば、イベント ウィンドウが 14 日間に設定されている場合、「最終…」フィルターの時間ウィンドウは 14 日を超えることはできません。

フルフィルターモード

新しい予測をすぐに構築するために、Braze セグメンテーション フィルターのサブセットのみがサポートされています。フル フィルター モードでは、すべての Braze フィルターを使用できますが、予測を構築するには 1 つのイベント ウィンドウが必要になります。

たとえば、イベント ウィンドウが 14 日に設定されている場合、フル フィルター モードでのみサポートされているフィルターを使用すると、ユーザー データを収集して予測を構築するのに 14 日かかります。 さらに、フル フィルター モードでは、オーディエンス サイズに関する一部の推定値は利用できません。

ステップ 4: 更新スケジュールを選択する

このページを完了すると作成される機械学習モデルは、ここで選択したスケジュールに基づいて使用され、ユーザーがイベントを実行する可能性の新しいスコア (可能性スコア) を生成します。役に立つと思われる 更新の最大頻度 を選択します。たとえば、購入を予測し、毎週プロモーションを送信する予定の場合は、更新頻度を、選択した曜日と時刻に 毎週 に設定します。

ステップ 5: ビルド予測

指定した詳細が正しいことを確認し、「予測の構築」を選択します。また、「下書きとして保存」 を選択して変更を下書き形式で保存し、後でこのページに戻ってモデルを構築することもできます。

「予測の構築」をクリックすると、モデルを生成するプロセスが開始されます。データ量に応じて、30 分から数時間かかる場合があります。この予測では、モデル構築プロセス中にトレーニングが進行中であることを説明するページが表示されます。

完了すると、ページは自動的に分析ビューに切り替わり、予測と結果の準備ができたことを通知するメールが届きます。エラーが発生した場合、ページは編集モードに戻り、何が問題だったのかの説明が表示されます。

予測は 2 週間 ごとに自動的に再構築 (「再トレーニング」) され、利用可能な最新のデータに基づいて最新の状態に保たれます。これは、予測の出力であるユーザーの尤度スコアが生成されるプロセスとは別のプロセスであることに注意してください。後者は、手順 4 で選択した更新頻度によって決まります。

アーカイブされた予測

アーカイブされた予測では、ユーザー スコアの更新が停止されます。アーカイブ解除されたアーカイブ済みの予測は、事前に設定されたスケジュールに従ってユーザー スコアを更新し続けます。アーカイブされた予測は削除されず、リストに残ります。