予測分析

予測を構築してトレーニングすると、予測分析ページにアクセスできるようになります。このページは、見込みスコアまたはカテゴリに基づいて、どのユーザーをターゲットにするかを決定するのに役立ちます。

予測のトレーニングが完了し、このページが読み込まれたらすぐに、セグメントまたはキャンペーンでフィルターを使用してモデルの出力を使用し始めることができます。誰をターゲットにするか、またその理由を決めるのに手助けが必要な場合、このページは、モデルの過去の正確さとあなた自身のビジネス目標に基づいて役立ちます。

分析コンポーネント

• 可能性スコア
• ユーザーをターゲットにする
• 予測品質
• 推定結果
• イベント相関表

可能性スコア

予測オーディエンスのユーザーには、0 から 100 の間の可能性スコアが割り当てられます。スコアが高いほど、イベントを実行する可能性が高くなります。

以下は、ユーザーが可能性スコアによってどのように分類されるかを示しています。

• 低値:0 から 50 の間
• ミディアム:50から75の間
• 高値:75 から 100 の間

スコアと対応するカテゴリは、予測作成ページで選択したスケジュールに従って更新されます。ページ上部のグラフには、サイズが等しい 20 個のバケットのそれぞれまたは各発生可能性カテゴリで発生確率スコアを持つユーザーの数が表示されます。

オーディエンスビルダーによるユーザーのターゲティング

予測対象者全体の可能性スコアの分布がページの上部に表示されます。右側のバケットにいるユーザーはスコアが高く、イベントを実行する可能性が高くなります。左側のバケットにいるユーザーは、イベントを実行する可能性が低くなります。グラフの下にあるスライダーを使用すると、ユーザーのセクションを選択し、それらのユーザーをターゲットにした場合の結果を推定できます。

スライダーハンドルを別の位置に移動すると、パネルの左半分のバーに、選択した人口の一部を使用してターゲットとなる予測オーディエンス全体のうち何人のユーザーがターゲットになるかがわかります。

推定結果

グラフの下のパネルの右半分には、選択した予測オーディエンスの一部をターゲットにした場合の予想精度の推定値が、選択したユーザーのうち、イベントを実行すると予想されるユーザー数と、実行しないと予想されるユーザー数の 2 つの方法で表示されます。

選ばれた何人のユーザーがイベントを実行すると予想されるか

予測は完全に正確ではなく、予測もまったく正確ではありません。つまり、Brazeはイベントを実行する将来のユーザー全員を特定することはできません。確率スコアは、情報に基づいた信頼できる予測のセットのようなものです。プログレスバーには、予測オーディエンスで予想される「真陽性」のうち、選択したオーディエンスでターゲティングされるものがいくつあるかが示されます。なお、メッセージを送信しなくても、この数のユーザーがイベントを実行することが予想されます。

選ばれたユーザーのうち、イベントを実行しないと予想されるユーザーの数

すべての機械学習モデルにはエラーがあります。選択内容に、可能性スコアが高いものの、実際にはイベントを実行しないユーザーがいる可能性があります。あなたが何もしなければ、彼らはイベントを実行しません。とにかくターゲットになるので、これはエラーまたは「誤検知」です。」 この 2 番目のプログレスバーの全幅は、イベントを実行しないと予想されるユーザー数を表し、塗りつぶされた部分は、現在のスライダーの位置を使用して誤ってターゲットにされるユーザー数です。

この情報を使用して、キャプチャしたい真陽性の数、ターゲットとして受け入れることができる誤検出の数、およびビジネスにおけるエラーによるコストを決定することをお勧めします。価値のあるプロモーションを行う場合は、チャートの左側を優先して、購入者以外の人（誤検知）のみを対象とするとよいでしょう。または、頻繁に購入する（本当にポジティブな）購入者に、チャートの右側を好むユーザーのセクションを選択して、再度購入するように促すこともできます。

予測品質

モデルの精度を測定するために、予測品質指標は、この特定の機械学習モデルがどれほど効果的かを示します。これは、この予測がイベントの実行者と非イベントの実行者を区別するのにどれだけ優れているかを示す尺度です。予測品質が100であれば、誰がイベントを実行するのか、誰が実行しないのかを完全に把握していることになります（これは決して起こりません！）、0 はランダムに推測していることを意味します。指標の詳細については、「予測品質」を参照してください。

さまざまな範囲の予測品質について推奨するものは次のとおりです。

| 予測品質範囲 (%) | 推奨事項 | | ———————- | ————– | 非常に良い (60～100)精度はトップクラスです。オーディエンスの定義を変更しても、メリットをｌさらに得られる可能性はほとんどありません。 良い (40～60)このモデルでは正確な予測が生成されますが、さまざまなオーディエンス設定を試すことで、さらに正確な結果が得られる可能性があります。 普通 (20～40)このモデルでは正確で価値のある予測が提供されますが、さまざまなオーディエンス定義を試して、パフォーマンスが向上するかどうかを確認してみてください。 | 0-20 | 貧しい。オーディエンスの定義を変更して、もう一度やり直すことをお勧めします。

予測は2週間ごとに再度トレーニングされ、予測品質指標とともに更新され、最新のユーザー行動パターンに基づいて予測が最新の状態に保たれます。この再トレーニングが最後に行われた日時は、予測リストページと予測の分析ページに表示されます。

予測が最初に作成されたとき、予測の品質は、[予測を作成] をクリックしたときにクエリされる履歴データに基づいています。その後は 2 週間ごとに、予測スコアを実際の結果と比較することで予測品質が導き出されます。

イベント相関表

この分析では、予測オーディエンスのイベントと相関するユーザー属性または行動が表示されます。評価される属性は、年齢、国、性別、言語です。分析される行動には、セッション、購入、総支出額、カスタムイベント、過去 30 日間に受け取ったキャンペーンと Canvas ステップが含まれます。

テーブルは左と右に分かれており、イベントを実行する可能性が高いテーブルと少ないテーブルがそれぞれ表示されます。各行について、左の列の行動または属性を持つユーザーがイベントを実行する可能性が高いまたは低い割合が右側の列に表示されます。この数値は、この行動または属性を持つユーザーの可能性スコアを、予測対象ユーザー全体におけるイベント実行可能性で割った比率です。

この表は、予測が再トレーニングされたときにのみ更新され、ユーザーの可能性スコアが更新されたときには更新されません。