이벤트 예측 만들기

예측은 학습된 머신 러닝 모델의 한 인스턴스와 그 모델이 사용하는 모든 매개변수 및 데이터입니다. 예측 이벤트에 대해 자세히 알아보려면 예측 이벤트 개요를 참조하세요.

Braze에서 분석 > 예측 기반 분석으로 이동합니다.

이 페이지에서는 현재 진행 중인 이벤트 예측 목록과 이에 대한 몇 가지 기본 정보를 볼 수 있습니다. 여기에서 예측의 이름을 바꾸고, 보관하고, 새 예측을 만들 수 있습니다. 보관된 예측은 비활성 상태이며 사용자 점수를 업데이트하지 않습니다.

1단계: 새 예측 만들기

1. 예측 생성을 선택하고 새 이벤트 예측을 선택합니다.

2. 예측에 고유한 이름을 지정하세요. 설명을 입력하여 관련 메모를 저장할 수도 있습니다.

!

3. 다음 단계로 이동하려면 앞으로를 클릭합니다.

원하는 경우 지금 구축을 클릭하여 모든 기본값을 사용하고 마지막 생성 단계로 건너뛸 수 있습니다. 구축 프로세스를 시작하기 전에 설정을 검토할 수 있는 기회가 주어집니다. 또한 나중에 상단 표시줄에서 해당 단계를 클릭하여 원하는 단계로 돌아갈 수 있습니다.

2단계: 이벤트 추적 지정

사용자의 이벤트를 구매 이벤트로 저장할지, 아니면 커스텀 이벤트로 저장할지 지정합니다.

여기에서 선택한 방법이 Braze가 머신 러닝 모델을 생성하기에 충분한 데이터를 제공하는지 확인할 수 있습니다. 요구 사항이 충족되지 않으면 애플리케이션에서도 다른 로깅 방법을 사용하는 경우 해당 방법을 선택해 보세요. 안타깝게도 그렇지 않은 경우, 사용 가능한 데이터의 양이 충분하지 않아 Braze는 예측을 생성할 수 없습니다. 이 오류가 잘못 표시되고 있다고 생각되면 고객 성공 매니저에게 문의하세요.

이벤트 창

이벤트 기간은 사용자가 이벤트를 수행할지 예측하려는 시간 프레임입니다. 최대 60일까지 설정할 수 있습니다. 이 창은 예측 학습을 위해 과거 데이터를 쿼리하는 데 사용됩니다. 또한 예측이 생성되고 사용자가 점수를 받은 후, 가능성 점수는 사용자가 이벤트 기간에 지정된 일수 내에 이벤트를 수행할 가능성이 얼마나 되는지를 나타냅니다.

3단계: 예측 오디언스 필터링(선택 사항)

예측 오디언스는 가능성 점수를 예측하려는 사용자 그룹입니다. 원하는 경우 전체 사용자 집단에 대해 예측을 실행할 수 있습니다. 이렇게 하려면 기본값인 모든 사용자를 선택한 상태로 두세요.

사용 사례에 따라 필터를 사용하여 모델에 대해 평가할 사용자를 지정할 수 있습니다. 이렇게 하려면 나만의 예측 대상 정의하기를 선택하고 오디언스 필터를 선택합니다. 예를 들어 30일로 설정된 ‘처음 사용한 앱’ 필터를 선택하여 30일 이상 앱을 사용한 사용자에 초점을 맞추고 싶을 수 있습니다. 이 오디언스를 설정하면 모델이 (모델이 실행되는 시점에) 앱을 30일 이상 사용한 사용자로부터 구체적으로 학습하기를 원한다는 것을 Braze에 알릴 수 있습니다.

예측 오디언스는 머신 러닝 모델이 과거로부터 학습하기 위해 살펴보는 사용자 그룹을 정의합니다. Braze는 예측 오디언스의 예상 규모를 보여줍니다. 원하는 오디언스를 지정했는데 모델을 실행하는 데 필요한 최소값을 충족하지 못하는 경우 더 넓은 필터를 지정하거나 모든 사용자 옵션을 사용하세요. 많은 사용 사례에서 특정 예측 오디언스를 선택할 필요가 없다는 점에 유의하세요. 예를 들어, 사용 사례가 이탈 가능성이 가장 높은 EU 지역의 사용자를 타겟팅하는 경우 모든 사용자에 대해 모델을 실행한 다음 캠페인 세그먼트에 EU 지역에 대한 필터를 포함할 수 있습니다.

이벤트 기간이 14일 이하인 경우, ‘마지막으로 사용한 앱’, ‘마지막으로 구매한 구매’와 같이 “…“로 시작하는 필터의 기간은 ** 이벤트 추적에 지정된 이벤트 기간을 초과할 수 없습니다**. 예를 들어 이벤트 기간이 14일로 설정된 경우 ‘마지막…’ 필터의 기간 창은 14일을 초과할 수 없습니다.

전체 필터 모드

새로운 예측을 즉시 구축하기 위해 Braze 세분화 필터의 하위 집합만 지원됩니다. 전체 필터 모드에서는 모든 Braze 필터를 사용할 수 있지만 예측을 구축하려면 하나의 이벤트 창이 필요합니다.

예를 들어 이벤트 기간을 14일로 설정한 경우 전체 필터 모드에서만 지원되는 필터를 사용할 경우 사용자 데이터를 수집하고 예측을 구축하는 데 14일이 걸립니다. 또한 전체 필터 모드에서는 오디언스 규모에 대한 일부 추정치를 사용할 수 없습니다.

4단계: 업데이트 일정 선택

머신 러닝 모델이 사용자의 이벤트 가능성 점수를 생성하고 여기에서 선택한 일정에 따라 해당 점수가 업데이트됩니다. 이벤트 가능성 점수를 기준으로 사용자를 타겟팅할 수 있습니다.

유용하다고 생각되는 최대 업데이트 빈도를 선택합니다. 예를 들어 구매를 예측하여 매주 프로모션을 보낼 계획이라면 원하는 날짜와 시간에 업데이트 주기를 매주로 설정하세요.

5단계: 예측 구축

입력한 세부 정보가 정확한지 확인한 후 예측 구축을 선택합니다. 초안으로 저 장을 선택하여 변경 사항을 초안 형태로 저장하여 이 페이지로 돌아와 나중에 모델을 구축할 수도 있습니다.

예측 구축을 클릭하면 모델을 생성하는 프로세스가 시작됩니다. 데이터 양에 따라 30분에서 몇 시간 정도 소요될 수 있습니다. 이 예측의 경우 모델 구축 프로세스 기간 동안 학습이 진행 중임을 설명하는 페이지가 표시됩니다. Braze 모델은 커스텀 이벤트, 구매 이벤트, 캠페인 인터랙션 이벤트, 세션 데이터를 고려합니다.

완료되면 페이지가 자동으로 분석 보기로 전환되고 예측 및 결과가 준비되었음을 알리는 이메일이 전송됩니다. 오류가 발생하면 페이지가 편집 모드로 돌아가면서 무엇이 잘못되었는지에 대한 설명이 표시됩니다.

예측은 2주마다 자동으로 재구축(“재학습”)되어 사용 가능한 가장 최신 데이터로 업데이트됩니다. 이는 예측의 결과물인 사용자의 가능성 점수가 생성되는 과정과는 별개의 프로세스입니다. 후자는 4단계에서 선택한 업데이트 주기에 따라 결정됩니다.

아카이브 된 예측

보관된 예측은 사용자 점수 업데이트가 중지됩니다. 아카이브되지 않은 예측은 미리 정해진 일정에 따라 사용자 점수를 계속 업데이트합니다. 보관된 예측은 삭제되지 않고 목록에 남아 있습니다.