문제 해결

예측 이탈(및 모든 머신 러닝 모델)은 모델에 제공되는 데이터만큼만 좋습니다. 또한 작업할 특정 볼륨의 데이터를 보유하는 데 크게 의존합니다.

잠재적 오류

훈련시키기에 충분하지 않은 데이터

이 오류 메시지는 고객이탈 정의가 너무 제한적이고 이탈 사용자가 너무 적게 반환될 때 나타납니다.

이 문제를 해결하려면 고객이탈을 정의하는 일수 또는 작업 수를 변경하여 더 많은 사용자를 포착해야 합니다. AND/OR 필터를 올바르게 사용하여 지나치게 제한적인 정의를 만들지 않도록 하세요.

예측 오디언스 크기 문제

모델을 훈련시키고자 하는 사용 유형을 미세 조정하기 위해 예측 오디언스를 구축할 때, 예측 오디언스에 사용자가 너무 적다는 메시지를 받을 수 있습니다.

선택한 예측 오디언스에서 지난 7일 동안 신뢰할 수 있는 예측을 구축하기에 충분한 과거 이탈자가 없습니다.

만약 예측 오디언스 정의가 너무 엄격하다면, 작업할 수 있는 충분한 수의 과거 및 현재 사용자가 없을 수 있습니다. 이 문제를 해결하려면 이 정의에 사용된 일수와 속성 유형을 변경하거나, 고객이탈을 정의하는 작업을 변경하거나, 둘 다 변경해야 합니다.

예측 오디언스가 정의를 변경한 후에도 계속 문제가 된다면, 이 선택적 기능을 지원하기에 사용자가 너무 적을 수 있습니다. 대신 추가 레이어와 필터 없이 예측을 구축하려고 시도할 것을 제안합니다.

예측 오디언스 크기가 너무 큽니다

예측 오디언스 정의는 1억 사용자를 초과할 수 없습니다. 만약 오디언스가 너무 크다는 메시지를 본다면, 오디언스에 더 많은 레이어를 추가하거나 기준이 되는 시간 창을 변경하는 것을 권장합니다.

예측의 품질이 좋지 않습니다

모델의 예측 품질이 40% 이상이면, 좋은 결과입니다! 하지만 예측 품질이 39% 이하로 떨어지면 고객이탈 및 예측 오디언스 정의를 보다 구체적으로 하거나 다른 시간 창을 가져야 할 수 있습니다.

예측 정의를 구축하는 동안 오디언스 크기 요구 사항을 충족하지 못하고 예측 품질이 40% 이상을 달성하지 못하는 경우, 이는 이 사용 사례에 적합하지 않은 데이터가 Braze로 전송되었거나, 모델을 구축할 사용자가 충분하지 않거나, 제품 수명 주기가 현재의 60일 조회 기간을 지원하는 것보다 길다는 것을 의미할 수 있습니다.

데이터 고려사항

다음은 예측 이탈을 설정할 때 스스로에게 물어볼 질문입니다. 머신 러닝 모델은 그것들을 훈련시키는 데이터만큼만 좋습니다. 따라서 좋은 데이터 위생 관행을 갖고 모델에 들어가는 것을 이해하는 것이 큰 차이를 만들 것입니다.

• 어떤 고가치 행동이 유지 및 로열티로 이어지나요?
• 이 특정 작업에 다시 매핑되는 커스텀 이벤트를 설정했습니까? 예측 이탈은 커스텀 속성 대신 커스텀 이벤트와 함께 작동합니다.
• 시간 창을 생각하고 그 안에서 고객이탈을 정의하려고 하시나요? 고객이탈은 최대 60일 이내에 발생하는 것으로 정의할 수 있습니다.
• 연휴와 같은 비정상적인 사용자 행동을 유발하는 시기를 고려해 본 적이 있습니까? 소비자 행동의 급격한 변화는 예측에 영향을 미칠 것입니다.