Skip to content

예측 분석

예측을 작성하고 학습한 후에는 예측 분석 페이지에 액세스할 수 있습니다. 이 페이지는 사용자의 가능성 점수 또는 카테고리를 기반으로 타겟팅할 사용자를 결정하는 데 도움을 줍니다.

예측이 훈련을 마치고 이 페이지가 채워지면, 필터를 세그먼트나 캠페인에서 사용하여 모델의 출력을 사용하기 시작할 수 있습니다. 대상을 결정하는 데 도움이 필요하고 그 이유를 알고 싶다면, 이 페이지는 모델의 역사적 정확성과 비즈니스 목표에 따라 도움을 줄 수 있습니다.

분석 구성 요소

가능성 점수

예측 오디언스의 사용자에게는 0에서 100 사이의 가능성 점수가 할당됩니다. 점수가 높을수록 이벤트를 수행할 가능성이 커집니다.

다음은 사용자가 가능성 점수에 따라 분류되는 방법입니다:

  • 낮음: 0과 50 사이
  • 중간: 50과 75 사이
  • 높음: 75에서 100 사이

점수와 해당 카테고리는 예측 생성 페이지에서 선택한 일정에 따라 업데이트됩니다. 페이지 상단의 차트에는 20개의 동일한 크기의 버킷 각각 또는 각 가능성 범주에 있는 가능성 점수를 가진 사용자 수가 표시됩니다.

오디언스 빌더 {#target_users}로 사용자 타겟팅

페이지 상단에 전체 예측 오디언스에 대한 가능성 점수 분포가 표시됩니다. 버킷이 오른쪽으로 갈수록 점수가 높고 이벤트를 수행할 가능성이 더 높습니다. 왼쪽에 있는 버킷의 사용자들은 이벤트를 수행할 가능성이 적습니다. 차트 아래의 슬라이더를 사용하면 사용자 섹션을 선택하고 해당 사용자를 타겟팅했을 때의 결과를 추정할 수 있습니다.

슬라이더 핸들을 다른 위치로 이동하면 패널의 왼쪽 절반에 있는 막대가 선택한 인구의 일부를 사용하여 전체 예측 오디언스 중 몇 명의 사용자가 타겟팅될 것인지 알려줍니다.

예상 결과

차트 아래 패널의 오른쪽 절반에는 선택한 예측 오디언스의 일부를 타겟팅할 때 예상되는 정확도의 추정치를 두 가지 방법으로 보여줍니다: 선택한 사용자가 이벤트를 수행할 것으로 예상되는 수와 그렇지 않을 것으로 예상되는 수입니다.

선택된 사용자 중 이벤트를 수행할 것으로 예상되는 수

예측은 완벽하게 정확하지 않으며, 어떤 예측도 완벽하지 않기 때문에 Braze는 이벤트를 수행할 모든 미래 사용자를 식별할 수 없습니다. 가능성 점수는 정보에 입각한 신뢰할 수 있는 예측 세트와 같습니다. 진행률 막대는 예측 오디언스에서 예상되는 “진정한 긍정” 중 선택된 오디언스로 타겟팅될 수 있는 수를 나타냅니다. 이 메시지를 보내지 않더라도 이 수의 사용자가 이벤트를 수행할 것으로 예상됩니다.

선택된 사용자 중 몇 명이 이벤트를 수행하지 않을 것으로 예상됩니까?

모든 머신러닝 모델은 오류를 일으킵니다. 선택한 사용자 중에서 높은 가능성 점수를 가진 사용자가 실제로 이벤트를 수행하지 않는 경우가 있을 수 있습니다. 이들은 아무런 조치를 취하지 않으면 그 행사를 수행하지 않을 것입니다. 어차피 타겟이 될 것이므로 이는 오류 또는 “위양성”입니다. 이 두 번째 진행률 표시줄의 전체 너비는 이벤트를 수행하지 않을 것으로 예상되는 사용자 수를 나타내며, 채워진 부분은 현재 슬라이더 위치를 사용하여 잘못 타겟팅될 사용자입니다.

이 정보를 사용하여 실제 양성 중 몇 개를 포착할지, 허용할 수 있는 허위 양성의 수, 그리고 비즈니스에 대한 오류의 비용이 무엇인지 결정하시기를 권장합니다. 귀중한 프로모션을 보내는 경우 차트의 왼쪽을 선호하여 비구매자(거짓 양성)만을 대상으로 할 수 있습니다. 또는, 자주 구매하는 구매자(진성 긍정)를 다시 구매하도록 장려하기 위해 차트의 오른쪽을 선호하는 사용자 섹션을 선택할 수 있습니다.

예측 품질

모델의 정확성을 측정하기 위해 예측 품질 추적기술은 이 특정 머신 러닝 모델이 얼마나 효과적인지를 보여줍니다. 이것은 이 예측이 이벤트 수행자와 비이벤트 수행자를 구별하는 데 얼마나 좋은지를 측정하는 것입니다. _예측 품질_이 100이라는 것은 오류 없이 누가 이벤트를 수행할지, 수행하지 않을지를 완벽하게 알고 있다는 것을 의미하며(이것은 절대 일어나지 않습니다!), 0은 무작위로 추측하고 있음을 의미합니다. 예측 품질을 참조하여 추적기술에 대해 자세히 알아보세요.

다양한 범위의 _예측 품질_에 대해 다음을 권장합니다.

예측은 매 2주마다 다시 훈련되며, 예측 품질 측정기준과 함께 업데이트되어 가장 최근의 사용자 행동 패턴에 대한 예측을 최신 상태로 유지합니다. 이 재훈련이 마지막으로 발생한 시점은 예측 목록 페이지와 예측 분석 페이지에 표시됩니다.

예측이 처음 생성될 때, 예측 품질은 구축 예측을 클릭할 때 쿼리되는 과거 데이터에 기반하게 됩니다. 그 후 매 2주마다 예측 점수를 실제 결과와 비교하여 예측 품질을 도출합니다.

이벤트 상관 테이블

이 분석은 예측 오디언스의 이벤트와 상관관계가 있는 사용자 속성 또는 행동을 보여줍니다. 평가된 속성은 나이, 국가, 성별 및 언어입니다. 분석되는 행동에는 세션, 구매, 총 지출 금액, 커스텀 이벤트, 캠페인 및 지난 30일 동안 수신된 캔버스 단계가 포함됩니다.

테이블은 각각 이벤트를 수행할 가능성이 더 높고 낮은 경우를 위해 왼쪽과 오른쪽으로 나뉩니다. 각 행에 대해 왼쪽 열에 있는 행동 또는 속성을 가진 사용자가 이벤트를 수행할 가능성이 더 높거나 낮은 비율이 오른쪽 열에 표시됩니다. 이 숫자는 이 행동이나 속성을 가진 사용자의 가능성 점수를 전체 예측 오디언스의 이벤트 수행 가능성으로 나눈 비율입니다.

이 표는 예측이 다시 훈련될 때만 업데이트되며 사용자 가능성 점수가 업데이트될 때는 업데이트되지 않습니다.

Github   GitHub 에서 이 페이지를 편집합니다.
이 페이지가 얼마나 도움이 되었나요?
New Stuff!