> For the complete documentation index, see [llms.txt](https://manual.dxable.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://manual.dxable.com/optimizely/platform/optimizely-data-platform/company-overview-products-and-reports/manage-predicted-time-until-next-order-report.md).
# 次回注文レポートまでの予測時間の管理
次の注文までの予測時間レポートからの洞察により、注文までの日数と注文可能性コホートをターゲットにし、購入タイムラインの加速に向けてリソースをチャネルすることができます。
### レポートのデータ
レポートの出力は、過去 180 日間を調べて次の 42 日 (6 週間) を予測する 2 つの異なるモデル化属性、**注文可能性**と**次の注文までの日数**を組み合わせたものです。各モデルはデータ ソースに合わせてカスタム構築され、毎月再トレーニングされ、新しい予測が毎晩実行されます。
レポートの背後にあるデータ サイエンスとモデリングについて詳しくは、このガイドを参照してください。
### データを探索する
次の 4 つの方法で注文可能性レポートを調整および探索します。
1. 注文までの予測時間を日から週の間で変更します。
2. 尤度のしきい値を選択または選択解除します。
3. グラフのセクションを選択または選択解除します。
4. 期間を選択または選択解除します。
追加のインサイトと顧客のサンプルは、選択内容に合わせて更新されます。
### 行動を起こす
次の 2 つの場所でレポートのデータを活用します。
#### **レポート内で直接**
レポート エクスプローラーでデータを操作した後、表示された基準に一致するセグメントを作成します。 「セグメントとして保存」をクリックして、セグメントに名前を付けて作成します。キャンペーン ビルダーにリダイレクトされ、セグメントの使用をすぐに開始できます。
#### **セグメントビルダー内**
\[顧客] > \[セグメント] で:
特定のセグメントを表示できます。
\[注文可能性] 属性と \[次の注文までの日数] 属性を使用して、セグメント ビルダーのレポートから情報を見つけることができます。
#### **例**
注文可能性の一般的な用途は次のとおりです。
購入する可能性が高い顧客コホートの収益を加速します。
* 閲覧放棄やカート放棄などの他の常時実施の収益促進キャンペーンとグループ化し、サイトで積極的に買い物をしていない顧客を購入する可能性が非常に高いまたは可能性が高いキャンペーンを配信することを検討してください。
既存のすぐに購入できる顧客に似た新規顧客を見つけます。
* 購入する可能性が非常に高い顧客のセグメントを Google または Facebook に同期して、似ているがブランドをまだ検討していない新しい顧客を見つけます。