注文の可能性と次の注文までの日数レポートフィルターの理解

Optimizelyマニュアル｜ディープニューラル ネットワークを使用して、顧客の注文の可能性とタイミングに関するOptimizelyの予測モデルを探索します。

次の注文までの予測時間レポートは、注文の可能性と次の注文までの日数という 2 つの異なるモデル化された属性を組み合わせたものです。モデルは過去 180 日間を調べて、次の 42 日間 (6 週間) を予測します。 Optimizely Data Platform (ODP) は、データ ソースに合わせてカスタムの各モデルを構築し、毎月再トレーニングし、毎晩新しい予測を実行します。

レポートの使用方法については、こちらをご覧ください。

モデル入力

モデルには次の情報が必要です。

• 過去 180 日間に収集された各顧客のイベント

• これまでのお客様からの収益

• 顧客の注文頻度

• 顧客の平均注文額

モデルがどのように予測するか

予測には、クライアント独自の離散データ イベントでトレーニングされたディープシーケンシャル ニューラル ネットワークが使用されます。このモデルは、正規化や一貫した入力への再分類を試みることなく、製品ファインダーやフィット ウィザードなどの顧客独自のイベントを含む、入力ごとの未知の数と種類のイベントを、発生した期間に応じて考慮できます。このモデルは、購入していないユーザーの匿名データにも機能します。

モデルがどのように評価されるか

プラットフォームは、実際のイベントと比較する予測を行うモデルを作成するときに、データの別のサンプルを保持します。

このモデルは、リコールと呼ばれる基準に合わせて最適化され、コンバージョンの可能性が高い全員を見つけます。購入する可能性がある人のコンバージョン率は、購入する可能性が低い人の 40 倍です。 「購入する可能性が非常に高いユーザー」のコンバージョン率は、購入する可能性が低いユーザーのコンバージョン率の 100 倍 (またはそれ以上) に達する可能性があります。

モデルのしきい値

モデルの品質はアカウントごとに異なりますが、「非常に可能性が高い」カテゴリーの顧客は非常に高い率でコンバージョンすると予想され、次に「非常に可能性が高い」、「可能性が高い」が続きます。再現率が最適化されると、モデルは可能性によって顧客をランク付けし、7 番目に分けます。最初の 7 番目は「非常に可能性が高い」です。次の 7 分の 2 は「非常に可能性が高い」です。そして最後の 7 分の 4 は「Likely」です。他のすべての顧客は購入する可能性が「低い」とみなされます。

データサイエンティスト向け

詳細な技術情報は次のとおりです。

• 通常、尤度分類器の AUC は 0.9 より大きくなります。

• 目標は将来を予測するだけでなく、メッセージを送信する強力な候補者を特定するのを支援することであるため、このモデルは高い再現率と低い精度を持つように偏っています。

• 「コンバージョンまでの日数」指標の平均平均誤差は約 13 日ですが、強い意図のシグナルがある場合、またはコンバージョンの可能性が近い場合には、より正確になります。