トラブルシューティング

解約予測（および任意の機械学習モデル）は、モデルに利用可能なデータと同じくらい優れています。また、作業するための特定のデータ量に大きく依存します。

潜在的なエラー

トレーニングするデータが不十分です

このエラーメッセージは、チャーンの定義が厳しすぎて、チャーンしたユーザーが少なすぎる場合に表示されます。

これを修正するには、チャーンを定義する日数および/またはアクションの数を変更して、より多くのユーザーをキャプチャする必要があります。フィルターAND/ORを正しく使用して、過度に制限的な定義を作成しないようにしてください。

予測対象ユーザー数の問題

予測対象ユーザーを構築して、モデルをトレーニングする対象を微調整する際に、予測対象ユーザーのユーザー数が少なすぎることを通知するメッセージが表示されることがあります。

過去7日間に選択された予測対象ユーザーから利用可能な過去の解約者が十分でないため、予測を確実に構築することができません。

予測対象ユーザーの定義が厳しすぎると、過去および現在のユーザーのプールが十分に大きくない可能性があります。これを修正するには、定義で使用される日数と属性の種類を変更するか、解約を定義するアクションを切り替えるか、またはその両方を行う必要があります。

予測対象ユーザーが定義を変更しても問題であり続ける場合、このオプション機能をサポートするユーザーが少なすぎる可能性があります。追加のレイヤーやフィルターなしで予測を構築してみることをお勧めします。

予測対象ユーザーサイズが大きすぎます

予測対象ユーザー定義は1億ユーザーを超えることはできません。オーディエンスが大きすぎるというメッセージが表示された場合は、オーディエンスにレイヤーを追加するか、それが基づいている時間枠を変更することをお勧めします。

予測は質が悪い

あなたのモデルの予測品質が40％以上であれば、素晴らしい状態にあります！ただし、予測の質が39％以下に低下した場合は、解約および予測対象ユーザーの定義をより具体的にするか、異なる時間枠を設定する必要があるかもしれません。

予測定義を構築する際にオーディエンスサイズの要件を満たし、予測精度が40％を超えることができない場合、Brazeに送信されたデータがこのユースケースに適していないか、モデルを構築するためのユーザーが十分でないか、製品ライフサイクルが現在の60日間の振り返りウィンドウをサポートするよりも長いことを意味します。

データの考慮事項

次の質問は、解約予測を設定する際に自問するべき質問です。機械学習モデルは、それらを訓練するデータと同じくらい優れているだけなので、良いデータ衛生習慣を持ち、モデルに何が入るかを理解することが大きな違いを生むでしょう。

• 高価値アクションはリテンションとロイヤルティにつながりますか？
• これらの特定のアクションにマップされるカスタムイベントを設定しましたか？解約予測はカスタム属性ではなくカスタムイベントで動作します。
• 時間枠の中で解約を定義することを考えていますか？チャーンは最大60日以内に発生するものとして定義できます。
• 年中行事など、通常とは異なるユーザー行動を引き起こす時期を考慮したことがありますか？消費者行動の急速な変化は、あなたの予測に影響を与えるでしょう。