イベント予測の作成

予測は、訓練された機械学習モデルの1つのインスタンスと、それが使用するすべてのパラメーターおよびデータです。予測イベントの詳細については、予測イベントの概要を参照してください。

Brazeで、分析 > 予測イベントに移動します。

このページでは、現在のアクティブなイベント予測のリストとそれらに関する基本情報が表示されます。ここでは、名前の変更、アーカイブ、新しい予測の作成ができます。アーカイブされた予測は非アクティブであり、ユーザーのスコアを更新しません。

ステップ 1:新しい予測を作成する

1. 予測の作成を選択し、新しいイベント予測を選択します。

2.予測にユニークな名前を付けてください。説明を提供して、関連するメモを保存することもできます。

3.次へをクリックして次のステップに進みます。

オプションとして、Build Nowをクリックして、すべてのデフォルト設定を使用し、作成の最後のステップにスキップすることができます。ビルドプロセスを開始する前に設定を確認する機会があります。また、上部バーの任意のステップをクリックすることで、後で任意のステップに戻ることができます。

ステップ 2:イベントトラッキング{#event-tracking}を指定する

Braze にユーザーのイベントが 購入イベント または カスタムイベント として保存されているかどうかを指定します。

ここでは、選択した方法がBrazeに機械学習モデルを作成するのに十分なデータを提供するかどうかを確認します。要件が満たされない場合、アプリケーションで使用されている他のログ記録方法を選択してみてください。残念ながら、そうでない場合、Brazeは利用可能なデータ量で予測を作成することができません。このエラーが誤って表示されていると思われる場合は、顧客成功マネージャーに連絡してください。

イベントウィンドウ

イベントウィンドウは、ユーザーがイベントを実行するかどうかを予測したい時間枠です。60日まで設定できます。このウィンドウは、予測のトレーニングのために履歴データを照会するために使用されます。さらに、予測が作成され、ユーザーがスコアを受け取ると、確率スコアは、イベントウィンドウで指定された日数内にユーザーがイベントを実行する可能性を示します。

ステップ 3:フィルター予測対象ユーザー（オプション）{#audience}

予測対象ユーザーは、予測したい可能性スコアを持つユーザーのグループです。必要に応じて、ユーザー全体に対して予測を実行できます。これを行うには、デフォルトのオプションすべてのユーザーを選択したままにします。

モデルは通常、いくつかの基準で評価したいユーザーをフィルターすると、より良いパフォーマンスを発揮します。そのためには、独自の予測対象ユーザーを定義するを選択し、オーディエンスフィルターを選択します。例えば、「最初に使用したアプリ」フィルターを30日に設定することで、少なくとも30日間アプリを使用しているユーザーに焦点を当てることができます。

予測対象ユーザー定義は、機械学習モデルが過去から学習できるように、履歴データをクエリするためにも使用されます。前のページと同様に、これらのフィルターによって提供されるデータの量が要件とともに表示されます。希望するオーディエンスを指定し、最小限に達しない場合は、より広いフィルターを指定するか、すべてのユーザーオプションを使用してください。

イベントウィンドウが14日以内の場合、「最後に使用したアプリ」や「最後に購入した」など「最後に…」で始まるフィルターの時間ウィンドウは、指定されたイベントウィンドウを超えることはできませんイベントトラッキング。例えば、イベントウィンドウが14日に設定されている場合、「最後の…」フィルターの時間ウィンドウは14日を超えることはできません。

フルフィルターモード

新しい予測をすぐに構築するために、Brazeのセグメンテーションフィルターのサブセットのみがサポートされています。フルフィルターモードを使用すると、すべてのBrazeフィルターを使用できますが、予測を構築するには1つのイベントウィンドウが必要です。

例えば、イベントウィンドウが14日に設定されている場合、ユーザーデータを収集し、フルフィルターモードでのみサポートされているフィルターを使用して予測を構築するのに14日かかります。 さらに、オーディエンスの規模に関するいくつかの推定値は、フルフィルターモードでは利用できません。

ステップ 4:更新スケジュールを選択

このページを完了すると作成される機械学習モデルは、ここで選択したスケジュールで使用され、ユーザーがイベントを実行する確率（可能性スコア）の新しいスコアを生成します。更新の最大頻度を選択してください。例えば、購入を予測していて毎週のプロモーションを送る予定がある場合、更新頻度を毎週に設定し、希望する日と時間に設定してください。

ステップ 5: ビルド予測

詳細が正しいことを確認し、予測の構築を選択してください。変更を下書き形式で保存するには、下書きとして保存を選択してこのページに戻り、後でモデルを構築することができます。

予測の構築をクリックすると、モデルを生成するプロセスが開始されます。これにはデータ量に応じて30分から数時間かかる可能性があります。この予測のために、モデル構築プロセスの期間中、トレーニングが進行中であることを説明するページが表示されます。

完了すると、ページは自動的に分析ビューに切り替わり、予測と結果が準備できたことを知らせるメールが届きます。エラーが発生した場合、何が問題だったのかの説明とともにページは編集モードに戻ります。

予測は、利用可能な最新のデータに基づいて更新を維持するために、2週間ごとに自動的に再構築（「再訓練」）されます。ユーザーの可能性スコア、予測の出力が生成されるときとは別のプロセスであることに注意してください。後者は、ステップ4で選択した更新頻度によって決定されます。

アーカイブされた予測

アーカイブされた予測はユーザーのスコアの更新を停止します。アーカイブされた予測がアーカイブ解除されると、ユーザーのスコアは所定のスケジュールに従って更新され続けます。アーカイブされた予測は削除されることはなく、リストに残ります。