문제 해결

예측 이탈(및 모든 머신 러닝 모델)은 모델에 사용할 수 있는 데이터만큼만 정확합니다. 또한 작업할 데이터의 양이 어느 정도인지에 따라 크게 달라집니다.

잠재적 오류

훈련할 데이터가 충분하지 않음

이 오류 메시지는 이탈 정의가 너무 제한적이어서 이탈 사용자가 너무 적게 반환될 때 나타납니다.

이 문제를 해결하려면 고객이탈을 정의하는 일수 및/또는 작업을 변경하여 더 많은 사용자를 확보해야 합니다. 지나치게 제한적인 정의를 만들지 않도록 AND/OR 필터를 올바르게 사용하고 있는지 확인하세요.

예측 오디언스 규모 문제

모델을 학습시킬 사용 유형을 미세 조정하기 위해 예측 오디언스를 구축할 때 예측 오디언스의 사용자 수가 너무 적다는 메시지가 표시될 수 있습니다:

“예측을 안정적으로 구축하기에는 과거 비 이탈자 수가 충분하지 않음”

!과거 이탈자 31명(요구 사항 충족) 및 과거 비이탈자 0명(최소값 미만)을 보여주는 예측 데이터 요구 사항. 경고 메시지는 예측을 구축할 수 있는 이탈자가 충분하지 않음을 나타냅니다.

예측 오디언스 정의가 너무 엄격하면 작업할 수 있는 과거 및 활성 사용자 풀이 충분하지 않을 수 있습니다. 이 문제를 해결하려면 이 정의에 사용된 일수 및 속성 유형을 변경하거나 고객이탈을 정의하는 작업을 변경하거나 둘 다 변경해야 합니다.

정의를 변경한 후에도 예측 오디언스에 문제가 계속 발생한다면 이 선택적 기능을 지원하기에는 사용자 수가 너무 적을 수 있습니다. 대신 추가 레이어와 필터 없이 예측을 구축하는 것이 좋습니다.

예측 오디언스 규모가 너무 큼

예측 오디언스 정의는 1억 명의 사용자를 초과할 수 없습니다. 오디언스가 너무 많다는 메시지가 표시되면 오디언스에 레이어를 더 추가하거나 기준이 되는 기간을 변경하는 것이 좋습니다.

예측 품질이 좋지 않음

! 모델의 예측 품질이 40% 이상이라면 좋은 위치에 있는 것입니다! 그러나 예측 품질이 39% 이하로 떨어지면 고객이탈 및 예측 오디언스 정의를 더 구체적으로 편집하거나 다른 시간대를 사용해야 할 수 있습니다.

예측 정의를 구축하는 동안 오디언스 규모 요건을 모두 충족하고 40% 이상의 예측 품질을 달성하지 못했다면, Braze로 전송된 데이터가 이 사용 사례에 적합하지 않거나 모델을 구축할 사용자가 충분하지 않거나 제품 수명 주기가 현재 60일 룩백 윈도우가 지원하는 것보다 길다는 의미일 가능성이 높습니다.

데이터 고려 사항

다음은 예측 이탈을 설정할 때 스스로에게 물어볼 질문입니다. 머신 러닝 모델은 학습하는 데이터만큼만 우수하므로 데이터 위생 관행을 잘 지키고 모델에 무엇이 들어가는지 이해하면 큰 차이를 만들 수 있습니다.

• 리텐션과 로열티로 이어지는 고가치 행동은 무엇일까요?
• 이러한 특정 액션에 다시 매핑되는 커스텀 이벤트를 설정했나요? 예측 이탈은 커스텀 속성이 아닌 커스텀 이벤트와 함께 작동합니다.
• 고객이탈을 정의할 시간적 범위로 생각하고 계신가요? 고객이탈을 최대 60일 이내에 발생하는 것으로 정의할 수 있습니다.
• 휴일과 같이 비정형적인 사용자 행동이 발생하는 시기를 고려해 보셨나요? 소비자 행동의 급격한 변화는 예측에 영향을 미칩니다.