문제 해결
Predictive Churn(및 모든 머신 러닝 모델)은 모델에 제공되는 데이터의 품질에 좌우됩니다. 또한 일정 규모 이상의 데이터가 있어야 제대로 작동합니다.
잠재적 오류
훈련에 충분한 데이터가 없음
이 오류 메시지는 고객이탈 정의가 너무 제한적이어서 이탈 사용자가 너무 적게 반환될 때 나타납니다.
이 문제를 해결하려면 고객이탈을 정의하는 일수 또는 동작을 변경하여 더 많은 사용자를 포착해야 합니다. AND/OR 필터를 올바르게 사용하여 지나치게 제한적인 정의를 만들지 않도록 하세요.
Predictive Churn이 회사 수준에서 활성화되어 있더라도 일부 워크스페이스에는 예측을 구축할 충분한 사용자가 없을 수 있습니다. 일반적으로, 단일 워크스페이스에서 300,000명의 월간 활성 사용자가 필요합니다.
예측 오디언스 크기 문제
모델을 훈련시키고자 하는 사용 유형을 미세 조정하기 위해 예측 오디언스를 구축할 때, 예측 오디언스에 사용자가 너무 적다는 메시지를 받을 수 있습니다:
“신뢰할 수 있는 예측을 구축하기 위한 과거 비이탈 고객이 충분하지 않습니다.”
예측 오디언스 정의가 너무 엄격하면, 작업할 수 있는 충분한 수의 과거 및 활성 사용자가 없을 수 있습니다. 이 문제를 해결하려면 이 정의에 사용된 일수와 속성 유형을 변경하거나, 고객이탈을 정의하는 동작을 변경하거나, 둘 다 변경해야 합니다.
정의를 변경한 후에도 예측 오디언스가 계속 문제가 된다면, 이 선택적 기능을 지원하기에 사용자가 너무 적을 수 있습니다. 대신 추가 레이어와 필터 없이 예측을 구축해 보시기 바랍니다.
예측 오디언스 크기가 너무 큼
예측 오디언스 정의는 1억 명의 사용자를 초과할 수 없습니다. 오디언스가 너무 크다는 메시지가 표시되면, 오디언스에 더 많은 레이어를 추가하거나 기준이 되는 시간 기간을 변경하는 것을 권장합니다.
예측 품질이 좋지 않음
모델의 예측 품질이 40% 이상이면 좋은 결과입니다! 하지만 예측 품질이 39% 이하로 떨어지면, 고객이탈 및 예측 오디언스 정의를 보다 구체적으로 수정하거나 다른 시간 기간을 설정해야 할 수 있습니다.
예측 정의를 구축하면서 오디언스 크기 요구 사항을 충족하는 동시에 40% 이상의 예측 품질을 달성할 수 없다면, 이는 Braze로 전송되는 데이터가 이 사용 사례에 적합하지 않거나, 모델을 구축할 사용자가 충분하지 않거나, 제품 수명 주기가 현재의 60일 조회 기간보다 길다는 것을 의미할 수 있습니다.
데이터 고려 사항
다음은 Predictive Churn을 설정할 때 스스로에게 물어볼 질문입니다. 머신 러닝 모델은 훈련 데이터의 품질에 좌우되므로, 좋은 데이터 위생 관행을 갖추고 모델에 입력되는 내용을 이해하는 것이 큰 차이를 만듭니다.
- 어떤 고가치 동작이 유지 및 로열티로 이어지나요?
- 이러한 특정 동작에 매핑되는 커스텀 이벤트를 설정했나요? Predictive Churn은 커스텀 속성이 아닌 커스텀 이벤트와 함께 작동합니다.
- 고객이탈을 정의할 시간 기간을 고려하고 있나요? 고객이탈은 최대 60일 이내에 발생하는 것으로 정의할 수 있습니다.
- 연휴와 같이 비정상적인 사용자 동작을 유발하는 시기를 고려해 보셨나요? 소비자 동작의 급격한 변화는 예측에 영향을 미칩니다.