이벤트 예측 생성
예측은 학습된 머신 러닝 모델의 한 인스턴스와 그 모델이 사용하는 모든 매개변수 및 데이터입니다. Predictive Events에 대해 자세히 알아보려면 Predictive Events 개요를 참조하세요.
Braze에서 Analytics > Predictive Events로 이동합니다.
이 페이지에서는 현재 활성 상태인 이벤트 예측 목록과 기본 정보를 확인할 수 있습니다. 여기에서 예측의 이름을 변경하고, 아카이브하고, 새 예측을 생성할 수 있습니다. 아카이브된 예측은 비활성 상태이며 사용자 점수를 업데이트하지 않습니다.
1단계: 새 예측 생성
- Create Prediction을 선택하고 새 Event Prediction을 선택합니다.
동시에 활성화할 수 있는 예측은 5개로 제한됩니다. Predictive Events를 구매하기 전에는 활성 미리보기 예측이 1개로 제한됩니다. 미리보기 예측은 예측의 결과를 기반으로 점수를 정기적으로 업데이트하거나 사용자를 타겟팅하지 않습니다. 자세한 내용은 계정 매니저에게 문의하세요.
- 예측에 고유한 이름을 지정하세요. 설명을 입력하여 관련 메모를 저장할 수도 있습니다.
- Forward를 클릭하여 다음 단계로 이동합니다.
선택적으로 지금 구축을 클릭하여 모든 기본 설정을 사용하고 마지막 생성 단계로 건너뛸 수 있습니다. 빌드 프로세스를 시작하기 전에 설정을 검토할 수 있습니다. 또한 상단 바에서 해당 단계를 클릭하여 나중에 원하는 단계로 돌아갈 수 있습니다.
2단계: 이벤트 추적 지정
사용자의 이벤트가 Braze에 구매 이벤트, 커스텀 이벤트 또는 주문 완료 이벤트 중 어떤 형태로 저장되는지 지정합니다.
여기에서 선택한 방법이 Braze가 머신 러닝 모델을 생성하기에 충분한 데이터를 제공하는지 확인할 수 있습니다. 요구 사항이 충족되지 않으면 애플리케이션에서 사용하는 다른 로깅 방법을 선택해 보세요. 안타깝게도 그렇지 않은 경우, Braze는 사용 가능한 데이터의 양으로 예측을 생성할 수 없습니다. 이 오류가 잘못 표시되고 있다고 생각되면 고객 성공 매니저에게 문의하세요.
이벤트 기간
이벤트 기간은 사용자가 이벤트를 수행할지 여부를 예측하려는 시간 프레임입니다. 최대 60일까지 설정할 수 있습니다. 이 기간은 예측 학습을 위해 과거 데이터를 쿼리하는 데 사용됩니다. 또한 예측이 생성되고 사용자가 점수를 받은 후, 가능성 점수는 사용자가 이벤트 기간에 지정된 일수 내에 이벤트를 수행할 가능성이 얼마나 되는지를 나타냅니다.
3단계: 예측 오디언스 필터링(선택 사항)
예측 오디언스는 가능성 점수를 예측하려는 사용자 그룹입니다. 원하는 경우 전체 사용자 집단에 대해 예측을 실행할 수 있습니다. 이렇게 하려면 기본 옵션인 모든 사용자를 선택한 상태로 둡니다.
사용 사례에 따라 모델을 평가할 사용자를 지정하기 위해 필터를 사용할 수 있습니다. 이렇게 하려면 나만의 예측 오디언스 정의를 선택하고 오디언스 필터를 선택합니다. 예를 들어 30일로 설정된 “First Used App” 필터를 선택하여 30일 이상 앱을 사용한 사용자에 초점을 맞출 수 있습니다. 이 오디언스를 설정하면 Braze에 모델이 실행될 때 앱을 최소 30일 이상 사용한 사용자로부터 학습하도록 지시하는 것입니다.
활성 사용자, 신규 사용자, 고가치 사용자 또는 특정 국가의 사용자와 같이 사용 사례와 관련된 사용자 특성에 필터를 집중하세요. 사용자가 예측하려는 이벤트를 이미 수행했는지 여부로 예측 오디언스를 필터링하지 마세요. 예측 오디언스는 모델이 학습할 대상을 정의하며, 이벤트 결과 자체가 아닙니다. 모델은 이벤트를 완료한 사용자와 완료하지 않은 사용자 모두를 관찰해야 미래 이벤트 완료 가능성을 정확하게 학습하고 예측할 수 있습니다.
예측 오디언스는 머신 러닝 모델이 과거로부터 학습하기 위해 살펴보는 사용자 그룹을 정의합니다. Braze는 예측 오디언스의 예상 크기를 보여줍니다. 원하는 오디언스를 지정했지만 모델을 실행하기 위한 최소 요구 사항을 충족하지 못하면 더 넓은 필터를 지정하거나 모든 사용자 옵션을 사용해 보세요. 많은 사용 사례에서는 특정 예측 오디언스를 선택할 필요가 없다는 점을 기억하세요. 예를 들어, 고객이탈 가능성이 가장 높은 EU 지역의 사용자를 타겟팅하는 것이 사용 사례라면, 모든 사용자에 대해 모델을 실행한 다음 Campaign의 Segment에 EU 지역 필터를 포함할 수 있습니다.
예측 오디언스는 1억 명의 사용자를 초과할 수 없습니다.
이벤트 기간이 14일 이하인 경우, “Last Used App” 및 “Last placed an order”와 같이 “Last…“로 시작하는 필터의 기간은 이벤트 추적에 지정된 이벤트 기간을 초과할 수 없습니다. 예를 들어 이벤트 기간이 14일로 설정된 경우 “Last…” 필터의 기간은 14일을 초과할 수 없습니다.
전체 필터 모드
새로운 예측을 즉시 구축하기 위해 Braze 세분화 필터의 하위 집합만 지원됩니다. 전체 필터 모드에서는 모든 Braze 필터를 사용할 수 있지만 예측을 구축하려면 하나의 이벤트 기간이 필요합니다.
예를 들어 이벤트 기간을 14일로 설정하면 전체 필터 모드에서만 지원되는 필터를 사용할 때 사용자 데이터를 수집하고 예측을 구축하는 데 14일이 걸립니다. 또한 전체 필터 모드에서는 오디언스 규모에 대한 일부 추정치를 사용할 수 없습니다.
4단계: 업데이트 스케줄 선택
머신 러닝 모델은 사용자에 대한 이벤트 발생 가능성 점수를 생성하며, 이 점수는 여기에서 선택한 스케줄에 따라 업데이트됩니다. 이벤트 발생 가능성 점수를 기반으로 사용자를 타겟팅할 수 있습니다.
유용하다고 생각되는 최대 업데이트 빈도를 선택합니다. 예를 들어, 주문을 예측하고 주간 프로모션을 보낼 계획이라면, 원하는 날짜와 시간에 Weekly로 업데이트 빈도를 설정하세요.
미리보기 및 데모 예측은 사용자의 가능성 점수를 업데이트하지 않습니다.
5단계: 예측 구축
입력한 세부 정보가 정확한지 확인한 후 Build Prediction을 선택합니다. 임시저장을 선택하여 변경 사항을 초안 형태로 저장하고 이 페이지로 돌아와 나중에 모델을 빌드할 수도 있습니다.
Build Prediction을 클릭하면 모델을 생성하는 프로세스가 시작됩니다. 데이터 양에 따라 30분에서 몇 시간 정도 소요될 수 있습니다. 이 예측의 경우 모델 구축 프로세스 기간 동안 학습이 진행 중임을 설명하는 페이지가 표시됩니다. Braze 모델은 커스텀 이벤트, 구매 이벤트, eCommerce 이벤트, Campaign 상호작용 이벤트 및 세션 데이터를 고려합니다.
완료되면 페이지가 자동으로 분석 보기로 전환되고 예측 및 결과가 준비되었음을 알리는 이메일이 전송됩니다. 오류가 발생하면 페이지가 편집 모드로 돌아가면서 무엇이 잘못되었는지에 대한 설명이 표시됩니다.
예측은 2주마다 자동으로 재구축(“재학습”)되어 사용 가능한 최신 데이터로 업데이트됩니다. 이 과정은 예측의 결과물인 사용자의 가능성 점수가 생성되는 과정과는 별개의 프로세스입니다. 후자는 4단계에서 선택한 업데이트 빈도에 따라 결정됩니다.
아카이브된 예측
아카이브된 예측은 사용자 점수 업데이트가 중지됩니다. 아카이브가 해제된 예측은 미리 정해진 스케줄에 따라 사용자 점수를 계속 업데이트합니다. 아카이브된 예측은 삭제되지 않고 목록에 남아 있습니다.