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つのインスタンスであり、それが使用するすべてのパラメータとデータです。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。

ブレーズで、Analytics> Predictive Events に移動します。

このページでは、現在アクティブなイベント予測とその基本情報のリストが表示されます。ここでは、名前の変更、アーカイブ、および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、ユーザースコアは更新されません。

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.予測に一意の名前を付けます。関連するメモを保存するための説明を指定することもできます。

3.次の手順に進むには、Forwardをクリックします。

必要に応じて、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、設定を確認することができます。また、一番上のバーでクリックすると、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の指定

ユーザのイベントがブレーズに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、選択したメソッドが、機械学習モデルを作成するためにBraze に十分なデータを提供しているかどうかを確認します。要件が満たされていない場合は、アプリケーションでも使用されている他のロギング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の量で予測を作成できません。このエラーを間違って見ていると思われる場合は、カスタマー・サクセス・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する時間枠です。60日まで設定できます。このウィンドウは、予測をトレーニングする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、ユーザがスコアを受け取った後、尤度スコアは、ユーザがイベントウィンドウで指定された日数内にイベントを実行する可能性を示します。

ステップ 3:予測オーディエンスをフィルタリングする(オプション)

予測対象者は、予測する可能性スコアを持つユーザのグループです。必要に応じて、ユーザーの母集団全体につい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All Users を選択したままにします。

通常、評価するユーザーをいくつかの基準でフィルタリングすると、モデルのパフォーマンスが向上します。これを行うには、自分の予測オーディエンスを定義を選択し、オーディエンスフィルタを選択します。たとえば、” First Used App” filter set to 30 days を選択して、アプリを少なくとも30 日間使用していたユーザーに集中することができます。

予測オーディエンス定義は、機械学習モデルが過去から学習できるように、履歴データのクエリにも使用されます。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。必要なオーディエンスを指定し、最小値を満たさない場合は、より広範なフィルタを指定するか、All Users オプションを使用します。

イベントウィンドウが14日以内の場合、”Last…” like “Last Used App”および”Last Made Purchase” で始まるフィルタの時間枠は、イベントトラッキングで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。たとえば、イベントウィンドウが14日に設定されている場合、”Last…“フィルタの時間枠は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、ブレーズセグメンテーションフィルタのサブセットのみがサポートされています。Full Filter Mode(フルフィルタモード)では、すべてのろう付けフィルターを使用できますが、予測を作成するには1 つのイベントウィンドウが必要です。

たとえば、イベントウィンドウが14 日に設定されている場合、フルフィルタモードでのみサポートされるフィルタを使用すると、ユーザデータの収集と予測の作成に14 日かかります。 また、フルフィルタモードでは、視聴者のサイズに関する一部の見積もりが利用できなくなります。

ステップ 4:アップデートスケジュールを選択する

このページを完了したときに作成された機械学習モデルは、ここで選択したスケジュールで使用され、ユーザがイベントを実行する確率(尤度スコア)の新規スコアを生成します。役立つと思われる更新の最大頻度を選択します。たとえば、購入を予測しており、週次プロモーションを送信する予定の場合は、選択した日時に更新頻度をWeekly に設定します。

ステップ 5: 予測を構築する

指定した詳細が正しいことを確認し、Build Prediction を選択します。また、Save As Draftを選択してこのページに戻り、後でモデルをビルドすることで、ドラフトフォームに変更を保存することもできます。

Build Prediction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、データボリュームに応じて、30 分から数時間かかる場合があります。この予測では、モデル構築プロセスの間、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、ページが自動的に分析ビューに切り替わり、予測と結果の準備ができたことを知らせる電子メールが送信されます。エラーが発生すると、ページは編集モードに戻り、何が間違っていたかが説明されます。

予測は自動的に再構築され(“retrained”)、2 週間 ごとに最新のデータで更新されます。これは、ユーザの尤度スコア(予測の出力)が生成される場合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、手順4で選択した更新頻度によって決まります。

アーカイブ済み予測

アーカイブされた予測では、ユーザースコアの更新が停止します。アーカイブされていないアーカイブされた予測は、事前に設定されたスケジュールでユーザーのスコアを更新し続けます。アーカイブされた予測は削除されず、リストに残ります。