異常値検出

異常値検出は、統計的なモデリングを使用して、データ内の予期しないトレンドを自動的に見つけます。モデルによって指標を分析し、値の下限、上限、予想される範囲を決定します。予期しないスパイクまたは下落が発生した場合にレポートします。

調査できる異常値の例を次に示します。

  • 平均注文額の急激な下落
  • 売上の低い注文の急増
  • トライアル登録の急増または下落
  • ランディングページ表示の下落
  • ビデオのバッファーイベントの下落
  • ビデオの低ビットレートの下落
メモ

異常値検出は、「日」の精度を選択した場合にのみ利用できます。

異常値検出の指標

異常値検出により、選択する各指標に次のような新しい指標が追加されます。

要素 説明
下限

予測区間の下限の水準。この水準よりも下の値は異常と見なされます。

値がこの水準を上回る信頼度は 95 %です。

期待値

データ分析に基づいて予測される値。この値は、下限と上限の中間点でもあります。

上限

予測区間の上限の水準。この水準よりも上の値は異常と見なされます。

値がこの水準を下回る信頼度は 95 %です。

Report Builder では、選択した指標にこれらの値が適用されます。例えば、ページビュー数の指標を選択して異常値検出を適用した場合、Page Views Lower Bound​という指標が使用されます。

異常値検出の計算方法

異常値検出では、1 日あたりの予測区間データの計算、学習およびレポート作成のために、トレーニング期間が使用されます。このトレーニング期間は、通常状態と異常状態を識別し、学習したことをレポート期間に適用するための履歴的な期間です。マーケティングレポートでは、30 日、60 日および 90 日のトレーニング期間を利用できます。Report Builder では、30 日を利用できます。

トレーニング期間は、選択したレポート期間と同一でない場合もあります。レポートグラフには、カレンダーで指定した日付範囲の期間が表示されます。

データを計算するために、各指標の日次合計がトレーニング期間と比較されます。そのために、次のアルゴリズムが使用されます。

  • ホルトウィンタース乗法(三重指数平滑法)
  • ホルトウィンタース加法(三重指数平滑法)
  • ホルトウィンタース補正(二重指数平滑法)

各アルゴリズムは、誤差の二乗和(SSE)が最小になるアルゴリズムを決定するために適用されます。次に、平均絶対誤差率(MAPE)および現在の標準誤差が計算され、モデルが統計的に妥当であることが確認されます。

これらのアルゴリズムは、将来の期間における指標の予測を表示するように拡張できます。

トレーニング期間はレポート期間の開始時点によって異なるので、同じ日付に対してレポートされたデータでも、それらが含まれる期間が異なれば、差が生じる可能性があります。

例えば、1 月 1 日から 14 日までのレポートを実行し、次に 1 月 7 日から 21 日までのレポートを実行した場合、この 2 種類のレポートの 1 月 7 日から 14 日までの同じ指標について、異なる予測データが表示される場合があります。これは、トレーニング期間の違いによります。

レポート期間 トレーニング期間
1 月 1 日から 14 日まで 11 月 27 日から 12 月 31 日まで
1 月 7 日から 21 日まで 12 月 4 日から 1 月 6 日まで

このページ

Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now