異常偵測

異常偵測使用統計模型來自動尋找資料中的意外趨勢。此模型會分析量度並決定上下界限和值的預期範圍。當發生意外的尖峰或下降時，系統會在報表中警報。

您可能會調查的異常例子包括：

• 訂單平均值大幅下降
• 低收入訂單發生尖峰
• 試用版註冊發生尖峰或下降
• 登陸頁面檢視次數下降
• 視訊緩衝事件的尖峰
• 低視訊位元率的尖峰

異常偵測度量

異常偵測對您選取的每個度量新增度量值，包括：

Report Builder 將這些值套用至所選取度量。例如，若您選取「頁面檢視」度量並套用異常偵測，則​Page Views Lower Bound​度量已使用。

如何計算異常偵測

異常偵測每日於培訓期間計算、學習並報告預測區間。培訓期間指的是，在歷史期間確認正常與異常，並套用已學習的至報表期間。在行銷報表中，30 天、60 天或 90 天的培訓期間皆適用。在 Report Builder 中，可使用 30 天。

培訓期間不一定會跟所選取報表期間一樣。報表圖表顯示日曆中您指定的日期範圍。

計算資料就是將每一度量的單日總量與培訓期間相比，使用下列的演算法：

• Holt Winters 乘法模型 (三重指數平滑)
• Holt Winters 加法模型 (三重指數平滑)
• Holts 趨勢修正 (雙重指數平滑)

套用每一個演算法決定最小誤差平方和 (SSE) 演算法。接著計算平均絕對百分差及現有標準差，確保模型為統計上有效。

可延伸這些演算法以提供未來期間度量的預測預報。

培訓期間會依報表期間何時開始而不同，您可能會在同一個日期資料看到差異，因為報表是來自兩個不同的期間。

例如，若您執行 1 月 1 日至 14 日的報表，接著執行 1 月 7 日至 21 日的報表。在兩份報告中，同樣是 1 月 7 日至 14 日的度量，您有可能看到不同的預測資料。這是因為培訓期間不同而產生的結果。