傾向のゲインチャートとリフトチャート

リフトチャートとゲインチャートで提供されるビジュアライゼーションでは、スコアリング対象モデルの潜在的なパフォーマンスを評価して、定義された一部のオーディエンスに対するパフォーマンスを評価できます。

ゲインチャートとリフトチャートは、スコアリング対象モデルの潜在的なパフォーマンスを評価するために構築されたビジュアライゼーションです。これらのチャートは、母集団の各部分に対するパフォーマンスを評価します。

リフトチャートまたはゲインチャートを開くには

  1. Add Visualization > Predictive Analytics > Scoring を選択します。
  2. 保存されたスコアの​Model Complete​の上にカーソルを置きます。

リフトチャートとゲインチャートについて

リフトチャートとゲインチャートは、予測モデルの値を測定するのに便利なビジュアルツールです。どちらのチャートも、リフト曲線(緑色)とベースライン(ピンク色)で構成されています。ゲインチャート​の場合、リフト曲線とベースラインの距離は、予測モードを使用した場合に反応に対するパフォーマンスをどのくらい向上させることができるか(「ゲイン」)を表します。ゲインは、顧客/訪問者にランダムに売り込むのではなく、コンバージョンできる可能性が最も高い見込み客(顧客/訪問者)に優先順位を付け、ターゲットに設定することで実現されます。このようにして、予測モデルを使用した場合の期待値を定量化することで、連絡する見込み客を選択できます。

ゲインチャートと同様に、リフトチャート​では、見込み客にランダムに連絡した場合よりもポジティブな反応が得られる可能性がどれくらいあるかが表示されます。リフト曲線とベースラインの距離は、できるだけ離れているのが望ましいです。その方が、予測モデルを使用して顧客に連絡した場合に予測されるゲインが大きいことを表します。数学的には、ゲインチャートとリフトチャートは次のように定義されています。

  • ゲイン =(予測モデルを使用して見込み客に連絡した場合に予測される反応)/(見込み客にランダムに連絡した場合に予測される反応)
  • リフト =(予測モデルを使用して特定された見込み客の特定のグループサイズにおいて予測される反応)/(ランダムに特定された見込み客の同じ特定のグループサイズにおいて予測される反応)

リフトチャートとゲインチャートの例

例えば、ヨガパンツを売り込む電子メールリマーケティングキャンペーンを開始したい小売店の例について考えてみましょう。アナリストは、これまでの経験から、過去の同様の電子メールリマーケティングキャンペーンに基づいて、20%の平均反応率を予測しています。同社の電子メールデータベースには約 500 万人の顧客が登録されていますが、この電子メールに反応して購入する可能性が最も高い顧客にのみ売り込みたいと考えています。このように、興味を示さない顧客に電子メールを不必要に送信しないようにして、キャンペーンの ROI を最大化します。反応率は 20%と予測されるので、マーケティング担当者とアナリストは、約 1 万人の顧客が反応して購入する可能性があると期待しています。アナリストは、20%の反応に該当する顧客をランダムに推測するよりも、(500 万人の顧客データベースの中から)反応する可能性が最も高い 100 万人の見込み客をスマートに予測したいと考えました。

そこで、アドビのオーディエンススコアリング機能を使用して、見込み客が電子メールをクリックし、ヨガパンツを購入した場合を成功と定義します(従属変数)。(他の分析におけるデータの相関関係とオーディエンスクラスタリングを分析して得られた知識と経験に基づいて)独立変数を選択した後、電子メールリマーケティングキャンペーンにポジティブに反応する(電子メールをクリックして、ヨガパンツを購入する)可能性に基づいてスコアを各見込み客に割り当てます。予測モデルに基づいて作成されたゲインチャートとリフトチャートを開きます。

y 軸は、累積された予想されるポジティブな反応の割合を示しています。この例では、合計 100 万人のポジティブな反応を予想しています。y 軸の 20%という値は、予想される 100 万人のポジティブな反応の 20%(200,000 人のポジティブな反応)に対応しています。x 軸は、連絡する見込み客の割合を示しています。この例では、x 軸は電子メールデータベース内の 500 万人の顧客の一部を表しています。ベースライン(ピンク色)は、全体の反応率です。X%の見込み客に連絡すると、合計 X%のポジティブな反応が得られます。リフト曲線(緑色)は、予測モデルを使用した場合に、特定の割合の見込み客(x 軸)に連絡することで得られるポジティブな反応の割合(y 軸)を示しています。

リフトチャートには、予測モデルを使用して、電子メールを受信してクリックした後にヨガパンツを購入する可能性が高い上位 100 万人の見込み客を決定した結果として予測されるリフトがプロットされます。予測モデルを使用しないでランダムに選択した 20%の見込み客に連絡した場合は、20%の顧客が反応することが予測されます。しかし、予測モデルを使用して反応する可能性が高い上位 20%の見込み客を特定した場合は、50%の顧客が反応することが予測されます。リフト曲線の y 値が 20%の場合は、50/20 = 2.5 となります。リフトチャートは、ランダムに選択した見込み客に連絡した場合よりも、反応が得られる可能性がどれくらい高いかを示しています。例えば、予測モデルに基づいて 20%の見込み客にだけ連絡した場合は、予測モデルをまったく使用しない場合と比べて、反応する顧客が 2.5 倍増加します。

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