성향 점수

성향 점수를 통해 성공적인 전환 또는 지정된 이벤트가 완료될 가능성에 따라 고객을 정의할 수 있습니다. 프로세스를 실행하거나 캠페인을 감독하기 전에 작업의 잠재적 영향을 최대화할 수 있습니다.

성향 점수의 가치

성향 점수를 통해 데이터 검색을 수행하여 데이터에 걸쳐 존재하는 숨겨진 행동이나 패턴을 식별할 수 있습니다. 특히, 성향 점수는 단순 세그멘테이션이나 필터링보다 더 집중되고 객관적인 수단을 사용하여 유사한 고객 클러스터를 식별하는 데 도움이 됩니다. 또한, 성향 점수를 통해 가치가 높은 고객의 행동을 식별할 수 있는 예측 능력을 갖출 수 있습니다.

가치가 높은 대상을 식별하게 되면 최대의 효과를 위해 해당 고객들과 참여할 수 있습니다. 예를 들어, Business to Business를 사용하는 경우 가망 고객 판매 전화를 실시하여 리드를 평가하고 오프라인 전환 가능성을 식별할 수 있습니다. 모든 리드는 비용 증가를 수반하므로 매출 전환 가능성이 가장 큰 잠재고객을 식별하는 인센티브를 만드는 것이 가장 효과적이며 리소스에 집중할 수 있는 가장 저비용의 방법입니다.

성향 점수를 통해 특정 점수의 예측이나 이벤트 발생 가능성을 높이는 요인을 식별할 수 있지만, 다음과 같은 특정 질문에도 적용할 수 있습니다. 고객이 전환될 것인가? 고객이 이메일 반응할 것인가? 고객이 재구매할 것인가? 성향 점수를 통해 이러한 질문에 답할 수 있으며 설정 및 평가할 수 있는 행동에 대한 의향을 가진 고객을 식별할 수 있습니다.

또한 필터를 사용하여 선택적 Training Filter 기능을 사용하여 채점할 방문자의 하위 집합을 정의할 수 있습니다. 필터가 적용되지 않으면 모든 방문자가 점수를 기준으로 타깃팅됩니다.

성향 점수 시각화 기능

성향 점수 시각화를 열려면 Add > Visualization > Predictive Analytics > Scoring > Propensity Score 를 클릭합니다.

성향 점수 시각화에는 도구 모음에서 액세스할 수 있는 다음 기능이 포함됩니다.

도구 모음 기능 설명
이동 매개변수를 설정한 후 점수부여 프로세스를 실행하려면 을 누릅니다.
재설정 시각화에서 모든 설정을 지웁니다.
로드 점수부여 모델을 변경 및/또는 다시 빌드할 수 있도록 이전에 생성한 ScoreDim을 로드합니다.
저장 필요에 따라 액세스하고 열 치수 파일로 성향 점수 시각화를 저장합니다.
제출 서버측 처리를 위한 점수 작업을 제출합니다.
옵션 방문자 하위 집합을 제한하려면 교육 필터를 설정합니다. 기본 필터는 Train on Everyone​이지만 작업 공간을 선택하거나 Filter Editor​을(를) 사용하여 필터를 빌드하여 변경할 수 있습니다.
Target 설정 종속 변수를 설정합니다.
지표 지표를 독립 변수로 추가합니다.
요소 Dimension 테이블에서 <Ctrl> + <Alt> 키를 사용하여 Dimension 요소를 드래그합니다.

​도 참조하십시오.

  • 이득 및 리프트 차트. 이러한 보기는 전체 점수 모델 또는 Add Visualization> Predictive Analytics > Scoring.에서 열 수 있습니다.
  • 모델 뷰어입니다. 이러한 보기는 전체 점수 모델 또는 Add Visualization> Predictive Analytics > Scoring.에서 열 수 있습니다.
  • 복잡한 필터 설명 기능입니다.

성향 점수 시각화 사용

  • 점수를 매길 방문자 모집단을 정의하려면 필터를 한 개 이상 정의합니다. 이 선택 사항 Training Filter​을 사용하면 선택한 기준에 따라 방문자를 타깃팅할 수 있습니다. 교육 필터가 적용되지 않으면 모든 방문자가 점수를 기준으로 타깃팅됩니다. 교육 필터가 설정된 경우 각 방문자에게는 여전히 점수가 부여되지만 정의된 방문자 모집단에 점수 결과는 의미가 있습니다.

  • 긍정적인 방문자를 식별합니다. 종속 변수를 정의하여 원하는 결과와 일치하는 긍정적인 방문자를 식별하는 타겟 필터를 지정하려면 수입 > $10 만큼 간단하거나 훨씬 복잡한 필터를 만들 수 있습니다.

  • Target 필터는 교육 필터와 같을 수 없습니다. 논리적으로, Target 필터는 교육 필터에 추가되어야 하므로 방문자 모집단 중 양의 하위 집합에 점수가 매겨집니다.

  • 관심 영역 변수(독립 변수)를 성향 점수 알고리즘에 대한 입력으로 선택합니다. Dimension의 지표 또는 개별 요소일 수 있습니다. 성향 점수는 방문자 클러스터링에서와 마찬가지로 사전 처리를 시작합니다. 시스템은 이전에 설정된 교육 필터의 정의에 해당하는 일정 양의 샘플(있는 경우)을 캡처하기 시작합니다. 현재, 샘플 크기는 최소 20,000과 최대 100,000의 점수 모집단(교육 필터에 정의됨)의 10%로 설정되며 점수 모집단 크기에 바인딩됩니다.

  • 점수 Dimension에는 방문자가 Target 변수와 일치할 가능성을 결정하는 0%에서 100% 사이의 요소가 있습니다.

이 페이지에서는