성향 점수

성향 점수를 사용하면 성공적인 전환이나 지정된 이벤트 완료 가능성을 기반으로 고객을 정의할 수 있습니다. 프로세스를 실행하거나 캠페인을 감독하기 전에 노력의 잠재적 영향을 최대화할 수 있습니다.

성향 점수의 가치

성향 점수를 통해 데이터 검색을 수행하여 데이터 전체에 존재하는 숨겨진 행동 또는 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, 비즈니스-비즈니스 회사인 경우 리드를 점수로 평가하고 오프라인으로 전환할 가능성을 식별할 수 있는 판매 콜 리드가 있을 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 선택적인 Training Filter 기능을 사용하여 점수를 매길 방문자의 하위 집합을 정의할 수 있습니다. 필터가 적용되지 않으면 모든 방문자가 점수 지정을 위해 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 를 클릭하여 채점 프로세스를 실행합니다.
재설정 시각화의 모든 설정을 지웁니다.
로드 채점 모델을 변경 및/또는 다시 작성할 수 있도록 이전에 만든 ScoreDim을 로드합니다.
저장 필요에 따라 액세스 및 열도록 성향 점수 시각화를 흐림 파일로 저장합니다.
제출 서버측 처리를 위해 점수 지정 작업을 제출합니다.
옵션 방문자 하위 집합을 제한하도록 교육 필터를 설정합니다. 기본 필터는 Train on Everyone​이지만 작업 영역을 선택하거나 Filter Editor​를 사용하여 필터를 작성하여 변경할 수 있습니다.
Target 설정 종속적 변수를 설정합니다.
지표 지표를 독립 변수로 추가합니다.
요소 Dimension 테이블의 <Ctrl> + <Alt> 키를 사용하여 Dimension 요소를 드래그합니다.

참조 항목:

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

성향 점수 시각화 사용

  • 하나 이상의 필터를 정의하여 점수를 매길 방문자 인구를 정의합니다. 이 선택 사항 Training Filter​을 사용하면 선택한 기준을 기반으로 방문자를 타게팅할 수 있습니다. 교육 필터가 적용되지 않으면 모든 방문자가 점수 지정을 위해 타깃팅됩니다. 교육 필터가 설정되면 각 방문자에게 여전히 점수가 부여되지만 점수 지정 결과는 정의된 방문자 모집단에게 의미가 있습니다.

  • 긍정적인 방문자 식별 종속 변수를 정의하여 원하는 결과와 일치하는 긍정적인 방문자를 식별하는 타겟 필터를 지정합니다. 매출액 > $10만큼 간단하거나 보다 복잡한 필터를 만들 수 있습니다.

  • Target 필터는 교육 필터와 같을 수 없습니다. 논리적으로 Target 필터는 교육 필터에 추가되어야 하므로 긍정적인 방문자 인구의 하위 세트가 점수를 받습니다.

  • 관심 변수(독립 변수)를 성향 점수 알고리즘에 대한 입력으로 선택합니다. 지표 또는 Dimension의 개별 요소가 될 수 있습니다. 성향 점수 지정은 방문자 클러스터링에서와 마찬가지로 사전 처리를 시작합니다. 시스템은 이전에 설정한 교육 필터의 정의와 일치하는 일정 양의 샘플(있는 경우)을 캡처하기 시작합니다. 현재 샘플 크기는 최소 20,000과 최대 100,000으로 채점 인구의 10%로 설정되며 채점 인구의 크기에 구속됩니다.

  • 점수 Dimension에는 Target 변수와 일치하는 방문자의 가능성을 결정하는 0%에서 100%까지의 요소가 있습니다.

이 페이지에서는

Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
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