Einrichten der Tendenzauswertung

Führen Sie die folgenden Schritte aus, um die Propensity-Scoring-Visualisierung zu verwenden.

  1. Öffnen Sie eine neue Arbeitsfläche und klicken Sie auf Add > Visualization > Predictive Analytics > Scoring > Propensity Score.

  2. Legen Sie die Variable Target (die abhängige Variable) fest.

    Legen Sie die abhängige Variable wie folgt fest:

  • Dimensionen: Klicken Sie mit der rechten Maustaste in den Arbeitsbereich und wählen Sie Table. Wählen Sie dann die Elemente einer Dimension als abhängige Variable aus.

    OR

  • Filter Editor. Klicken Sie auf Add > Visualization > Filter Editor, um die Visualisierung des Filter-Editors zu öffnen.

    Nachdem Sie ein Dimension- oder Filterelement als abhängige Variable ausgewählt haben, klicken Sie auf Set Target und geben Sie einen Namen ein, um die abhängige Variable zu beschreiben. Klicken Sie dann auf OK (und stellen Sie sicher, dass das Filterfeld markiert ist), um die Zielgruppe festzulegen.

    Der Name, den Sie der Zielgruppe geben, ist die abhängige Variable, die im linken Bereich angezeigt wird.

  1. hinzufügen unabhängige Variablen.

    hinzufügen Sie die unabhängigen Variablen mithilfe von Metriken oder Dimensionen.

  • Metriken. Wählen Sie in der Werkzeugleiste Tendenzauswertung eine Metrik aus dem Menü Metrics.

  • Dimensionen: Klicken Sie mit der rechten Maustaste in den Arbeitsbereich und wählen Sie Table. Wählen Sie ein oder mehrere Dimensionen aus und ziehen Sie mit den Tasten <Ctrl> + <Alt> in die linke Spalte unter Independent Variables oder in das Feld Element.

  1. Legen Sie Training Filter. Sie können den Satz von Besuchern definieren, die Sie bewerten möchten, indem Sie in der Werkzeugleiste Tendenzauswertung auf Options > Set Training Filter klicken. Dies stellt eine Teilmenge der Daten bereit, die ausschließlich mit den Besuchern erstellt wurden, die Sie bewerten möchten. Beispielsweise Besucher, die im letzten Monat einen Besuch abstatteten, Besucher mit Wohnsitz in Australien oder Besucher, die bestimmte Produkte angesehen haben.

    Der Standardfilter ist Train on Everyone. Sie können ihn jedoch ändern, indem Sie Dimension Elements in einer Tabelle aktivieren oder einen Filter mit Filter Editor erstellen.

    Nachdem Sie ein Filterelement ausgewählt oder einen Dimension erstellt haben, klicken Sie bei Aktivierung auf Optionen > Einen Schulungsfilter festlegen, geben Sie einen Filternamen ein und klicken Sie dann auf OK.

  2. Nachdem Sie alle Eingaben identifiziert haben, drücken Sie die Taste Go.

    Der Bewertungsvorgang beginnt mit der mehrfachen Übergabe der Daten. Die Ergebnisse werden dann als Balkendiagramm über einer Prozentzeile angezeigt.

  3. Propensity-Score speichern.

    Ab 6.1 haben Sie jetzt eine Option, wenn Sie die Tendenzauswertung speichern verwenden:

  • Dimension

  • Dimension und Metrik

    Sie können am Ende zwei gespeicherte Dateien haben, sowohl eine Dimension als auch eine definierte Metrik.

    HINWEIS

    Wenn Sie die Tendenzbewertung zur Verarbeitung senden, erhalten Sie nur eine Dimension.

    Die abgeleitete Metrik ist die zugehörige Metrik für das durchschnittliche Ergebnis.

  1. Überprüfen Sie die Genauigkeit.

    Das System zeigt Model Complete an und generiert ein Bewertungsmodell, wenn der Prozess abgeschlossen ist.

    Wenn Sie mit der rechten Maustaste auf Model Complete klicken, wird die Genauigkeit des vom System definierten Bewertungsmodells identifiziert. Werte von 0 bis 100 Prozent geben die Wahrscheinlichkeit an, dass die Besucher mit der Variablen Target übereinstimmen.

    Die Verwechslungsmatrix gibt vier Werte aus der Kombination von "Aktiv Positiv (AP)", "Aktiv Negativ (AN)", "Vorhersage Positiv (PP)"und "Vorhersage Negativ"(PN). Diese Zahlen erhalten Sie, indem Sie das Ergebnisbewertungsmodell auf die 20 % zurückbehaltenen Testdaten anwenden, von denen wir die richtige Antwort kennen. Wenn der Wert größer als 50 % ist, wird er als positiver Fall vorhergesagt (passend zum definierten Ereignis).

Genauigkeit Gibt an, wie genau das Modell ist, indem die korrekten Vorhersagen für alle Vorhersagen identifiziert werden.

(TP + TN)/(TP + FP + TN + FN)

Abruf Identifiziert die Fähigkeit, das Bewertungsmodell erneut zu identifizieren.

TP / (TP + FN)

Präzision Identifiziert den Grad der Diskrepanz.

TP / (TP + FP)

  1. Öffnen Sie ein Lift- oder Gewinn-Diagramm oder den Modell-Viewer.

    Klicken Sie mit der rechten Maustaste auf die Visualisierung Modell abschließen und wählen Sie Lift Chart, Gain Chart oder Model Viewer.

Auf dieser Seite