Show Menu
THEMEN×

Tendenzzuwachs- und Steigerungsdiagramme

Die Steigerungs- und Gewinn-Diagramme bieten Visualisierungen zur Bewertung der potenziellen Leistung eines bewerteten Modells, um die Leistung über definierte Teile der Zielgruppe zu bewerten.
Gewinn- und Steigerungsdiagramme sind Visualisierungen, die zur Bewertung der potenziellen Leistung des bewerteten Modells erstellt wurden. Diese Diagramme bewerten die Leistung für jeden Teil der Bevölkerung.
So öffnen Sie ein Lift- oder Gewinn-Diagramm
  1. Auswählen Add Visualization > Predictive Analytics > Scoring .
  2. Bewegen Sie den Mauszeiger über Model Complete eine gespeicherte Punktzahl.
Informationen zu Steigerungs- und Gewinndiagrammen
Die Lift- und Gewinn-Diagramme sind nützliche visuelle Werkzeuge zur Messung des Werts eines Vorhersagemodells. Beide Diagramme bestehen aus einer Steigerungskurve (grün) und einer Grundlinie (rosa). Für das Gewinn-Diagramm stellt der Abstand zwischen der Steigerungskurve und der Grundlinie dar, wie stark Sie die Leistung der Antworten (oder den "Gewinn") verbessern können, wenn Sie den Vorhersagemodus verwenden. Der Gewinn wird durch Priorisierung und Targeting der Interessenten (Kunden/Besucher) realisiert, die am ehesten umrechnen, anstatt durch Marketing zufällig zu Kunden/Besuchern zu gelangen. Auf diese Weise können Sie den erwarteten Wert der Verwendung des Vorhersagemodells quantifizieren, um auszuwählen, welche Perspektiven kontaktiert werden sollen.
Ähnlich wie beim Gewinn-Diagramm zeigt das Lift-Diagramm , wie viel wahrscheinlicher positive Antworten sind, als wenn Sie zufällig mit Interessenten Kontakt aufnahmen. Sie möchten, dass der Abstand zwischen der Steigerungskurve und der Grundlinie so groß wie möglich ist, was höhere erwartete Gewinne durch die Verwendung des Prognosemodells zur Kontaktaufnahme mit Kunden darstellt. Mathematisch sind die Gewinn- und Steigerungsdiagramme wie folgt definiert:
  • Gewinn = (Erwartete Antwort mit dem Prädiktivmodell für Kontaktaussichten) / (Erwartete Antwort von zufällig Kontaktierenden Aussichten)
  • Steigerung = (Erwartete Reaktion unter einer bestimmten, mit dem Prognosemodell identifizierten Gruppengröße) / (Erwartete Reaktion unter der gleichen spezifischen Gruppengröße der zufällig ermittelten Aussichten)
Beispiel für Lift- und Gewinn-Diagramme
Betrachten Sie zum Beispiel das Beispiel eines Einzelhändlers, der eine E-Mail-Remarketing-Kampagne starten möchte, um Yoga-Hosen zu verkaufen. Historisch betrachtet erwartet der Analyst eine durchschnittliche Antwortquote von 20 Prozent basierend auf früheren E-Mail-Remarketing-Kampagnen, die dieser ähneln. Während der Analyst fast 5 Millionen Kunden in seiner E-Mail-Datenbank hat, möchte das Unternehmen nur diejenigen Kunden auf den Markt bringen, die mit der größten Wahrscheinlichkeit auf die E-Mail und den Kauf reagieren. Auf diese Weise wird das Unternehmen den ROI der Kampagne maximieren und gleichzeitig sicherstellen, dass es nicht unnötig E-Mails an uninteressierte Kunden sendet. Bei einer erwarteten Antwortquote von 20 Prozent erwarten Marketingexperten und Analytiker, dass ungefähr 1 Million Kunden wahrscheinlich reagieren und kaufen. Anstatt zufällig zu erraten, welche dieser Kunden zu den 20 Prozent Antworten gehören werden, möchte der Analysten schlau sein, um vorherzusagen, welche der 1 Million Aussichten (von der Datenbank mit 5 Millionen Kunden) am ehesten reagieren.
Mithilfe der Audience Scoring-Funktion von Adobe definiert der Analyst den Erfolg als potenzielle Klicks auf eine E-Mail und kauft Yoga-Hots (die abhängige Variable). Nach Auswahl der unabhängigen Variablen (basierend auf Erfahrungen und Kenntnissen, die bei der Analyse von Datenkorrelationen und Zielgruppenzusammenführung unter anderen Analysen gewonnen wurden) wird jede Aussicht auf eine positive Reaktion auf die E-Mail-Remarketing-Kampagne bewertet (Klick auf die E-Mail und Kauf von Yoga-Hots). Der Analyst öffnet die resultierenden Gewinn- und Steigerungsdiagramme basierend auf dem Vorhersagemodell.
Die Y-Achse zeigt den Prozentsatz der kumulativen erwarteten positiven Antworten. In unserem Beispiel erwarten wir insgesamt 1 Million positive Antworten. Ein Wert von 20 % auf der Y-Achse entspricht 20 % der erwarteten positiven Reaktionen von 1 Million bzw. 200 000 positiven Antworten. Die X-Achse zeigt den Prozentsatz der potenziellen Kunden an, die kontaktiert wurden. In unserem Beispiel stellt die X-Achse einen Bruchteil der 5 Millionen Kunden in der E-Mail-Datenbank dar. Die Baseline (Pink) ist die Gesamtansprechrate - wenn Sie X% der Interessenten kontaktieren, erhalten Sie X% der insgesamt positiven Antworten. Anhand des Vorhersagemodells zeigt die Steigerungskurve (grün) den Prozentsatz der positiven Reaktionen an, die erzielt werden (y-Achse), indem ein bestimmter Prozentsatz der Perspektiven (x-Achse) kontaktiert wird.
Das Lift-Diagramm zeigt die erwartete Steigerung an, die sich aus der Verwendung des Vorhersagemodells ergibt, um die Top-Million-Perspektiven zu ermitteln, die am ehesten Yoga-Hosen kaufen, nachdem sie die E-Mail erhalten und auf sie geklickt haben. Für die Kontaktaufnahme mit 20 Prozent der zufällig ausgewählten Interessenten ohne Prognosemodell sollten Sie mit 20 Prozent der Befragten rechnen. Wenn Sie jedoch das Vorhersagemodell verwenden, um die 20 Prozent der wahrscheinlichsten Aussichten zu ermitteln, erhalten Sie 50 Prozent der Antwortenden. Der y-Wert der Steigerungskurve bei 20 Prozent ist 50/20 = 2,5. Das Lift-Diagramm zeigt an, wie viel wahrscheinlicher die Befragten sind, als wenn Sie eine zufällige Stichprobe von Interessenten kontaktieren. Wenn Sie z.B. nur 20 Prozent der Aussichten auf Basis des Vorhersagemodells kontaktieren, erreichen Sie 2,5 Mal so viele Befragte, als dass Sie kein Vorhersagemodell verwendet haben.