예외 항목 탐지 anomaly-detection
이상 현상 발견 기능에서는 통계적 모델링 방법을 사용하여 데이터에서 예상치 않은 트렌드를 자동으로 찾습니다. 이 모델은 지표를 분석하고 값의 하한, 상한 및 예상치 않은 범위를 파악합니다. 예상치 않은 급등이나 하락이 발생하면 보고서에 경고가 표시됩니다.
조사할 수 있는 이상 현상의 예에는 다음 내용이 포함됩니다.
- 평균 주문 가격의 급격한 하락
- 매출액이 낮은 주문의 급등
- 체험판 등록 급등 또는 하락
- 랜딩 페이지 보기 수의 하락
- 비디오 버퍼 이벤트의 스파이크
- 낮은 비디오 비트율의 스파이크
예외 항목 탐지 지표
예외 항목 탐지는 다음을 포함하여 사용자가 선택하는 각 지표에 대한 새로운 지표 값을 추가합니다.
예측 간격의 하한 수준. 이 수준보다 낮은 값은 예외 항목으로 간주됩니다.
값이 이 수준보다 높게 되는 95% 신뢰도를 나타냅니다.
예측 간격의 상한 수준. 이 수준보다 높은 값은 예외 항목으로 간주됩니다.
값이 이 수준보다 낮게 되는 95% 신뢰도를 나타냅니다.
Report Builder가 이러한 값을 선택된 지표에 적용합니다. 예를 들어 페이지 보기 횟수 지표를 선택하고 예외 항목 탐지를 선택하면 Page Views Lower Bound 지표가 사용됩니다.
예외 항목 탐지가 계산되는 방법
예외 항목 탐지는 교육 기간을 사용하여 일별 예측 간격 데이터를 계산하고 파악하여 보고합니다. 교육 기간은 정상인 항목과 예외인 항목을 식별하고, 보고 기간까지 파악한 내용을 적용하는 내역 기간입니다. 마케팅 보고에서는 30, 60, 90의 교육 기간을 사용할 수 있습니다. Report Builder에서 30일 동안 사용할 수 있습니다.
교육 기간이 선택된 보고 기간과 반드시 같아야 하는 것은 아닙니다. 보고서 그래프는 달력에서 지정하는 날짜 범위 기간을 표시합니다.
데이터를 계산하기 위해 각 지표의 일별 총계가 다음과 같은 각 알고리즘을 사용하여 교육 기간과 비교됩니다.
- 홀트 윈터스 승법(삼중 지수 평활법)
- 홀트 윈터스 가법(삼중 지수 평활법)
- 홀트 트렌드 수정법(이중 지수 평활법)
각 알고리즘을 적용하여 SSE(오차 제곱 합계)가 가장 낮은 알고리즘을 결정합니다. 그런 다음 MAPE(평균 절대 백분율 오차) 및 현재 표준 오차를 계산하여 모델이 통계적으로 유효한지 확인합니다.
이러한 알고리즘을 확장하여 향후 기간에 지표의 예상 예측을 제공할 수 있습니다.
교육 기간은 보고 기간 시작에 따라 다르므로 두 가지 다른 기간의 일부로 동일한 날짜에 대해 보고된 데이터에서 차이점이 있을 수 있습니다.
예를 들어 1월 1일-4일에 보고서를 실행한 다음 1월 7일-21일에 보고서를 실행하는 경우, 두 가지 다른 보고서에서 1월 7일-14일 간에 동일한 지표에 대해 서로 다른 예측 데이터가 표시될 수 있습니다. 교육 기간의 차이로 인한 결과입니다.