Show Menu
화제×

성향 점수

성향 점수를 사용하면 성공적인 전환 또는 지정된 이벤트 완료 가능성을 기반으로 고객을 정의할 수 있습니다. 프로세스를 실행하거나 캠페인을 감독하기 전에 활동의 잠재적인 효과를 극대화할 수 있습니다.

성향 점수의 가치

성향 점수를 사용하면 데이터 검색을 수행하여 데이터 전체에 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, 비즈니스 대 비즈니스 회사인 경우 리드를 점수로 평가하고 오프라인에서 전환할 가능성을 식별할 수 있는 영업 호출 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 방문자 하위 집합을 정의할 수 있습니다. 필터가 적용되지 않으면 모든 방문자가 점수를 매기도록 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
매개변수 설정 후 을 클릭하여 점수 지정 프로세스를 실행합니다.
재설정
시각화의 모든 설정을 지웁니다.
로드
점수 지정 모델을 변경 및/또는 다시 빌드할 수 있도록 이전에 만든 ScoreDim을 로드합니다.
저장
필요에 따라 액세스 및 열도록 성향 점수 시각화를 dim 파일로 저장합니다.
제출
서버측 처리를 위해 점수 지정 작업을 제출합니다.
옵션
방문자 하위 집합을 제한하도록 교육 필터를 설정합니다. 기본 필터는 를 Train on Everyone ​사용하지만 작업 영역을 선택하거나 필터를 사용하여 필터를 만들어 변경할 수 Filter Editor ​있습니다.
타겟 설정
종속적 변수를 설정합니다.
지표
지표를 독립 변수로 추가합니다.
요소
차원 테이블의 <Ctrl> + <Alt> 키를 사용하여 차원 요소를 드래그합니다.
참고 항목 :
  • 게인 및 리프트 차트 . 이러한 보기는 전체 점수 모델 또는 Add Visualization> Predictive Analytics > Scoring.
  • 모델 뷰어입니다 . 이러한 보기는 전체 점수 모델 또는 Add Visualization> Predictive Analytics > Scoring.
  • 복잡한 필터 설명 기능

성향 점수 시각화 사용

  • 하나 이상의 필터를 정의하여 점수를 ​위한 방문자 인구를 정의합니다. 이 선택 사항을 Training Filter 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 모집단에 유용합니다.
  • 긍정적인 방문자 ​식별 종속 변수를 정의하여 원하는 결과와 일치하는 긍정적인 방문자를 식별하는 대상 필터를 지정합니다. 이것은 매출액 > $10 또는 훨씬 더 복잡한 필터만큼 간단할 수 있습니다.
  • 타겟 필터는 교육 필터와 ​같을 수 없습니다. 논리적으로, 타겟 필터는 교육 필터에 추가되어야 하므로, 방문자 인구의 긍정적인 하위 세트가 점수를 받습니다.
  • 관심 변수(독립 변수)를 성향 점수 알고리즘에 ​대한 입력으로 선택합니다. 지표 또는 차원의 개별 요소일 수 있습니다. 성향 점수 지정은 방문자 클러스터링에서처럼 사전 처리를 시작합니다 . 시스템은 이전에 설정한 교육 필터의 정의와 일치하는 일정 양의 샘플을 캡처하기 시작합니다(있는 경우). 현재, 샘플 크기는 최소 20,000명 및 최대 100,000명으로 채점 인구의 10%로 설정되며 채점 모집단 크기로 바인딩됩니다.
  • 점수 차원에는 Target 변수와 일치하는 방문자의 가능성을 결정하는 0%에서 100% 사이의 요소가 있습니다.