Show Menu
主题×

倾向增益图和提升图

提升图和增益图提供了一些可视化,可用于评估打分模型的潜在绩效,从而评估既定受众群体的绩效。
通过增益图和提升图,您可以非常直观地评估打分模型的潜在绩效。这些图表会评估每一个群体的绩效。
打开提升图或增益图
  1. 选择 Add Visualization > Predictive Analytics > Scoring。
  2. Hover over Model Complete of a saved score.
关于提升图和增益图
提升图和增益图是非常有用的可视化工具,用于测量预测模型的值。这两类图都是由提升曲线(绿色)和基线(粉色)构成。对于​ 增益图 ,提升曲线和基线之间的距离表示您通过使用预测模型可以提升的性能(或“增益”)。通过对潜在对象(客户/访客)进行优先排序和定位,找出最有可能转化的对象,而不是随机对客户/访客开展营销,从而实现增益。通过这种方式,您可以使用预测模型来选择要联系的潜在对象,从而确定预期值。
与增益图类似, 提升图 ​显示与随机联系潜在对象相比,您获得积极响应的几率要大多少。您希望提升曲线和基线之间的距离尽可能大,这表示使用预测模型来联系客户预期可以获得更大的增益。从数学计算方面来讲,增益和提升是按如下情况进行定义:
  • 增益 =(使用预测模型联系潜在对象的预期响应)/(随机联系潜在对象的预期响应)
  • 提升 =(使用预测模型识别的潜在对象特定组大小范围内的预期响应)/(随机识别的同一潜在对象特定组大小范围内的预期响应)
提升图和增益图示例
例如,考虑这一个示例:零售商希望启动电子邮件再营销活动来销售瑜伽裤。以往,分析师会根据过去与此相似的其他电子邮件再营销活动,预计有 20% 的平均响应率。然而,分析师的电子邮件数据库中有近 5 百万客户,而企业仅希望针对最有可能响应电子邮件并购买的客户开展营销。通过这种方式,公司可以最大化营销活动的投资回报率,同时让他们不必向不感兴趣的客户发送电子邮件。按照预期响应率为 20% 考虑,营销人员和分析师预期大约会有 1 百万客户可能响应并购买。分析师并非随机猜测哪些客户属于这 20% 并会做出响应,而是希望能够聪明地预测到其中最有可能做出响应的这 1 百万的潜在对象(数据库中有 5 百万客户)。
使用 Adobe 的“受众评分”功能,分析师将成功定义为潜在对象单击电子邮件并购买瑜伽裤(因变量)。选择自变量(根据从其他分析案例对数据相关性与受众聚类进行分析获得的经验和知识),对每个潜在对象积极响应电子邮件再营销活动(单击电子邮件并购买瑜伽裤)的可能性进行评分。分析师会打开根据预测模型生成的增益图和提升图。
Y 轴显示预期会积极响应的累计百分比。在我们的示例中,预期会有 1 百万的积极响应数。Y 轴上的值为 20%,相当于是 1 百万中有 20% 的预期积极响应数,或 200,000 积极响应数。X 轴显示潜在客户联系的百分比。在我们的示例中,X 轴表示电子邮件数据库的 5 百万客户中的一小部分。基线(粉色)是总体响应率 - 如果您联系 X% 的潜在客户,则将会收到总积极响应的 X%。使用预测模型时,提升曲线(绿色)显示的是通过联系给定百分比潜在对象(X 轴)获得的积极响应百分比(Y 轴)。
提升图绘制的预期提升是使用预测模型的结果,它确定在收到并单击电子邮件以后最有可能购买瑜伽裤的前 1 百万潜在对象。如果没有使用预测模型,则联系 20% 的随机选定的潜在对象,预期会有 20% 的人响应。但是,使用预测模型来确定最有可能响应的前 20% 的潜在对象,预计会有 50% 的人响应。提升曲线中 Y 值为 20% 则为 50/20 = 2.5。提升曲线显示与您联系潜在对象的随机样本相比,您收到响应的可能性要大多少。例如,与不使用任何预测模型相比,根据预测模型联系仅 20% 的潜在对象所获得的响应为前者的 2.5 倍。