Consulteu la precisió i el rendiment dels models de puntuació predictiva

Saber la precisió d'un model de puntuació predictiva us ajuda a decidir si el model està llest per al seu ús o s'ha d'ajustar per a una major precisió. També us ajuda a convèncer el vostre equip de lideratge i els venedors perquè adoptin el model per millorar els resultats empresarials.

Les mètriques descrites en aquest article s'apliquen tant a la puntuació d'oportunitats com a la puntuació de clients potencials.

Factors que influeixen en la precisió

Un model predictiu de puntuació calcula la probabilitat que una oportunitat o un client potencial tingui com a resultat una venda. La precisió del model depèn dels factors següents:

• La qualitat i la quantitat de les dades disponibles per a l'entrenament del model
• El flux del procés empresarial i els filtres que seleccioneu
• Les etapes i els atributs que seleccioneu, si el model utilitza el modelatge per etapa

El model s'entrena utilitzant el 80% de les oportunitats tancades o clients potencials del conjunt de dades de formació. Es valida utilitzant el 20% restant com a conjunt de dades de prova, que consta dels registres més recents. La precisió del model es calcula utilitzant el conjunt de dades de prova validat en funció de paràmetres com ara veritables positius, falsos positius, etc.

Consulteu les mètriques de precisió i rendiment

1. Aneu a l'àrea Canvia a l'extrem inferior esquerre de l'aplicació Sales Hub i seleccioneu Configuració de Sales Insights.

2. Al mapa del lloc, a Models predictius, seleccioneu Puntuació d'oportunitats o Puntuació de clients potencials.

3. A la llista Selecciona el model , seleccioneu un model.

4. Seleccioneu la pestanya Rendiment .

La pestanya Rendiment mostra les mètriques següents. Si no veieu cap mètrica a la pestanya Rendiment , editeu i torneu a entrenar un model de puntuació d'oportunitat.

• Rendiment del model: especifica si el model està preparat per publicar-se en funció dels paràmetres següents:

  • Precisió: amb quina freqüència el model va fer prediccions correctes, ja siguin positives o negatives. Aquesta mètrica és més útil quan el conjunt de dades està equilibrat i el cost dels falsos positius i dels falsos negatius és el mateix. La puntuació de precisió es calcula mitjançant la fórmula següent:

    Precisió = (TP + TN) / (Nombre total d'oportunitats o clients potencials anotats) *100

  • Recorda: amb quina freqüència el model va predir un resultat positiu correctament en comparació amb els positius reals. Una puntuació de record baixa significa que el model prediu menys positius veritables. La puntuació de record es calcula mitjançant la fórmula següent:

    Recorda = TP / (TP + FN) *100

  • Percentatge de conversions: el percentatge d'oportunitats o clients potencials qualificats o guanyats segons dades històriques, o la probabilitat que una oportunitat o un client potencial es converteixin. El model utilitza aquest valor per determinar com influirà un atribut en la puntuació predictiva. El percentatge de conversió es calcula mitjançant la fórmula següent:

    Percentatge de conversió = (TP + FN) / (Nombre total d'oportunitats o clients potencials anotats) *100

• Matriu de confusió: el vostre model va predir els resultats quan es va provar amb dades històriques. La matriu mostra el nombre de veritables positius, veritables negatius, falsos positius i falsos negatius.

  Mètrica	predit	Real
  Positiu cert (TP)	Sí	Sí
  Negatiu cert (TN)	No	No
  Fals positiu (FP)	Sí	No
  Fals negatiu (FN)	No	Sí

• Àrea sota la corba: la puntuació de l'àrea sota la corba (AUC) del model. La puntuació AUC determina la probabilitat que un model classifiqui una instància positiva escollida aleatòriament (una oportunitat guanyada o una oportunitat qualificada) més alta que una negativa escollida aleatòriament (una oportunitat perduda o una oportunitat desqualificada). Un model amb un AUC més alt és millor per predir veritables positius i veritables negatius.

• Puntuació F1: la puntuació F1 es calcula en funció de la precisió i les puntuacions de record del model. La puntuació F1 determina la qualitat del model fins i tot quan les dades estan desequilibrades.

• Llindar: el llindar en què es considera qualificat o guanyat l'oportunitat o l'oportunitat. Per exemple, si el llindar és 45, les oportunitats amb una puntuació superior a 45 es preveuen com a guanyades. El llindar es selecciona per optimitzar la puntuació F1.

Exemple: mètriques de rendiment del model

Vegem els resultats de la predicció d'un conjunt de dades de mostra de 1.000 oportunitats:

Dades	Nombre d'oportunitats
Veritable positiu	650
Positiu fals	200
Veritable negatiu	100
Fals negatiu	50

El model va predir que es guanyarien 850 oportunitats (TP + FP); tanmateix, només es van guanyar 650 oportunitats (TP). De la mateixa manera, el model va predir que es perdrien 150 oportunitats (TN + FN), però només es van perdre 100 oportunitats (TN).

La taula següent mostra les mètriques de les dades.

Mètrica	Puntuació
Precisió	(650 + 100) / 1.000 = 75%
Recupera	650 / (650 + 50) = 92%
Taxa de conversió	(650 + 50) / 1.000 = 70%

Milloreu el rendiment del model

Si el vostre model no està preparat per publicar-se o no funciona bé, proveu els passos següents per millorar-ne les puntuacions.

• Revisa els atributs que utilitza.
• Consulteu les estadístiques d'atributs per entendre la seva influència en la predicció global del model.
• Ignoreu els valors buits per als atributs que tenen un percentatge més alt de valors buits i que poden estar contribuint a falsos positius o falsos negatius.
• Inclou camps intel·ligents per ajudar un model de puntuació de clients potencials a distingir entre els factors que milloren o perjudiquen la puntuació.
• Ús modelatge per etapa en un model de puntuació d'oportunitat per triar els atributs per aplicar a cada etapa del procés de negoci.
• Refina els criteris de filtre, el període de temps per a les dades d'entrenament o altres configuracions del model. Per exemple, si heu triat dos anys com a període de temps per a les dades d'entrenament i hi ha massa registres de prova o incorrectes durant aquest període, trieu un període de temps més curt, com ara sis mesos o un any, quan la qualitat de les vostres dades sigui millor.

No trobeu la funció a la vostra aplicació?

Hi ha algunes possibilitats:

• No teniu la llicència necessària per utilitzar aquesta funció. Consulteu la taula de comparació i la guia de llicències per veure quines funcions estan disponibles amb la vostra llicència.
• No teniu la funció de seguretat necessària per utilitzar aquesta característica.
  • Per configurar o configurar una característica, heu de tenir les funcions d'administració i personalització
  • Per utilitzar les funcions relacionades amb les vendes, heu de tenir les funcions de vendes principals
  • Algunes tasques requereixen funcions funcionals específiques.
• L'administrador no ha activat la funció.
• La vostra organització està utilitzant una aplicació personalitzada. Consulteu a l'administrador els passos exactes. Els passos que es descriuen en aquest article són específics de les aplicacions Centre de vendes i Sales Professional.

Informació relacionada

Prioritzar els clients potencials a través de puntuacions
Configura la puntuació predictiva de clients potencials
Configura la puntuació predictiva d'oportunitats