Ennustemallin yleiskatsaus

  • Artikkeli

AI Builderin ennustemallit analysoivat historiallisten tietojen kaavoja. Ennustemallit oppivat yhdistämään nämä kaavat tuloksiin. Tämän jälkeen tunnistamme tekoälyn avulla opittuja kaavoja uusista tiedoista ja ennustamme tulevia tuloksia.

Voit ennustemallin avulla tutkia liiketoimintakysymyksiä, joihin voi vastata seuraavilla tavoilla:

  • Kahdesta käytettävissä vaihtoehdosta (binaarinen).
  • Useista mahdollisista tuloksista.
  • Kun vastaus on numero.

Binaarinen ennuste

Binaarinen ennuste on se, että kysytyllä kysymyksellä on kaksi mahdollista vastausta. Esimerkiksi: kyllä/ei, tosi/epätosi, ajoissa/myöhään, mene/ei-mene ja niin edelleen. Esimerkkejä binaarisia ennusteita käyttävistä kysymyksistä:

  • Täyttääkö hakija jäsenyyden vaatimukset?
  • Liittyykö tähän tapahtumaan todennäköisesti petos?
  • Onko asiakas hyvä ehdokas markkinointikampanjaa varten?
  • Maksaako tili laskunsa todennäköisesti ajallaan?

Useiden tulosten ennustaminen

Usean tuloksen ennuste on se, että kysymykseen voidaan vastata useamman kuin kahden mahdollisen tuloksen luettelosta. Esimerkkejä usean tuloksen ennustamisesta:

  • Saapuuko lähetys etuajassa, ajoissa, myöhässä vai pahasti myöhässä?
  • Mistä tuotteesta asiakas voisi olla kiinnostunut?

Numeerinen ennustaminen

Numeerisessa ennustamisessa kysymykseen vastataan numerolla. Esimerkkejä numeerisen tuloksen ennustamisesta:

  • Kuinka monta päivää lähetyksen saapumiseen on?
  • Kuinka monta puhelua asiakaspalvelijan pitäisi käsitellä päivässä?
  • Kuinka monta nimikettä on pidettävä varastossa?
  • Kuinka monta liidiä myyntitiimin pitäisi muuntaa kuukaudessa?

Katso myös

Ominaisuuksien saatavuus alueittain
Ennustemallin edellytykset