A prediktív pontozási modellek pontosságának és teljesítményének megtekintése

A prediktív pontozási modell pontosságának ismerete segít eldönteni, hogy a modell készen áll-e a használatra, vagy finomhangolni kell-e a nagyobb pontosság érdekében. Segít meggyőzni a vezetői csapatot és az eladókat, hogy alkalmazzák a modellt a jobb üzleti eredmények érdekében.

A cikkben ismertetett metrikák a lehetőségpontozásra és az érdeklődőpontozásra is vonatkoznak.

A pontosságot befolyásoló tényezők

A prediktív pontozási modell kiszámítja annak valószínűségét, hogy egy lehetőség vagy érdeklődő eladást eredményez. A modell pontossága a következő tényezőktől függ:

  • A modell betanításához rendelkezésre álló adatok minősége és mennyisége
  • A kiválasztott üzleti folyamat és szűrők
  • A kiválasztott szakaszok és attribútumok, ha a modell szakaszonkénti modellezést használ

A modell betanítása a betanítási adatkészletben lévő lezárt lehetőségek vagy érdeklődők 80%-ával történik. A fennmaradó 20% tesztelési adatkészletként való ellenőrzése a legújabb rekordokból áll. A modell pontosságát a rendszer az ellenőrzött tesztadatkészlet alapján számítja ki olyan paraméterek alapján, mint a valódi pozitívok, a hamis pozitív eredmények stb.

Pontossági és teljesítménymutatók megtekintése

  1. Lépjen a Terület módosítása elemre az Értékesítési központ alkalmazás bal alsó sarkában, és válassza a Sales Insights beállításait.

  2. Az oldaltérképen a Prediktív modellek alattválassza a Lehetőségpontozás vagy az Érdeklődőpontozás lehetőséget.

  3. A Modell kiválasztása listában válasszon ki egy modellt.

  4. Válassza a Teljesítmény lapot.

Képernyőkép a Teljesítmény lapról, amely a modell pontossági metrikáit jeleníti meg.

A Teljesítmény lap a következő metrikákat jeleníti meg. Ha nem lát metrikákat a Teljesítmény lapon, szerkessze és tanítsa újra a lehetőségpontozási modellt.

  • Modell teljesítménye: Megadja, hogy a modell készen áll-e a közzétételre a következő paraméterek alapján:

    • Pontosság: Milyen gyakran tett a modell helyes előrejelzéseket, akár pozitív, akár negatív. Ez a metrika akkor a leghasznosabb, ha az adatkészlet kiegyensúlyozott, és a hamis pozitív és hamis negatív eredmények költsége megegyezik. A pontossági pontszám kiszámítása a következő képlettel történik:

      Pontosság = (TP + TN) / (Pontozott lehetőségek vagy érdeklődők teljes száma) *100

    • Emlékezzünk vissza: Milyen gyakran jósolta meg a modell a pozitív eredményt a tényleges pozitívokhoz képest. Az alacsony visszahívási pontszám azt jelenti, hogy a modell kevesebb valódi pozitívat jelez előre. A visszahívási pontszámot a következő képlettel számítjuk ki:

      Visszahívás = TP / (TP + FN) *100

    • Konverziós arány: A minősített vagy megnyert lehetőségek vagy érdeklődők százalékos aránya az előzményadatok alapján, vagy annak valószínűsége, hogy egy lehetőség vagy érdeklődő konverziót hajt végre. A modell ezzel az értékkel határozza meg, hogy egy attribútum hogyan befolyásolja a prediktív pontszámot. Az átváltási arány kiszámítása a következő képlettel történik:

      Konverziós arány = (TP + FN) / (Pontozott lehetőségek vagy érdeklődők teljes száma) *100

  • Zavarmátrix: Mennyire jósolta meg a modell az eredményeket, amikor az előzményadatokkal tesztelték. A mátrix megjeleníti a valódi pozitív, a valódi negatív, a hamis pozitív és a hamis negatív eredmények számát.

    Metrika Jósolta Tényleges
    Valós pozitív (TP) Igen Igen
    Valós negatív (TN) No No
    Álpozitív (FP) Igen No
    Álnegatív (FN) No Igen

  • A görbe alatti terület: A modell görbe alatti területe (AUC). Az AUC-pontszám határozza meg annak valószínűségét, hogy egy modell egy véletlenszerűen kiválasztott pozitív példányt (megnyert lehetőséget vagy minősített érdeklődőt) magasabbra rangsorol, mint egy véletlenszerűen kiválasztott negatívat (elvesztett lehetőséget vagy kizárt érdeklődőt). A magasabb AUC-val rendelkező modell jobban megjósolja a valódi pozitívumokat és a valódi negatívumokat.

  • F1 pontszám: A modell pontossága és visszahívási pontszámai alapján kiszámított F1-pontszám. Az F1 pontszám határozza meg a modell minőségét még akkor is, ha az adatok kiegyensúlyozatlanok.

  • Küszöbérték: Az a küszöbérték, amelynél az érdeklődő vagy lehetőség minősítettnek vagy megnyertnek minősül. Ha például a küszöbérték 45, akkor a 45-nél nagyobb pontszámmal rendelkező lehetőségek megnyertként lesznek előrejelezve. A küszöbérték az F1 pontszám optimalizálásához van kiválasztva.

Példa: Modell teljesítménymetrikái

Nézzük meg egy 1,000 lehetőségből álló mintaadatkészlet előrejelzési eredményeit:

Adat Lehetőségek száma
Igaz pozitív 650.
Vakriasztás 200
Igaz negatív 100
Téves negatív 50

A modell 850 (TP + FP) lehetőséget jósolt meg; azonban csak 650 (TP) lehetőséget nyertek meg. Hasonlóképpen, a modell azt jósolta, hogy 150 (TN + FN) lehetőség veszett el, de valójában csak 100 (TN) lehetőség veszett el.

Az alábbi táblázat az adatok metrikáit mutatja be.

Metrika Pontszám
Pontosság (650 + 100) / 1,000 = 75%
Visszavonás 650 / (650 + 50) = 92%
Átalakítási arány (650 + 50) / 1,000 = 70%

Modell teljesítményének javítása

Ha a modell nem áll készen a közzétételre, vagy nem teljesít jól, próbálkozzon az alábbi lépésekkel a pontszámok javításához.

  • Tekintse át az általa használt attribútumokat.
  • Tekintse meg az attribútumelemzéseket , hogy megértse a modell általános előrejelzésére gyakorolt hatásukat.
  • Hagyja figyelmen kívül az üres értékeket azoknál az attribútumoknál, amelyek nagyobb százalékban tartalmaznak üres értékeket, és hozzájárulhatnak a téves riasztásokhoz vagy hamis negatívokhoz.
  • Intelligens mezők beillesztése , amelyek segítenek a potenciális ügyfelek pontozási modelljének megkülönböztetni a pontszámot javító vagy károsító tényezőket.
  • Használja a szakaszonkénti modellezést egy lehetőségpontozási modellben az egyes üzleti folyamatszakaszokra alkalmazandó attribútumok kiválasztásához.
  • Finomítsa a szűrési feltételeket, a betanítási adatok időtartamát vagy más modellkonfigurációkat. Ha például két évet választott a betanítási adatok időtartamaként, és túl sok teszt vagy helytelen rekord van ebben az időszakban, válasszon rövidebb időszakot, például hat hónapot vagy egy évet, amikor az adatok minősége jobb.

Nem találja a funkciót az alkalmazásában?

Van néhány lehetőség:

  • Nem rendelkezik a funkció használatához szükséges licenccel. Tekintse meg az összehasonlító táblázatot és a licenc-útmutatót , hogy megtudja, mely szolgáltatások érhetők el licencével.
  • Nem rendelkezik a funkció használatához szükséges biztonsági szerepkörrel.
  • A rendszergazda nem engedélyezte a funkciót.
  • Szervezete egyéni alkalmazást használ. A pontos lépésekhez kérjen segítséget a rendszergazdától. Az ebben a cikkben ismertetett lépések kifejezetten a gyári Értékesítési központ vagy Sales Professional alkalmazásokra vonatkoznak.

Érdeklődők rangsorolása pontszámok alapján
Prediktív érdeklődőpontozás konfigurálása
Prediktív lehetőségpontozás konfigurálása

  • Last updated on