Overzicht van rapporten
In dit artikel worden de metrische gegevens opgesplitst die in elke dashboardtoepassing worden weergegeven.
Zie Aan de slag: Power BI-rapporten instellen voor stappen voor het instellen van de dashboardrapporten en het bekijken van de prestatiestatistieken.
Signals-dashboard
Het Signals-dashboard is een Power BI-rapport dat wordt gebruikt om het volume en de kwaliteit van de invoergegevens (signalen) te begrijpen en te evalueren, aangezien de gegevens van cruciaal belang zijn voor het produceren van relevante aanbevelingen.
Door de invoergegevens nader te bestuderen, kunt u beter begrijpen of de gegevens moeten worden gecorrigeerd of gewijzigd voordat u resultaten opnieuw probeert te modelleren en resultaten gaat vergelijken.
![OPMERKING:]
In dit dashboard verwijzen signalen naar interactiegegevens. Ter simplificatie kan dit document naar interactiesignalen verwijzen als aankopen.
Terminologie
In het dashboard wordt een deel van de gegevens gegroepeerd op winkelmandje of gebruiker.
Hier volgt een uitleg van het verschil tussen de twee:
Terminologie | Omschrijving |
---|---|
Per winkelmandje | Een winkelmandje vertegenwoordigt een groep producten en wordt gewoonlijk uitgedrukt als de huidige winkelwagen van de klant, sessie of interactie. In het interactieschema: per winkelmandje == per InteractionGroupingId. |
Per gebruiker | Bij de groepering op gebruiker wordt gemiddeld laten zien hoeveel artikelen een gebruiker heeft en hoeveel gebruikers interactie hebben gehad met een bepaald artikel. In het interactieschema: Per gebruiker == Per UserId. |
Zie voor meer informatie de documentatie over de entiteit voor interactiegegevens.
Belangrijke termen
Er zijn ook enkele sleuteltermen die belangrijk zijn om het dashboard te begrijpen. Deze termen worden uitgelegd in de onderstaande tabel. Een interactie kan afkomstig zijn van verschillende bronnen, zoals aankopen, weergaven of selecties.
Terminologie | Omschrijving |
---|---|
Informatief | Een gegevenspunt dat nuttige informatie biedt voor het modelleren. |
Winkelmandje | Winkelmandjes vertegenwoordigen de huidige winkelwagen, sessie of interactie van een klant. Het is een groep artikelen bij elkaar. |
Seed-artikel | Een artikel waar een gebruiker interactie mee heeft of dat de gebruiker selecteert. |
Kandidaat | Een artikel dat is aanbevolen aan een gebruiker. |
Kandidaataantal | Totale aankopen van de kandidaat. |
Overlap | Aantal keren dat de kandidaat samen met de seed is gekocht |
Waarschijnlijkheid van kandidaat gezien de seed | Waarschijnlijkheid dat de kandidaat wordt aangeschaft gezien het seed-artikel al is gekocht |
Waarschijnlijkheid van seed gezien de kandidaat | Waarschijnlijkheid dat de seed wordt aangeschaft gezien het kandidaatartikel al is gekocht |
Signalen | Klantinteracties. Eén rij in het interactiebestand. |
Onderzochte gegevens | De gegevens die worden gebruikt voor artikelmodellering. |
Tabbladen
Het Signals-dashboard heeft zeven tabbladen: Overzicht, Samenwerkingsanalyse, Gebruikers, Winkelmandjes, Artikelen, Populaire artikelen en Directe associatieanalyse. Elk van deze tabbladen wordt uitgelegd in de onderstaande tabel.
Tabbladnaam | Omschrijving | Visual |
---|---|---|
Samenzicht | Het overzichtstabblad laat zien hoeveel gebruikers, artikelen, winkelmandjes en rijen zich in de gegevens bevinden. De gegevens zijn kleurgecodeerd om te laten zien hoe vormend de signalen zijn. Idealiter zijn de waarden groen, wat betekent dat de gegevens geschikt zijn voor Intelligent Recommendations. Anders betekenen oranje waarden dat de gegevens op het randje liggen en rood betekent dat er niet genoeg gegevens zijn voor die statistiek. Als het dashboard voornamelijk oranje en rood is, kunt u zich afvragen of het de moeite waard is om de gegevens in productie te nemen en of de gegevens correct zijn. |
|
Samenwerkingsanalyse | Het tabblad Samenwerkingsanalyse toont artikelen op basis van artikelen gegroepeerd op winkelmandje of artikelen gegroepeerd op gebruiker. Artikelen die op winkelmandje zijn gegroepeerd, worden ook wel het huidige winkelmandje van de shopper genoemd. In deze sectie leert hoe informatief uw winkelmandjes zijn, wat betekent hoe nuttig ze zijn voor het modelleren. Er is ook informatie over het aantal artikelen in het winkelmandje, dat de grootte van het winkelmandje van de klant is, het gemiddelde aantal winkelmandjes en hoe informatief de artikelen zijn. Artikelen gegroepeerd op gebruikers laten zien hoe informatief de gebruikers zijn, hoe informatief de artikelen zijn en hoeveel artikelen een gebruiker heeft. |
|
Gebruikers | Het tabblad Gebruikers toont het aantal gebruikers en het aantal nieuwe en terugkerende gebruikers in de loop van de tijd. Bovendien toont het rapport het gemiddelde aantal winkelmandjes en artikelen van een gebruiker. | |
Winkelmandjes | Het tabblad Winkelmandjes laat zien hoeveel mandjes er in de loop van de tijd zijn en hoeveel artikelen er gemiddeld in een mandje zitten. | |
Items | Het tabblad Artikelen bevat informatie over alle items in de catalogus. U kunt zien hoe het aantal artikelen in de loop van de tijd is veranderd en informatie bekijken over het aantal gebruikers dat interactie heeft gehad met een artikel. | |
Populaire artikelen | Op het tabblad Populaire artikelen wordt aangegeven met welke artikelen het meeste interactie is geweest en wordt het aantal winkelmandjes in de loop van de tijd weergegeven. Gebruik voor een zinvolle ervaring een minimale catalogus met titels in uw input voor IR. | |
Directe associatieanalyse | Alle voorgaande tabbladen tonen geaggregeerde gegevens over de signalen. Op het tabblad Directe associatieanalyse zijn de gegevens gebaseerd op een gekozen seed-artikel of een artikel dat een gebruiker kan selecteren. Deze informatie is handig voor modellen voor de beste vervolgactie omdat u kunt zien welke artikelen het meest met elkaar worden geassocieerd. Hieronder leert u hoe u deze tool kunt gebruiken. |
De tool voor directe associatieanalyse gebruiken
Als u gerelateerde items voor een specifiek product wilt zien, selecteert u een seed-artikel in de lijst links. Vervolgens worden de volgende gegevens in het rapport opgenomen:
- Het aantal keren dat het aanbevolen artikel is gekocht
- Het aantal keren dat het aanbevolen artikel samen met het seed-artikel is gekocht
- De kans dat het aanbevolen artikel is gekocht, aangezien het seed-artikel al was gekocht
- De kans dat het seed-artikel is gekocht, aangezien het aanbevolen artikel al was gekocht
Gebruik voor een zinvolle ervaring een minimale catalogus met titels in uw input voor IR.
Intelligent Recommendations-dashboard
Samenzicht
Het Intelligent Recommendations-dashboard biedt statistieken om de prestaties van het model te evalueren, door te bepalen of relevante artikelen boven aan de lijst verschijnen.
Tabbladen
Tabbladnaam | Omschrijving | Image |
---|---|---|
Samenvatting van interactiegegevensset | Op het tabblad Samenvatting van interactiegegevensset vindt u informatie over het aantal gebruikers, artikelen en rijen van de gegevens. In het IR-dashboard zijn gebruikers eigenlijk winkelmandjes, die worden vertegenwoordigd door de InteractionGroupingId. Dit model gebruikt het ItemModel met InteractionGroupingId en gebruikt daarom niet de UserId. Het aantal gebruikers laat zien hoeveel gebruikers zich in de volledige en onderzochte gegevens bevinden, waarbij onderzochte gegevens de gegevens zijn die worden gebruikt voor artikelmodellering. Het aantal artikelen is het aantal artikelen in de volledige en onderzochte gegevensset. Ten slotte is het aantal rijen het aantal rijen, die het aantal signalen vertegenwoordigen, in de volledige en onderzochte gegevenssets. |
|
PAL-dekking | Op het tabblad PAL-dekking wordt het PAL-model (People Also Like; Wat anderen ook leuk vinden) geëvalueerd om te zien voor hoeveel interactiegegevens de service aanbevelingen kan doen. Een hoger percentage betekent dat meer van de seeds PAL-aanbevelingen kunnen krijgen. | |
Keuzestatistieken | Op het tabblad Keuzestatistieken vindt u statistieken om de prestaties van het model Keuzes voor u te evalueren. Er zijn statistieken, bijvoorbeeld met betrekking tot relevante overeenkomsten met keuzes, geschatte keuzes 1 - MPR, MRR van keuzes en de verhouding van doelen boven aan de lijst, die hieronder worden beschreven in het gedeelte over belangrijke statistieken. Voor het keuzemodel voert de service steekproeven onder gebruikers uit en laat deze voor elke gebruiker een van de artikelen achter die de gebruiker heeft gekocht en labelt die als het doel. De service modelleert vervolgens de gebruiker alsof ze dat artikel niet hebben gekocht, roept de gebruiker op tot keuzes en controleert of het weggelaten artikel is aanbevolen. De positie van dit artikel in de lijst met aanbevelingen van de gebruiker wordt vervolgens gebruikt om de statistieken te berekenen. |
|
PAL-statistieken | Het tabblad PAL-statistieken wordt gebruikt om het PAL-model te evalueren. Dit tabblad bevat dezelfde statistieken als het tabblad Keuzestatistieken, dat in de onderstaande sectie wordt beschreven. De service onderzoekt alleen aankopen van van paren artikelen, roept PAL aan op één ervan en controleert of het tweede werd aanbevolen. |
Belangrijke metrische gegevens
Op de hierboven genoemde tabbladen worden enkele belangrijke statistieken weergegeven. Deze statistieken worden verder toegelicht in de onderstaande tabel.
Metrische gegevens | Definitie | Visual |
---|---|---|
PAL-dekking | Het percentage interactiesignalen waarvoor de service aanbevelingen kan doen met het PAL-model. Een hoger percentage betekent dat meer van de seeds PAL-aanbevelingen kunnen krijgen. | |
Relevante overeenkomsten bij eerste K artikelen | De fractie van relevante artikelen die in de eerste K van de lijst zijn weergegeven. Bij een hogere waarde bevond zich een hoger percentage bij de eerste K van de lijst. De resultaten per gebruiker zijn binair (het resultaat is 0 als het artikel niet voorkomt bij de bekeken eerste K of 1 als dit wel het geval is). De relevante overeenkomsten worden berekend voor alle gebruikers die door de service zijn onderzocht. Als de service bijvoorbeeld 1000 gebruikers heeft onderzocht en voor 500 van hen het doelartikel bij de eerste tien resultaten werd weergegeven, is de waarde voor relevante overeenkomsten bij 10 0,5. |
|
1 - MPR | MPR toont het gemiddelde percentiel waar het artikel zich in de lijst bevindt. Een 1-MPR van 80% betekent bijvoorbeeld dat de doelaanbeveling zich gemiddeld in de eerste 20% van de resultaten bevond. Het dashboard wordt weergegeven in 1-MPR, wat betekent dat hoger beter is. In de berekening is er een limiet van 1000 artikelen, dus het resultaat moet van de eerste 1000 artikelen zijn. | |
MRR (Mean Reciprocal Rank; gemiddelde wederzijdse rangschikking) | Het wederkerigheid van de rangschikkingen van relevante artikelen in de lijst. Een hogere wederzijdse rangschikking betekent dat meer relevante artikel boven aan de lijst verschijnen. | |
Verhouding van doelen boven aan de lijst | De fractie van relevante artikelen in de eerste 1000 van de lijst. Een hogere verhouding betekent dat er boven aan de lijst meer relevante artikelen worden getoond aan de gebruiker. |
Zie ook
Snelstartgids: Power BI-rapporten instellen.
Aan de slag: Intelligent Recommendations instellen en uitvoeren met voorbeeldgegevens
Overzicht van gegevenscontracten
Foutenlogboeken