Verwendung prädiktiver Modelle für das MarketingEine der größten Herausforderungen bei den Prognosemodellen, die unser Team für das Marketing entwickelt, besteht in der Notwendigkeit, Prognosen für einen bestimmten Zeitraum zu erstellen. Wir versuchen, den genauen Zeitpunkt hinter diesen Daten zu finden, der bestimmt, wann die Kaufbereitschaft der Verbraucher besteht. Wir ließen uns von Airbnb inspirieren und entwickelten ein maschinelles Lernmodell für die fiktiven Charaktere in Game of Thrones. Dabei fügten wir Koeffizienten hinzu, die die Schwierigkeit des Verkaufs in der realen Welt widerspiegeln, sodass wir den genauen Zeitpunkt erfassen können, zu dem Verbraucher ein Kaufbedürfnis haben, und rechtzeitig reagieren können. Wenn Sie davon ausgehen, dass ein potenzieller Käufer tatsächlich ein Bewohner von Westeros ist, und Sie die Grenze zwischen „Gut“ und „Böse“ verwischen, müssen Sie sorgfältig nachdenken – jeder könnte jederzeit ein Verräter sein, der in Ihrer Nähe lauert (oder Ihr Produkt kauft). Wie können Sie also vorhersagen, wann sie kurz davor sind, abzuwandern (oder zu kaufen)? Unsere erste Herausforderung besteht darin, die für das Training benötigten Daten – eine Liste verschiedener Verhaltensaktivitäten von Menschen mit unterschiedlichen Persönlichkeitsmerkmalen – in Charaktermerkmalsdaten umzuwandeln, die vom Modell verarbeitet werden können. Anschließend nutzten wir diese Aktivitätsdaten, die ihre individuellen Persönlichkeitsmerkmale darstellten, um Vorhersagen über sie zu treffen. Methode zur VerhaltensbewertungEs gibt eine Möglichkeit, die Anzahl der mit einer Persona verbundenen Aktionen zu zählen, die zum Trainieren unseres Vorhersagemodells verwendet werden kann (ähnlich wie Marketing-Automatisierungssysteme Leads bewerten). Leider können wir mit diesem Ansatz immer noch nicht feststellen, ob die Aktivität in der Vergangenheit oder in der Gegenwart stattgefunden hat. Diese Unterscheidungsfähigkeit ist von entscheidender Bedeutung, wenn man Ereignisse vorhersagen möchte, die in naher Zukunft eintreten werden. Aus einer anderen Perspektive können wir uns nur auf Aktivitäten konzentrieren, die vor Kurzem stattgefunden haben. Dies hilft uns wirklich dabei, die Daten auf dem neuesten Stand zu halten und den negativen Auswirkungen alter Daten auf die Bewertung entgegenzuwirken. Aber was machen wir, wenn eine Figur in letzter Zeit nichts getan hat? Wir beurteilen ihn immer noch nach seinem bisherigen Verhalten. Und wir werden dennoch einige seiner jüngsten historischen Aktivitätsdaten aufbewahren, da sich einige scheinbar einmalige Verhaltensweisen aus der Vergangenheit zu einem signifikanten Muster entwickeln und zukünftige Entscheidungen beeinflussen können. Wir können von einem hybriden Ansatz profitieren. Beispielsweise können wir die vergangenen Aktivitäten der Charaktere in diesem Modell mit den jüngsten Aktivitäten kombinieren. Darüber hinaus können wir eine Reihe unterschiedlicher Schnittstellenfenster verwenden, um gerade stattgefundene Aktivitäten unterschiedlich zu behandeln. Dadurch können wir uns an Aktionen erinnern, die vor drei Wochen stattgefunden haben, können Aktionen von gestern jedoch anhand eines anderen Maßstabs messen. Verfolgung von Verhaltenszielen unterwegsEs ist wichtig, sich daran zu erinnern, dass sich die emotionalen Zustände der Charaktere im Laufe der Zeit ändern. Sehen wir uns anhand der folgenden Grafik an, wie die Emotionen hinter den Persönlichkeitsmerkmalen einer Person unsere Vorhersageziele beeinflussen. Sie zeigt die historischen Veränderungen der Persönlichkeit: Sie werden feststellen, dass unser Modell im August aufgrund seiner jüngsten Verhaltensmuster davon ausgeht, dass er in diesem Zeitraum abwandern (das Produkt kaufen) wird. Obwohl dies zu erwarten war, hielt seine Loyalität mehrere Monate an. Natürlich geschah sein Verrat auf subtile Weise. Da sich der innere Gefühlszustand von Menschen (ob sie zum Verrat bereit sind) im Laufe der Zeit ändert, muss unser Modell auch wissen, ob bestimmte Menschen im Begriff sind, zu verraten, damit wir den genauen Zeitpunkt für einen Gegenschlag kennen. Überlegungen zur Modellbewertung: Bewertung und Neubewertung innerhalb einer ZeitreiheUm zu verstehen, ob unser Modell die Motivationen der Charaktere genau widerspiegelt, sollte jedem Charakter ein Referenzwert zugewiesen werden. Wir müssen beurteilen, wie vertrauenswürdig sie sind, und dieser Referenzwert sollte im Laufe der Zeit angepasst werden. Dies würde unser Bewertungssystem jedoch sehr kompliziert machen, da sich unsere Ansichten über die „Güte“ oder „Böse“ einer Figur im Laufe der Zeit ändern, ebenso wie sich die Motivationen für die Handlungen der Figuren weiterhin ändern. Wenn die Punktzahlen auf ihrem Höchststand verharren, bevor sie sich stabilisieren, wird ein weiteres Problem zum Vorschein kommen. Die Verbreitung irreführender Vorhersagen kann dazu führen, dass wir vorübergehend an einigen äußerst loyalen Charakteren zweifeln. Daher müssen wir sicherstellen, dass die Bewertungsfunktion des Modells alle Ergebnisse über den gesamten Zeitraum hinweg berücksichtigt. Wenn wir das Modell erneut trainieren, müssen wir diese falschen Ergebnisse bestrafen und vergleichen, um herauszufinden, welches Modell relativ besser ist. Um zu beurteilen, ob ein Modell gut funktioniert, betrachten wir einfach die Punktzahl, die wir jedes Mal erhalten, wenn wir eine Person beurteilen (täglich oder wöchentlich), und beobachten, wie gut das Modell ihr Verhalten in der nächsten Woche vorhersagt. Wenn wir zu Beginn einer Woche behaupten, dass eine Figur mit hoher Wahrscheinlichkeit defekt wird, und dies am Donnerstag dieser Woche geschieht, dann ist dies ein ausreichender Beweis dafür, dass unser Modell gut funktioniert und positive und richtige Empfehlungen gibt. Wenn die Figur aber in der vorhergesagten Woche immer noch nicht verrät, sondern erst am Donnerstag der Folgewoche verrät, dann ist die Empfehlung unseres Modells falsch. In diesem Fall müssen wir überlegen, wie wir diesen Charakter in der folgenden Woche bewerten. Fazit: Was lernen wir aus dieser Inspiration?Aus diesem hypothetischen Fall können wir ersehen, dass wir, wenn wir ein genaues Modell zur Verhaltensbeurteilung entwickeln wollen, viel Nachdenken und Erfahrung benötigen und dass wir die richtige Messmethode verwenden müssen, um die Genauigkeit der Bewertung zu bestimmen. Wenn maschinelles Lernen über lange Zeiträume erfolgt, ist es besonders wichtig, das Modell zu überwachen und sich möglicher Verzerrungen bewusst zu sein. Bedenken Sie immer, dass Ihr Modell am Ende steht, wenn es immer wieder dasselbe falsche Urteil über denselben Charakter fällt. Dies ist auch ein Zeichen dafür, dass Ihr Modell aktualisiert werden muss. Wenn Sie alle oben genannten Tipps befolgen, bieten Ihre Verhaltensbewertungsmodelle wertvolle maschinelle Unterstützung für eine Vielzahl von Geschäftsanforderungen. Zu wissen, was Menschen tun und wann, ist der Schlüssel zu erfolgreichen Prognosen. |
<<: Apple bringt neuen iPod Touch auf den Markt: Ab 1.495 Yuan – lohnt sich der Kauf?
Der Himmel ist weiter als die Erde Weiter als der...
Bildquelle: PhilaAthenaeum über Youtube Das Buch ...
Bei vielen Menschen liegt der Gesamtcholesterinsp...
Kürzlich wurde die Manipulation von Testdaten dur...
Wenn Du Deine Explosivkraft steigern möchtest, is...
Bei Jugendlichen kann richtiges Krafttraining hel...
Tesla und Internetunternehmen wie Google sind nic...
Hoh Xil Liegt im westlichen Teil der tibetischen ...
Viele Menschen beneiden die Boxer im Fernsehen um...
Wir wissen, dass das menschliche Leben auf Bewegu...
Im Internet wird gemunkelt, dass die zur Herstell...
„Wenn du es nicht tust, wirst du nicht sterben“ i...
Li Pei ist ein Lehrer auf „Idol-Niveau“ an der Un...
Kürzlich löste die Rede des Vorstandsvorsitzenden...
Was ist „normales“ Sperma? Am 1. Dezember 2023 ve...