製品傾向モデル

製品傾向モデルは、過去のインタラクションおよび顧客プロファイル・データに基づいて、顧客が特定の製品を購入する可能性を予測する組込み済みのモデルです。

製品傾向モデルの説明

製品傾向モデルでは、顧客が製品を購入する可能性を特定する値が生成されます。これらの値は、顧客の過去の購買行動に基づきます。モデルの出力はカスタマイズできません。このモデルを使用して、顧客と製品の特定の組合せについて傾向スコアを確認することにより、特定の製品を購入する可能性が最も高い顧客を特定できます。

モデルのパラメータ

モデルを作成する際には、モデルについて次のパラメータを定義する必要があります。

  • アルゴリズム: アルゴリズムは、モデルを実行するコードです。製品傾向モデルのアルゴリズムを選択した場合は、追加の対象とする時間枠パラメータを定義する必要があります。対象とする時間枠として日数を選択します(60、90、120または180日)。

  • 問合せ: モデルについて選択した問合せによって、モデル・トレーニングおよびモデル・スコアリング用のデータセットが生成されます。

  • 入力: 入力は、モデル・トレーニングおよびモデル・スコアリングに使用されるUnityデータ・モデルの問合せ属性です。モデル入力は変更できません。

  • 出力: 出力は、モデルの出力値を格納するために使用されるUnityデータ・モデルのデータ・オブジェクトおよび属性です。モデル出力のデフォルト・マッピングは更新できます。

モデルの入力

値を生成するために、製品傾向モデルでは次のデータが使用されます。

モデルが正常に実行されるようにするには:

  • データは、次のすべての入力属性に取り込む必要があります。
  • 製品IDには1つの値のみを含める必要があります。モデルに流入するデータの一部として1つの製品IDのみを保持するには、トレーニングおよびスコアリングの問合せを編集する必要があります。
  • EventTypeには値Purchase (大/小文字が区別されます)が必要です。これはターゲット変数の識別に使用されます。
  • データ・オブジェクトの次の関係が必要です。
    • CustomerID属性を使用したMasterCustomerおよびOrder data
    • CustomerID属性を使用したMasterCustomerおよびEvent
    • OrderID属性は、Eventデータ・オブジェクトのすべてのイベントに対して移入する必要があります。
データ・オブジェクト 属性 データ型 説明
EventおよびCustomer CustomerID 文字列 顧客の一意の識別子。
MasterCustomer Gender 文字列

顧客の性別。

MasterCustomer Age 整数 顧客の年齢。
MasterCustomer、CustomerおよびEvent ProductID 文字列 モデルが出力値の生成に使用する製品ID。
MasterCustomerおよびEvent Type 文字列 イベントのタイプ(表示、購入、購買、クリックなど)。
MasterCustomer AOV 浮動小数 顧客の平均発注金額。
MasterCustomer City 文字列 顧客の市区町村。
MasterCustomer days_since_last_purchase 整数 最終購入からの日数。
MasterCustomer total_spent_amt 整数 顧客のExtended Price属性の合計。
MasterCustomer top_product 文字列 顧客の最も購入した製品。
MasterCustomer top_brand 文字列 顧客の上位ブランド。

モデルの出力

出力値はProductPropensity_Scoreデータ・オブジェクトに格納されます。Status属性で顧客と製品のそれぞれの組合せについて傾向値を確認できます。0.5を超えるスコアは、Buyの評価を示します。0.5未満のスコアは、No buyの評価を示します。

次の属性によって出力値が生成されます。

属性 説明 データ型 キー属性かどうか
SourceProductPropensity_ScoreID データ・オブジェクトの一意の識別子。CustomerIDとProductIDを連結したものです。 文字列
SourceID ソースの一意の識別子。 文字列
SourceCustomerID 顧客の一意の識別子。 文字列
ProductID 製品の一意の識別子。 文字列 ×
SourceProductID ソースから取得した製品の一意の識別子。 文字列 ×
PropensityScore 顧客について生成されるスコア。0から1までの数値です。 浮動小数 ×
Status 傾向スコアに基づいて顧客を評価するステータス。0.5未満のスコアでは、No buyの値が生成されます。0.5を超えるスコアでは、Buyの値が生成されます。 文字列 ×

製品傾向モデルの作成および使用

製品傾向モデルを作成して使用するには、次のことを行う必要があります。

  1. 製品傾向モデルの作成のステップに従います。

  2. モデルを作成したら、トレーニング・ジョブおよびスコアリング・ジョブの実行のステップに従います。

モデルを実行して出力値を作成したら、次のことを行うことができます。

データ・サイエンス, データ・サイエンス・モデル, データの分析, データ・サイエンス・モデルの作成, データ・サイエンス・モデルの作成方法, 製品傾向, 製品傾向モデル