Вы находитесь здесь:
Действенные переменные и предписания
В конструкторе моделей Einstein Studio, использующем данные из Data 360, действенные переменные - это поля в модели, созданной с нуля (созданной Einstein), которые можно изменить для влияния на прогнозируемый результат. В отличие от других полей, которые нельзя изменить, например, расположение клиента, пол и возраст, действенные переменные можно изменить. Эти переменные важны, поскольку они предоставляют предложенные действия (предписания), которые пользователи могут предпринять для более успешных результатов.
Ниже указаны некоторые действенные переменные и способы их корректировки.
- Кредитное ограничение: Предложение увеличения ограничения
- Процентная ставка: Установка тарифа для разных групп клиентов
- Цена продукта: Повышение цены за единицу продукта
- Параметр доставки: Предложение бесплатной или более быстрой доставки
После установки действенных переменных для прогнозируемой модели можно использовать эти интеграции Salesforce для получения предписаний.
Пакетные трансформации данных
Используйте пакетную трансформацию данных для запуска модели в большом наборе данных. Модель создает прогнозы для каждой точки данных на основе действенных переменных, установленных в конструкторе моделей. Пакетные трансформации данных используют действенные переменные для обработки предписаний. Эти предписания добавляются к столбцам рядом с каждым прогнозом в наборе данных и ценны для инструментов принятия решений, например, панелей мониторинга.
[Имя переменной]: [Новое значение] - Discount_Offered: 10%
[Значение влияния] - 20 (Это значение означает, что при изменении скидки с 5% на 10% прогнозируемый рейтинг преобразования увеличивается на 20 пунктов).
Поток
Используйте автоматические потоки для преобразования прогнозируемых важных данных в автоматические, персонализированные и предписывающие действия, например, для обновления цен или запуска предложений. Это повышает объяснимость и надежность решений. После установки действенных переменных:
- Модель возвращает не только оценку прогноза.
- Модель также может вернуть предписания, которые предлагают, какие действия предпринять для улучшения результата. Рекомендуем использовать Конструктор подсказок для более удобного вывода, например: Продлите период предложения на 7 дней.
Эти предписания становятся полями вывода в вызываемом действии (cdpMlPrediction) в потоке. Можно создать окна, отображающие, что изменить для определенных клиентов, продуктов или регионов. Потоки также могут:
- Динамически настройте службу сообщений, скидки или маршрутизацию на основе предписанных значений.
- Сегментируйте клиентов на основе действий, которые могут оказать наибольшее влияние. Например, предложите скидку или расширьте ее до сервисного представителя.
Если в потоке есть элементы окна, например, поток окна, созданный для представителей, вы можете:
- Опишите предписание более подробно.
- Предоставьте пользователям совместимость. Например: Предложите скидку 10%, поскольку она может увеличить вероятность покупки на 20%.
Рассмотрим логику потока при добавлении нового интереса в систему.
- Триггер: Новый интерес
- Прогноз: Низкая вероятность преобразования
- Предписание: Предложение последующих действий в течение 24 часов
- Результат потока: Назначьте интерес лучшему представителю службы поддержки и запланируйте вызов на один день.
Этот поток закрывает цикл: вы не просто оцениваете интерес, вы также предписываете и автоматизируете действие, чтобы представитель мог продолжить работу с интересом.
- Установка действенных переменных
В конструкторе моделей действенные переменные - это поля, которые можно изменить, чтобы повлиять на прогнозируемый результат модели. Установка действенных переменных позволяет модели предоставлять предписания (предложенные действия, которые пользователь может предпринять для улучшения результата).
