breadcrumbDescription
Struktureret klynge
Brug klynger i Data 360 til at afdække skjulte mønstre og finde naturlige grupperinger i strukturerede data baseret på ligheder i de felter, du vælger. Klynger identificerer nye kundeprofiler, tilbagevendende supportmønstre og uventede adfærdstendenser.
Efter træning tildeler modellen hver registrering til et klynge-id og en systemgenereret klyngebetegnelse. En model, der er trænet på købsdata, identificerer f.eks. grupper som "Loyale kunder", "Storforbrugere" eller "Kunder med risiko" automatisk. Modellen tilknytter nye registreringer til eksisterende klynger over tid og tildeler en lighedsscore, der angiver, hvor tæt hver registrering matcher dens klynge. Data 360 føjer disse outputfelter til dit datasæt. Anvend outputfelterne til at fremme segmentering, analyser og aktivering på tværs af Salesforce.
Gennemse disse klyngemål.
-
Segmenter kunder eller registreringer i meningsfulde grupper automatisk
-
Opdag mønstre og ligheder på tværs af dataattributter
-
Identificer segmenter med høj værdi, risikobaserede segmenter eller adfærdsbaserede segmenter
-
Berig datasæt med klynge-id'er og betegnelser til målretning, tilpasning og analyse
Klyngefunktioner
K-means-algoritmen grupperer registreringer i et defineret antal klynger baseret på lighed. Modellen er som standard 3 klynger, men du kan definere denne indstilling manuelt. Hvis du vil klynge støjende data eller data fra den virkelige verden og gruppere afvigelser i en separat catch-all-klynge, skal du bruge HDBScan-algoritmen.
Gennemse disse klyngefunktioner.
- Modelopbygning og uddannelse med strukturerede datamodelobjekter (DMO'er) på fanen AI-modeller
- Klyngekvalitetsevaluering med træningsmetrikker, f.eks. kohæsionsscore, særskillelsesscore og silhuetscore
- Klyngesammendrag og repræsentative eksempelregistreringer, der viser, hvilke feltværdier der karakteriserer hver klynge
- Tilpassede klyngebetegnelser, der er tildelt til at tilsidesætte systemgenererede betegnelser
- Klyngeafledning om nye data via forløb for at tildele registreringer til eksisterende klynger
- Afledningsoutput, f.eks. klynge-id, klyngebetegnelse, lighedsscore og topfaktorer
Klyngekvalitetsmetrikker
Hvis du vil vurdere, om dine klynger er meningsfulde, skal du gennemse disse metrikker efter modeltræning.
| METRISK | hvad det måler |
|---|---|
| Koherensscore | Hvor ens registreringer i en klynge er med hinanden. Højere er bedre. |
| Distinctness-score | Hvor forskellige klynger er fra hinanden. Lavere værdier angiver mere særskilte klynger. |
| Silhouet-score | Kombineret mål for samhørighed og adskillelse, der går fra -1 til 1. Scores over 0,7 angiver veldefinerede klynger. |
Hvis scores er lave, skal du fjerne variabler, der opretter støj, justere antallet af klynger eller træne modellen igen.
Når du kører et forløb på nye data under udledning, modtager hver registrering disse resultater.
- Klynge-id: Den entydige identifikator for den klynge, som en registrering er tildelt.
- Klyngebetegnelse: Navnet eller betegnelsen på den tildelte klynge.
- Klyngescore: En score, der angiver, hvor tæt registreringen matcher dens tildelte klynge.
- Afvigelsesscore: En score, der angiver, hvor meget af en afvigelse et datapunkt er.
- IsOutlier: Et flag, der angiver, om registreringen er en afvigelse i forhold til andre registreringer i dens tildelte klynge.
Du kan tildele disse resultater til registreringer, bruge eksisterende forløbskomponenter eller overførsels-API'en.
Overvejelser
Gennemse disse overvejelser.
- Resultaterne varierer afhængigt af de anvendte felter og parametre.
- Meget små eller meget ens datasæt producerer mindre forskellige klynger.
- Relevante inputfelter af høj kvalitet giver bedre klyngeresultater.
- Periodisk gentræning bevarer klynger i overensstemmelse med ændrede data.
- Brug klynger på strukturerede data
Brug klyngemodeller i Data 360 til automatisk at gruppere DMO-registreringer (datamodelobjekt) efter delte egenskaber. Kør en forudsagt job- eller batchdatatransformering for at tildele nye registreringer til gemte klynger, og brug resultaterne på tværs af Salesforce.