您位於此處：
結構化叢集 (Beta 版)
在 Data 360 中使用叢集來發現隱藏的模式,並根據您所選欄位中的相似度,探索結構化資料中的自然分組。叢集可識別新增的客戶設定檔、循環的支援模式,以及非預期的行為趨勢。
訓練後,模型會將每個記錄指派給叢集識別碼和系統產生的叢集標籤。例如,對購買資料進行訓練的模型會自動識別如「忠誠的客戶」、「大型支出者」或「風險客戶」等群組。訓練後的模型會持續將新記錄對應至一段時間內的現有叢集。它會評估傳入資料,並指派一個相似度分數,指出每個記錄與其叢集的相符程度。Data 360 會將這些輸出欄位新增至您的資料集。套用輸出欄位來推動整個 Salesforce 的區隔、分析和啟用。
備註 叢集是 Beta 版服務,受限於「協議中的 Beta 版服務條款 — Salesforce.com」或「由客戶執行的已撰寫統一 Beta 版協議」,以及「產品條款目錄」中的適用條款。使用此 Beta 版服務由客戶自行決定。
檢閱這些叢集目標。
-
自動將客戶或記錄分段為有意義的群組
-
探索資料屬性的模式和相似度
-
識別高價值、風險或以行為為基礎的區段
-
使用叢集識別碼和標籤增強資料集以進行鎖定、個人化和分析
叢集設定
若要使用叢集,請在 Data Cloud 設定 中從 功能管理員開啟「結構化叢集 (Beta 版) 」。
叢集功能
K 表示演算法會根據相似度將記錄分組為定義的叢集數目。模型預設為 3 個叢集,但您可以手動定義此設定。若要將雜訊或真實世界的資料叢集,並將異常值分組至個別的全部抓取叢集,請使用 HDBScan 演算法。
檢閱這些叢集功能。
- 在「AI 模型」索引標籤中使用結構化資料模型物件 (DMO) 建立模型並進行訓練
- 包含訓練度量的叢集品質評估,例如一致性分數、相異性分數和形狀分數
- 叢集摘要與代表範例記錄,顯示哪些欄位值可為每個叢集提供特性
- 指派用來覆寫系統產生標籤的自訂叢集標籤
- 透過流程對新資料進行叢集推斷,以將記錄指派給現有叢集
- 推斷輸出,例如叢集識別碼、叢集標籤、相似度分數和首要因素
叢集品質度量
若要評估叢集是否有意義,請在模型訓練後檢閱這些度量。
| 度量 | IT 測量什麼 |
|---|---|
| 一致性分數 | 叢集內的記錄彼此相似程度。高於較好。 |
| 相異性分數 | 叢集之間有何不同。值愈低表示愈不同的叢集。 |
| 虛線分數 | 凝聚與分隔的組合度量,範圍為 -1 到 1。高於 0.7 的分數表示叢集定義正確。 |
如果評分較低,請移除產生雜訊的變數、調整叢集數目,或重新訓練模型。
當您在推斷期間對新資料執行流程時,每個記錄都會收到這些輸出。
- 叢集識別碼
- 叢集標籤
- 相似度分數
您可以將這些輸出指派給記錄、使用現有流程元件或取用 API。
考量事項
檢閱這些考量事項。
- 結果會根據使用的欄位和參數而有所不同。
- 非常小或高度相似的資料集會產生較不明顯的叢集。
- 相關且高品質的輸入欄位可提供更佳的叢集結果。
- 定期重新訓練可讓叢集與變更的資料保持一致。
此文章是否解決您的問題？
請讓我們知道，以便我們改進！
