Loading
About Salesforce Data 360
Mahdollisuuden ostaa mallin määrittäminen (beta)

Olet tässä:

  1. Salesforce-ohje
  2. Asiakirja
  3. Data 360

Mahdollisuuden ostaa mallin määrittäminen (beta)

Määritä Ostokäyttöaste (beta) -malli luodaksesi automaattisesti datan transformaatiot, datamalliobjektit ja ennustemallin, jotka tarvitaan taipumuspisteiden luomiseen. Kysele pisteitä arvioidaksesi, todennäköisesti asiakas tekee ostoksen määrittämässäsi ennusteikkunassa.

Vaaditut versiot

Käytettävissä: Data 360 tukee kaikkia Edition-versioita. Lisätietoja on kohdassa Data 360 -version saatavuus.
Huomautus
Huomautus Tämä malli ei ole käytettävissä Developer Edition -versiossa.
TARVITTAVAT KÄYTTÖOIKEUDET
Salli käyttäjien hallita malleja AI-malleissa Sallii sinun luoda, päivittää ja poistaa malleja tekoälymalleista.
KÄYTTÖOIKEUSJOUKOT
Data Cloud -arkkitehti Pääkäyttäjätason käyttöoikeus kaikkiin AI-mallien ominaisuuksiin, mukaan lukien kyky luoda, päivittää, poistaa ja aktivoida malleja.
Data Cloud -käyttäjä Rajoitettu käyttöoikeus mallin käyttämiseen, mukaan lukien ennusteiden ja parannusten saaminen mallista.

Mallin määrittäminen ja kyseleminen

  1. Määritä ja suorita malli.
    1. Napsauta sovelluskäynnistintä, hae Data Cloud ja valitse se.
    2. Napsauta AI-mallit-välilehteä.
    3. Napsauta Ennuste-osiosta Luo mallista.
    4. Valitse Valmis ostaa ja napsauta sitten Seuraava.
    5. Määritä mallin kokoonpanolle nimi ja kuvaus.

      Järjestelmä nimeää kaikki luodut datan transformaatiot ja mallin resurssit antamasi kokoonpanon nimen perusteella.

    6. Valitse kohdedatapa, arvioitava tuote ja aikahorisontti (ennusteikkuna). Määritä halutessasi tuotekategoria.
    7. Suorita mallin kokoonpano napsauttamalla Juna.
  2. Valvo mallin asennusta.

    Voit valvoa mallin asennusta valitsemalla Määritykset-valikosta Sovellushubi > Pisteytys ja Mallit.

    https://<org-toimialue-url>/Lightning/setup/AppHub/home (Organisaation määritykset → Sovellushubi)

    https://<org-toimialue-url>/Lightning/setup/ScoringFramework/home (Organisaation määritykset → Pisteytys)

    https://<org-toimialue-url>/Lightning/setup/TemplateStudio/home (Organisaation määritykset → Mallit)

    • Mallien asennukset luovat nämä seitsemän omaisuutta: 3 transformaatiota, 3 tulostettua DMO-organisaatiota ja 1 malli. Siirry näihin Data 360 -välilehtiin varmistaaksesi, että kaikki omaisuudet on luotu ja suoritettu onnistuneesti: DataTransforms, Datamalliobjekti ja AI-mallit.

    • Kiinteistön koulutus -transformaatio

    • Propensity Inference -transformaatio

    • Propensity Scoring -transformaatio

    • Kiinteyden pisteytysmalli

    • PropensityTraining__dlm(tulos DMO)

    • PropensityInference__dlm (tulos DMO)

    • PropensityScoring__dlm (tulos DMO)

    Omaisuuksien nimet vaihtelevat määrittämäsi kokoonpanon nimen mukaan. Jos esimerkiksi anna kokoonpanollesi nimeksi "Shirt", malli luo nämä omaisuudet automaattisesti.

    Paidan pisteytyksen muunnoksen määritelmä

    ShirtPropensityScoringData1__dlm

    Paita - Propensity Scoring -malli

  3. Kyselyiden taipumuspisteet.
    Jos haluat vahvistaa luodut pisteet, jotka ennustavat ostamisen todennäköisyyttä määritetyssä ennusteikkunassasi, suorita kysely

    PropensityScoring__dlm

    data Lake -objekti (DLO) kyselyeditorissa. Suorita esimerkiksi tämä datatila -kysely palauttaaksesi ensimmäiset 1 000 tietuetta.
    
      SELECT Id__c, ProductPropensityScore__c FROM PropensityScoringData__dlm 
       ORDER BY Id__c DESC LIMIT 1000

    Korvaa PropensityScoringData__dlm tuloksen DMO-organisaatiosi nimellä ennusteilla. Esimerkiksi ShirtPropensityScoringData1__dlm.

    Jos haluat varmistaa, että mallisi omaisuudet luotiin ja suoritettiin onnistuneesti kokoonpanosi nimen perusteella, avaa ensin Datamuunnokset-välilehti ja varmista, että nämä omaisuudet ovat olemassa. Avaa sitten AI-mallit-välilehti ja varmista, että mallisi on aktiivinen. Tarkasta, että mallisi loi seitsemän omaisuutta kokoonpanosi nimen perusteella.

Huomioitavaa

Datan vaatimukset

Käytä datatilan yksityishenkilöille vähintään 6 kuukauden ostohistoriaa ja toimintatapojen osallistumistietoja, kuten selaus- ja ostoskorin tapahtumia. Mallien rakentaja vaatii mallin rakentamiseen vähintään 400 tietuetta. Rajoitettu transaktiohistoria tai rajallinen osallistumistiedot voivat johtaa pistemääriin, jotka eivät vastaa ostotarkoitusta.

Henkilöt, joilla ei ole ostohistoriaa tai vähäistä osallistumistietoja, saavat vähäisen luottamustason pistemäärän. Käsittele näitä pistemääriä riittämättömänä datana, äläkä alhaisen ostotarkoituksen vuoksi. Tuotteet tarvitsevat historiallisia myyntidataa luodakseen hyödyllisiä suuntautumispisteitä.

Pistemäärän tulkinta

ProductPropensityScore__c-arvo edustaa suhteellista todennäköisyyttä, että yksityishenkilö ostaa määritetyn tuotteen tai tuotekategorian määritetyssä ennusteikkunassa. Useimmat yksityishenkilöt saavat matalia pistemääriä, koska yhden tuotteen perusostosuhde on tavallisesti alle 5 %.

Segmentoi pisteytys desimaalin tai prosenttiosuuden mukaan aktivointia varten. Kohdista esimerkiksi 10–20 prosenttia pisteytetyimmistä yksityishenkilöistä käyttämällä kiinteää numerokynnystä. Pisteiden jakaumat vaihtelevat tuotteen ja datan määrän mukaan.

Aikahorisontti ja tuoreus

Ennusteikkuna vaikuttaa mallin ennusteisiin. Lyhyet ajanjaksot suosivat viimeaikaisia toimintosignaaleja, kuten aktiivisia ostoskorin tapahtumia, kun taas pidemmät ajanjaksot painottavat historiallisia ostokuvioita enemmän.

Pisteet ovat ajankohtaisia ennusteita, jotka eivät ole luotettavia ennustejakson jälkeen. Pidä pisteet ajan tasalla suorittamalla johtopäätöksen transformaatio uudelleen määritetyn ennustejakson tasolla tai lyhyemmällä.

Ajoittaminen ja suorittaminen

Malli luo Training-, Inference- ja Scoring-erädatan transformaatiot, jotka suoritetaan järjestyksessä. Transformaatioita ei ajoiteta automaattisesti ensimmäisen luonnin jälkeen. Suorita transformaatiot ja mallin uudelleenkoulutus manuaalisesti uudelleen tai ajoita se pitääksesi pistemäärät ajan tasalla. Suoritusaika kasvaa datan määrän mukaan.

Asteikko

Malli luo pistemääriä jokaiselle yksittäisen tuotteen tai yksittäisen tuotteen kategorian yhdistelmälle. Tulostettu DMO (PropensityScoring__dlm) voi kasvaa merkittävästi, kun datatila sisältää useita henkilöitä ja tuotteita. Suunnittele tallennus- ja kyselystrategiasi asianmukaisesti.

Jokainen mallin kokoonpano kohdistaa yhden tuotteen tai tuotekategorian. Jos haluat pisteyttää useita tuotteita, luo jokaiselle tuotteelle erillinen kokoonpano tai valitse tuotekategoria kokoonpanon aikana.

Luoton kulutus

Malli kuluttaa krediittejä, kun se luo transformaatioita datan kouluttamiseen ja pisteyttämiseen. Tämä malli on deterministinen, joten se ei kuluta agenttien luottoja.

Muu

Malli tukee vain vakiomuotoisia Data Cloud -objekteja ja -kenttiä, jotka on mainittu kohdassa Propensity to Buy Template (beta). Et voi lisätä mukautettuja DMO-organisaatioita tai mukautettuja kenttiä mallin kokoonpanoon. Pisteytys tapahtuu vain erässä. Tapahtumien käynnistämää reaaliaikaista pisteytystä ei tueta.

 
Ladataan
Salesforce Help | Article