Criação de uma previsão de evento

Uma previsão é uma instância de um modelo de machine learning treinado e todos os parâmetros e dados que ele usa. Para saber mais sobre eventos de previsão, consulte a visão geral dos eventos de previsão.

Na Braze, acesse Análises de dados > Eventos preditivos.

Nessa página, você verá uma lista das previsões de eventos ativos atuais e algumas informações básicas sobre eles. Aqui, você pode renomear, arquivar e criar novas previsões. As previsões arquivadas são inativas e não atualizam as pontuações dos usuários.

Etapa 1: Criar uma nova previsão

1. Selecione Criar previsão e selecione uma nova previsão de evento.

2. Dê um nome exclusivo à sua previsão. Você também pode fornecer uma descrição para salvar quaisquer notas relevantes.

3. Clique em Avançar para passar para a próxima etapa.

Opcionalmente, você pode clicar em Build Now para usar todas as configurações padrão e pular para a última etapa da criação. Você terá a chance de revisar as configurações antes de iniciar o processo de compilação. Além disso, você pode retornar a qualquer etapa posteriormente clicando nela na barra superior.

Etapa 2: Especificar o rastreamento de eventos

Especifique se os eventos de seus usuários são armazenados no Braze como eventos de compra ou eventos personalizados.

Aqui, você verá se o método selecionado fornece dados suficientes para que a Braze crie um modelo de machine learning. Se o requisito não for atendido, tente selecionar o outro método de registro se ele também for usado pelo seu aplicativo. Infelizmente, se não for, o Braze não conseguirá criar uma previsão com a quantidade de dados disponíveis. Se achar que está vendo esse erro incorretamente, entre em contato com seu gerente de sucesso do cliente.

Janela de eventos

A janela do evento é o período de tempo em que se deseja prever se um usuário realizará o evento. Ele pode ser configurado para até 60 dias. Essa janela é usada para consultar dados históricos para treinar a previsão. Além disso, depois que a previsão é criada e os usuários recebem pontuações, a pontuação de probabilidade indica a probabilidade de um usuário realizar o evento dentro do número de dias especificado pela janela do evento.

Etapa 3: Filtre seu público de previsão (opcional)

Seu público de previsão é o grupo de usuários cuja pontuação de probabilidade você gostaria de prever. Se desejar, é possível executar uma previsão em toda a sua população de usuários. Para fazer isso, deixe a opção padrão All Users (Todos os usuários ) selecionada.

Normalmente, o modelo tem melhor desempenho se você filtrar os usuários que deseja avaliar com alguns critérios. Para fazer isso, selecione Definir meu próprio público de previsão e escolha seus filtros de público. Por exemplo, talvez você queira se concentrar nos usuários que usam o seu app há pelo menos 30 dias, selecionando o filtro “Usou o app pela primeira vez” definido como 30 dias.

A definição do público de previsão também é usada para consultar dados históricos para permitir que o modelo de machine learning aprenda com o passado. Da mesma forma que na página anterior, a quantidade de dados fornecidos por esses filtros é exibida junto com o requisito. Se você especificar o público desejado e não atingir o mínimo, tente especificar um filtro mais amplo ou use a opção Todos os usuários.

Quando a janela de eventos é de 14 dias ou menos, a janela de tempo para filtros que começam com “Última…”, como “Último aplicativo usado” e “Última compra feita”, não pode exceder a janela de eventos especificada no rastreamento de eventos. Por exemplo, se a janela de eventos estiver definida como 14 dias, a janela de tempo para os filtros “Últimos…” não poderá exceder 14 dias.

Modo “Todos os filtros”

Para criar uma nova previsão imediatamente, somente um subconjunto de filtros de segmentação da Braze é possível. O modo de filtro completo permite que você use todos os filtros do Braze, mas exigirá uma janela de eventos para criar a previsão.

Por exemplo, se a janela de eventos for definida como 14 dias, serão necessários 14 dias para coletar os dados de usuários e criar a previsão ao usar filtros compatíveis apenas com o modo de filtro completo. Além disso, algumas estimativas sobre o tamanho do público não estarão disponíveis no modo de filtro completo.

Etapa 4: Escolha o cronograma de atualização

O modelo de machine learning criado ao preencher esta página será usado em uma programação selecionada aqui para gerar novas pontuações da probabilidade de os usuários realizarem o evento (pontuação de probabilidade). Selecione a frequência máxima de atualizações que você considera útil. Por exemplo, se estiver prevendo compras e planejando enviar uma promoção semanal, defina a frequência de atualização como Weekly (Semanal ) no dia e hora de sua escolha.

Etapa 5: Previsão de construção

Verifique se os detalhes que você forneceu estão corretos e selecione Criar previsão. Você também pode salvar suas alterações no formato de rascunho selecionando Save As Draft para retornar a essa página e criar o modelo posteriormente.

Depois de clicar em Criar previsão, o processo que gera o modelo será iniciado. Isso pode levar de 30 minutos a algumas horas, dependendo do volume de dados. Para essa previsão, você verá uma página explicando que o treinamento está em andamento durante o processo de construção do modelo.

Quando concluída, a página mudará automaticamente para a visualização de análises preditivas, e você receberá um envio de e-mail informando que a previsão e os resultados estão prontos. No caso de um erro, a página retornará ao modo de edição com uma explicação do que deu errado.

A previsão será automaticamente reconstruída (“retreinada”) a cada duas semanas para mantê-la atualizada com os dados mais recentes disponíveis. Note que esse é um processo separado de quando as pontuações de probabilidade dos usuários, o resultado da previsão, são produzidas. O último é determinado pela frequência de atualização que você escolheu na etapa 4.

Previsões arquivadas

As previsões arquivadas deixarão de atualizar as pontuações dos usuários. Qualquer previsão arquivada que não esteja arquivada continuará atualizando as pontuações dos usuários em sua programação predeterminada. As previsões arquivadas nunca são excluídas e permanecem na lista.