学習属性
学習モジュールでは、訪問者属性とオファー受け入れデータを使用して学習されます。モニターする訪問者属性を選択できます。これらの訪問者属性には、対話式フローチャートで参照するディメンション・テーブルに保管されている属性や、リアルタイムに収集するいくつかのイベント・パラメーターを含め、顧客プロファイル内のものはどれも選択可能です。
モニターする属性はいくつでも構成できますが、IBM® では、以下のガイドラインに従って、静的学習属性と動的学習属性間で 10 個程度までの学習属性を構成することをお勧めしています。
*
類似した属性を選択しないでください。例えば、HighValue という属性を作成して、その属性が給料に基づく計算によって定義される場合、HighValue と Salary の両方は選択しないでください。類似の属性は学習アルゴリズムには役立ちません。
*
属性に値の範囲がある場合、厳密な値を選択する必要があります。例えば、属性として給料を使用する場合、各給料の範囲に特定の値 (範囲 20,000 から 30,000 までは A、30,001 から 40,000 までは B など) を指定する必要があります。
*
追跡できる属性の数は、パフォーマンス要件と Interact インストール済み環境に応じて異なります。 可能な場合は、別のモデリング・ツール (PredictiveInsight など) を使用して、上位 10 個の予測属性を判別してください。予測されない属性を自動的に除去するように学習モジュールを構成できますが、これにはパフォーマンス・コストも掛かります。
モニターする属性の数とモニターする属性ごとの値の数の両方を定義することによって、パフォーマンスを管理できます。maxAttributeNames プロパティーでは、追跡する訪問者属性の最大数を定義します。maxAttributeValues プロパティーでは、属性ごとに追跡する値の最大数を定義します。その他のすべての値は、otherAttributeValue プロパティーの値によって定義されたカテゴリーに割り当てられます。 ただし、学習エンジンは、検出された最初の値のみを追跡します。 例えば、訪問者属性の目の色を追跡するとします。対象とする値を、青色、茶色、および緑色のみとして、maxAttributeValues を 3 に設定します。しかし、最初の 3 人の訪問者の値は、青色、茶色、およびヘーゼルでした。この場合、緑色の目のすべての訪問者は otherAttributeValue に割り当てられます。
学習基準をより詳細に定義できる、動的学習属性を使用することもできます。動的学習属性を使用すると、2 つの属性の組み合わせを単一のエントリーとして学習させることができます。例えば、以下のプロファイル情報を考慮します。
標準学習属性を使用する場合、カード・タイプとカード残高を個別にのみ学習させることができます。訪問者 1 と 2 は、カード・タイプに基づいて同じグループに分類され、訪問者 2 と 4 は、カード残高に基づいて同じグループに分類されます。これは、オファーの受け入れ行動の正確な予測子にならない場合があります。ゴールド・カード保有者は残高がより高額になる傾向があるとすると、訪問者 2 の行動は訪問者 4 とは根本的に異なる可能性があり、そのことは標準学習属性を偏らせます。しかし、動的学習属性を使用すると、これらの訪問者ごとに個別に学習され、予測はより正確になります。
動的学習属性を使用し、訪問者が 1 つの属性に対して 2 つの有効な値を持つ場合、学習モジュールでは検出された最初の値が選択されます。
enablePruning プロパティーを yes に設定している場合、学習モジュールのアルゴリズムによって、予測されない属性が判別され、これらの属性は重みの計算時に考慮の対象から外されます。例えば、髪色を表す属性を追跡しており、学習モジュールによって、訪問者の髪色に基づいてオファーを受け入れるパターンが存在しないと判別された場合、学習モジュールでは、髪色の属性を考慮することは中止されます。属性は、学習集計プロセスの実行 (aggregateStatsIntervalInMinutes プロパティーで定義されている) ごとに再評価されます。 動的学習属性も除去されます。