학습 속성

학습 모듈은 방문자 속성 및 오퍼 수락 데이터를 사용하여 학습합니다. 모니터하는 방문자 속성을 선택할 수 있습니다. 이 방문자 속성은 대화식 플로우차트에서 참조하는 차원 테이블에 저장된 속성 또는 실시간으로 수집하는 일부 이벤트 매개변수를 포함하여 고객 프로파일 내 어떤 것일 수 있습니다.

모니터할 속성을 얼마든지 구성할 수 있지만, IBM에서는 다음 지침을 따라 정적 및 동적 학습 속성 사이에 오직 10개의 학습 속성을 구성하도록 권장합니다.

독립 속성을 선택하십시오.

유사한 속성을 선택하지 마십시오. 예를 들어, HighValue라는 속성을 작성하고 해당 속성이 급여를 기준 계산에 의해 정의된 경우 HighValue와 Salary를 모두 선택하지는 마십시오. 유사한 속성은 학습 알고리즘에 도움이 되지 않습니다.

별개 값을 가진 속성을 선택하십시오.

속성이 값 범위를 갖는 경우, 정확한 값을 선택해야 합니다. 예를 들어, 급여를 속성으로 사용하고 각 급여 범위에 특정 값을 지정해야 할 경우 20,000 - 30,000 범위는 A여야 하고 30,001 - 40,000은 B여야 합니다.

성능을 저해하지 않도록 추적할 속성 수를 제한하십시오.

추적할 수 있는 속성 수는 성능 요구사항 및 Interact 설치에 따라 다릅니다. 가능하다면, 다른 모델링 도구(예: PredictiveInsight)를 사용하여 상위 10개의 예측 가능한 속성을 판별하십시오. 예측 불가능하지만 성능 비용도 드는 속성을 자동으로 정리하도록 학습 모듈을 구성할 수 있습니다.

모니터하는 속성 수와 모니터하는 속성당 값 수를 모두 정의하여 성능을 관리할 수 있습니다. maxAttributeNames 특성은 추적하는 최대 방문자 수 속성을 정의합니다. maxAttributeValues 특성은 속성당 추적하는 최대 값 수를 정의합니다. otherAttributeValue 특성 값이 정의한 카테고리에는 기타 모든 값이 할당됩니다. 그러나 학습 엔진은 발생하는 첫 번째 값만 추적합니다. 예를 들어, 방문자 속성 안구 색상을 추적 중입니다. 파란색, 갈색, 녹색에만 관심이 있으므로 maxAttributeValues를 3으로 설정합니다. 그러나 처음 세 방문자의 값은 파란색, 갈색, 담갈색입니다. 이는 녹색 안구를 가진 모든 방문자에게 otherAttributeValue가 지정됨을 의미합니다.

학습 조건을 보다 명확하게 지정할 수 있게 하는 동적 학습 속성도 사용할 수 있습니다. 동적 학습 속성을 사용하여 두 속성의 조합을 단일 항목으로 학습할 수 있습니다. 예를 들어, 다음 프로파일 정보를 고려하십시오.

방문자 ID	카드 유형	카드 잔액
1	골드 카드	$1,000
2	골드 카드	$9,000
3	브론즈 카드	$1,000
4	브론즈 카드	$9,000

표준 학습 속성을 사용하는 경우, 카드 유형 및 잔액만 개별적으로 학습할 수 있습니다. 방문자 1, 2는 동일한 카드 유형을 기준으로 함께 그룹화되고 방문자 2, 4는 카드 잔액을 기준으로 그룹화됩니다. 이는 오퍼 수락 동작의 정확한 작동의 예측 변수가 아닐 수 있습니다. 골드 카드 소지자의 잔액이 더 많으면 방문자 2의 동작은 방문자 4와 근본적으로 다르며, 이는 표준 학습 속성을 왜곡합니다. 그러나 동적 학습 속성을 사용하면 이러한 방문자를 각각 개별적으로 학습하며 예측이 보다 정확합니다.

동적 학습 속성을 사용하고 방문자가 속성에 대한 두 개의 유효한 값을 갖는 경우, 학습 모듈은 모듈이 찾는 첫 번째 값을 선택합니다.

enablePruning 특성을 yes로 설정하면, 학습 모듈은 예측 불가능한 속성을 알고리즘적으로 판별하고 가중치 계산 시 해당 속성을 고려하지 않습니다. 예를 들어, 모발 색상을 나타내는 속성을 추적하고 학습 모듈이 방문자의 모발 색상을 기준으로 수락할 패턴이 없다고 판별하면 학습 모듈은 모발 색상 속성을 고려하지 않습니다. 속성은 학습 집계 프로세스가 실행될 때마다 다시 평가됩니다(aggregateStatsIntervalInMinutes 특성으로 정의됨). 동적 학습 속성도 정리됩니다.