Предиктивный
скоринг
В BPMSoft модель машинного обучения типа «Предиктивный скоринг» позволяет определить вероятность наступления определенного события. На основе исторических данных модель для записей вычисляет числовой показатель, отражающий эту вероятность. Чем выше значение показателя, тем выше вероятность того, что событие произойдет.
По умолчанию в BPMSoft настроены следующие модели предиктивного скоринга:
- «Предиктивный скоринг: Лиды»;
- «Предиктивный скоринг: Продажи».
Подробнее с каждой настроенной моделью вы можете ознакомиться в Преднастроенные модели машинного обучения.
Например, модель «Предиктивный скоринг: Лиды» анализирует данные о контрагенте, контакте и источнике лида. На основании этих данных определяется предиктивный рейтинг — вероятность совершения сделки с потенциальным клиентом. Чем выше рейтинг, тем выше вероятность совершения продажи. Подробнее об использовании модели смотрите в Преднастроенные модели машинного обучения.
Рисунок 1 — Результат прогнозирования предиктивного рейтинга лида
Этапы настройки модели
Для настройки предиктивного скоринга необходимо выполнить следующие этапы:
- Создать модель и настроить ее параметры. Подробнее: Создание модели.
- Обучить модель машинного обучения на бизнес-данных компании. Подробнее: Обучение модели.
- Настроить запуск прогнозирования: по бизнес-процессу, который позволяет регулировать время запуска и количество прогнозируемых записей.
Создание модели
Чтобы создать модель предиктивного скоринга, выполните следующие шаги:
- Перейдите в раздел «Модели машинного обучения» из дизайнера системы
или рабочего места «Конструктор». - Нажмите кнопку «Добавить» и выберите модель типа «Предиктивный скоринг».
Рисунок 2 — Создание модели типа «Предиктивный скоринг»
- В мини-карточке заполните обязательные поля:
- Название — название модели;
- Тип — тип модели машинного обучения, значение устанавливается автоматически согласно выбранному типу;
- Объект — объект, для записей которого необходимо прогнозировать данные;
- Название экземпляра — уникальное название текущего экземпляра модели машинного обучения. Рекомендуется использовать латинские буквы и цифры.
Рисунок 3 — Мини-карточка создания модели предиктивного скоринга
- Нажмите кнопку «Далее». Откроется страница настройки и обучения модели. Вы можете закрыть страницу и вернуться к ее настройкам позднее.
- Настройте параметры на странице модели и нажмите кнопку «Сохранить».
Параметры модели
На вкладке «Параметры» содержатся основные параметры для настройки модели.
Рисунок 4 — Страница базовой модели предиктивного скоринга лида
Параметр «Какие записи считать успешными?»
Укажите, какие записи будут считаться успешными. Здесь необходимо указать определенные колонки объекта и указать желаемую фильтрацию для них.
Например, для настроенной модели «Предиктивный скоринг: Лиды» записи считаются успешными, если находятся на стадии «Потребность удовлетворена» или «Перевод в продажу».
Рисунок 5 — Параметр модели «Какие записи считать успешными?»
Параметр «От каких колонок зависит прогнозируемое значение?»
Колонки, которые модель проанализирует для прогнозирования. От значений этих колонок будет зависеть результат прогноза. Для выбора доступны как колонки объекта, по которому производится прогнозирование, так и связанных объектов.
Например, для прогнозирования вероятности совершения сделки модель «Предиктивный скоринг: Лиды» анализирует значения следующих колонок лида:
- Как зарегистрирован;
- Количество лидов контакта;
- Канал;
- Контакт. Роль;
- Источник;
- Контрагент. Категория;
- Контрагент. Отрасль;
- Департамент;
- Контакт. Тип;
- Контрагент. Тип;
- Тип потребности.
Рисунок 6 — Параметр модели «От каких колонок зависит прогнозируемое значение?»
Каждый из указанных параметров может влиять на результат прогнозирования. Его значимость определяется весом, который автоматически рассчитывается после обучения модели. Для просмотра веса параметров перейдите на вкладку «Обучение». Если вес параметра равен 0, то есть он не оказывает влияние на прогноз, то вы можете его исключить или заменить на другой параметр. Подробнее: Сведения об обучении модели
Параметр «Какие записи должны попасть в обучающую выборку?»
Записи, которые попадут в обучающую выборку. Здесь необходимо настроить фильтрацию для формирования выборки, на которой будет обучаться модель. Если для обучения необходимо использовать все записи, не используйте фильтр.
Например, базовая модель «Предиктивный скоринг: Лиды» обучается на только на тех лидах, у которых заполнено поле «Дата перевода в конечную стадию» или «Продажа. Дата создания».
Рисунок 7 — Параметр модели «Какие записи должны попасть в обучающую выборку?»
Параметр «В какую колонку сохранять результат прогнозирования?»
Поле объекта, в которое будет записываться результат работы модели. Как правило, результат прогноза сохраняется в поле, которое необходимо предсказать.
Рисунок 8 — Параметр модели «В какую колонку сохранять результат прогнозирования?»
Расширенные настройки модели
На вкладке «Расширенные настройки» вы можете указать дополнительные параметры для настройки модели.
Параметр «Добавить дополнительные колонки расширенными средствами?»
Здесь вы можете сформировать запрос на языке С# с использованием специальных классов для обращения к базе данных на выборку дополнительных колонок, от которых будет зависеть прогнозируемое значение.
Рисунок 9 — Параметр модели «Добавить дополнительные колонки расширенными средствами?»
Параметр «Расширенные параметры модели»
Минимальное и максимальное количество записей, используемых для обучения модели. Значения в полях устанавливаются автоматически, при необходимости вы можете их изменить.
Рисунок 10 — Параметр модели «Расширенные параметры модели»
Рекомендуем изучить
Онлайн-курс «Предиктивная аналитика, возможности машинного обучения в BPMSoft»
Модели машинного обучения
Создание бизнес-процесса с использованием модели
Обучение модели