Настроить предиктивный скоринг

В Creatio вы можете настраивать и обучать модели машинного обучения, чтобы выполнять предиктивный скоринг записей в любом разделе системы. Предиктивный скоринг позволит определить вероятность наступления какого-либо события. Например, вы можете создать модель, которая будет оценивать вероятность перевода лидов в продажу на основании данных о бюджете и успешности перевода в продажу исторических записей. Предиктивный скоринг лидов с использованием данной модели прогнозирования доступен в системе по умолчанию. Эта модель реализована при помощи запросов и применения средств разработки. В данной статье мы рассмотрим пример настройки аналогичной модели пользовательскими средствами.

Предиктивный скоринг рассчитывается по шкале от 0 до 100 баллов. Вы можете отобразить рассчитанное значение на странице записи в виде числового поля или графика. Подробнее: Аналитика на странице записи.

1. Добавить новую модель 

Чтобы создать модель предиктивного скоринга:

1. В рабочем месте [ Студия ] откройте раздел [ Модели машинного обучения ].
2. Нажмите кнопку [ Добавить модель ] — > [ Предиктивный скоринг ].
3. Заполните мини-карточку создания модели (Рис. 1):
   1. [ Название ] — введите название модели, по которому ее будет легко найти в реестре раздела [ Модели машинного обучения ] и при настройке бизнес-процесса с элементом [ Прогнозирование данных ].
   2. [ Тип ] — тип модели машинного обучения. В данном примере — “Предиктивный скоринг”. Поле заполняется автоматически при выборе типа модели на предыдущем шаге.
   3. [ Объект ] — выберите объект, по записям которого будет выполняться прогнозирование, в данном примере — “Лид”.
   Рис. 1 — Мини-карточка создания модели предиктивного скоринга

   
4. Сохраните мини-карточку и перейдите к настройке параметров модели предиктивного скоринга по кнопке [ Далее ].

2. Настроить параметры модели 

После заполнения обязательных полей укажите параметры модели:

1. [ Какие записи считать успешными? ] — настройте фильтр, на основании которого система определит наиболее “успешные” записи. То есть, записи, которым изначально можно установить высокий рейтинг. В нашем примере лид считается успешным, если его бюджет превышает 50 000 долларов и лид был переведен в продажу. Для этого установите следующие фильтры: “Бюджет > 50 000,00” и “Стадия = Перевод в продажу”.

2. [ От каких колонок зависит прогнозируемое значение? ] — выберите “Колонку объекта” или “Связанную колонку”, чтобы добавить колонки, которые будут проанализированы для определения рейтинга лида. Например, если рейтинг лида зависит от бюджета, годового оборота и положения лида в воронке, то выберите колонки объекта [ Бюджет ], [ Годовой оборот ] и [ Стадия лида ]. Система проанализирует, каким образом эти колонки были заполнены в исторических записях, сравнит их с данными успешных лидов и рассчитает предиктивный рейтинг.

3. [ Какие записи должны попасть в обучающую выборку? ] — настройте фильтр для формирования выборки данных, на которых будет обучаться модель. Система использует эти записи для определения соотношения предиктивного рейтинга лида и колонок, на которых основывается прогноз. В нашем примере необходимо выбрать для обучения модели только те записи, в которых указан бюджет лида. Для этого установите следующий фильтр: “Бюджет заполнено”.

   Вы можете не указывать условия фильтрации. В этом случае для обучения будут использоваться все записи.

   На заметку. Вы можете сохранить и обучить модель уже на этом этапе по кнопке [ Обучить модель ]. В этом случае результаты обучения можно будет увидеть в поле [ Ожидаемая точность ]. Чтобы сохранить результаты прогнозирования, заполните поле [ В какую колонку сохранять результат прогнозирования? ].

4. [ В какую колонку сохранять результат прогнозирования? ] — укажите, где в системе будет сохраняться результат прогноза. Обычно прогнозное значение сохраняется в колонку, значение которой требовалось предсказать. Если вы хотите, чтобы прогноз сохранялся в другой колонке, то укажите ее в этом поле. Например, вы можете добавить колонку [ Предиктивный бюджет ] на страницу лида и сохранять в нее полученный прогноз. Добавить специальную колонку для сохранения результата прогнозирования можно в мастере разделов. Подробнее: Настроить поля страницы.

5. [ Настройка автоматического обучения модели ] — перетяните ползунок вправо, чтобы задать параметры автоматического переобучения модели на основании обновленных исторических данных.

   1. В поле [ Переобучать через, дней ] укажите длительность перерыва между обучениями модели. По истечении указанного количества дней модель будет отправлена на переобучение с использованием исторических данных, которые соответствуют настроенным фильтрам. Первое обучение модели проводится по нажатию кнопки [ Обучить модель ]. Если вы не хотите переобучать модель, то оставьте поле незаполненным или введите “0”.

   2. В поле [ Нижний порог допустимого качества ] укажите наименьшее допустимое значение точности прогноза. При первом обучении модели это значение определит точность прогноза, по достижении которой экземпляры модели могут применяться для работы в системе. Экземпляры, не достигшие нижнего порога допустимого качества, системой не используются. Рекомендуется указывать нижний порог допустимого качества более 0,5. Точность прогноза варьируется от 0,00 до 1,00, где 1,00 — это максимально точный прогноз, а 0,00 — наименее точный. Точность прогноза рассчитывается как отношение количества правильно спрогнозированных значений к общему количеству исторических данных, на которых проводилось обучение. Подробно о механизме расчета точности прогнозов читайте в документации Google.

6. В группе полей [ Настройка фонового обновления результатов прогнозирования ] перетащите вправо ползунок, если вы хотите, чтобы для всех записей ежедневно в заданное время выполнялось обновление результатов прогнозирования (Рис. 2). Если необходимо обновлять только избранные записи, настройте условия фильтра.

Рис. 2 — Параметры модели предиктивного скоринга

3. Добавить расширенные настройки 

Перейдите на вкладку [ Расширенные настройки ], если вы хотите указать дополнительные параметры модели прогнозирования. Заполните поля аналогично тому, как это описано в настройках для модели прогнозирования справочного поля (Рис. 3) и нажмите кнопку [ Сохранить ]. Для начала обучения модели предиктивного скоринга нажмите кнопку [ Обучить модель ].

Рис. 3 — Расширенные параметры модели предиктивного скоринга

Результат прогнозирования 

В результате в Creatio будет создана новая модель.

Если вы настроили пакетное прогнозирование данных, то прогноз будет обновляться ежедневно в заданное время для всех выбранных записей без необходимости настройки бизнес-процесса.

Чтобы самостоятельно определять время запуска и количество записей, для которых необходимо выполнить прогнозирование, необходимо настроить бизнес-процесс с элементом [ Прогнозировать данные ]. При запуске процесса будет производиться расчет предиктивного рейтинга для выбранных записей. Подробнее: Настроить процесс прогнозирования.

В нашем примере модель предиктивного скоринга лидов проанализирует данные в колонках [ Бюджет ], [ Годовой оборот ] и [ Стадия лида ] для всех лидов, у которых заполнено поле [ Бюджет ], и сравнит их с данными лидов, переведенных в продажи. Чем больше исторических данных используется для обучения модели, тем выше точность прогноза.

Когда будет получен экземпляр модели с точностью прогноза, равной или превышающей нижний порог допустимого качества, в разделе будет доступен предиктивный рейтинг лида, полученный на основании данных полей [ Бюджет ], [ Годовой оборот ] и [ Стадия лида ].