診断的インサイトの理解

学習の目的

この単元を完了すると、次のことができるようになります。
  • ストーリーの診断的インサイトに移動して探索する。
  • 複数の要素の組み合わせがどのように結果に影響を及ぼすのかを理解する。
  • 関連しない要素がどのように結果に影響を及ぼすのかを理解する。

診断的インサイトについて

メモ

メモ

この単元の手順は、Einstein Discovery ストーリーを正常に作成済みであることを前提としています。この Trailhead モジュールの最初の単元「ストーリーの作成」の手順を参照してください。

診断的インサイトは、結果につながった正確な要因についてさらに詳しく調べるのに役立ちます。診断的インサイトを使用して、ストーリーの目標に寄与したさまざまな要因を詳しく掘り下げます。このインサイトは、データセットの統計分析に基づき、AI と機械学習によって強化されています。Einstein Discovery では、滝グラフを使用して診断を視覚化します。

ストーリーの結果変数と目標

ストーリーを設定したら、Einstein Discovery に対して、AcquiredAccount の変数を最大化するよう指示します。CLV はストーリーの結果変数で、CLV を最大化することが目標です。このストーリーのどのインサイトも、異なる変数や変数の組み合わせによって CLV の変動がどのように説明されるかを表します。リストの上部にあるインサイトには、結果変数の統計的に有意な変動が反映されます。

説明変数の選択

[変数] パネルで、[Division (ディビジョン)] をクリックします。

変数を選択します。

ブレッドクラムで、[値を選択] をクリックして [Naval (海軍)] を選択します。

[Search story insights (ストーリーインサイトの検索)] ドロップダウンリストで [Division - Naval (ディビジョン - 海軍)] を選択します。

概要は、ディビジョンが海軍の場合、平均 CLV がグローバル平均を 1.75% 上回ることを示しています。これはなぜでしょうか? 調べてみましょう。[これが優れている理由は?] をクリックします。

[Division is Naval (ディビジョンが海軍)] の場合の平均 CLV。

Einstein Discovery に滝グラフが表示されます。

[Division is Naval (ディビジョンが海軍)] の滝グラフ。海軍ディビジョンに属するお客様がなぜ顧客平均と異なるのかについて、グラフから何がわかるでしょうか?

  • [Global Average (グローバル平均)] (上部のグレーのバー) は、すべてのディビジョン (海軍を含む) 全体の CLV の平均値を表します。
  • [Division is Naval (ディビジョンが海軍)] (グローバル平均の下にある緑のバー) は、海軍ディビジョンの平均 CLV の値を表します。
グラフでは、海軍ディビジョンの CLV は平均よりもかなり高くなっています。海軍のお客様は本質的に優良なのでしょうか。基本的には他の顧客と変わらないけれども、CLV を高くする根本的な相関関係があるのでしょうか。それとも、両方が少しずつ組み合わさっているのでしょうか。調べてみましょう。

[Global Average (グローバル平均)] の上にマウスポインタを置いて詳細を表示します。

[Global Outcome (グローバル結果)] の詳細

[Global Outcome (グローバル結果)] のグローバル平均値は 20,136、グローバルカウントは 10,000 になっています。このデータが示しているのは、すべてのディビジョン (海軍を含む) の平均 CLV が 20,136 ドルで、データセット内の行数 (観測数とも呼ばれる) が 10,000 であるということです。

「Division is Naval (ディビジョンが海軍)」インサイトの理解

[Division is Naval (ディビジョンが海軍)] の上にマウスポインタを置いて詳細を表示します。

[Division is Naval (ディビジョンが海軍)] の詳細

この情報から、海軍のお客様について多くのことを知ることができます。まずビルディングブロックを理解するために、次の順に数値を見ていきましょう。

  • [Frequency (頻度)]3.3%。海軍ディビジョンのお客様が、顧客全体で占める割合はたったの 3.3 % です。海軍の顧客の CLV は平均を上回っているので、これは非常に残念なことです。海軍の潜在顧客の獲得に乗り出すべきでしょうか? それとも、海軍の市場が小さいことに気付き、他のディビジョンに重点的に取り組むべきでしょうか?
  • [Conditional Frequency (条件付き頻度)]1 (100%)。この場合、[Division is Naval (ディビジョンが海軍)] カテゴリのレコードの 100 % が海軍ディビジョンのものです。この情報は当たり前のように思えるかもしれません。
メモ

メモ

この数値は次のように使用できます。数値が大きい場合 (1,000 など)、他に考慮する要素がなければ、海軍の顧客であることの効果は、CLV が平均より 1,000 ドル高くなるということです。素晴らしい! ところが、実際の結果は 1,000 ドルよりかなり低くなっています。この情報は、海軍のお客様は高い価値を持つ可能性があるが、他の何らかの要素によってこの数値が引き下げられていることを示しています。

  • [Coefficient (係数)]-267。係数のこの値にはどのような意味があるのでしょうか? 他に関わりのある要素がなければ、海軍ディビジョンの CLV が平均より 267 ドル低くなるということです。この数値は、ディビジョンが海軍であるという単純な事実が、海軍ディビジョンの CLV に影響することを示しています。
  • [Precluded Sum (除外した場合の合計)]4,596。顧客平均への影響には、海軍ディビジョンに属する顧客の影響と、それ以外の顧客の影響が含まれます。Einstein Discovery では、海軍ディビジョンに属さない顧客が、海軍ディビジョンに属す顧客の CLV に与える影響が計算されます。この場合、海軍以外のディビジョンのすべての影響を取り除くと、CLV が 4,596 ドル高くなります。
  • [Impact (影響)]4,338。この数値は正味の影響を表しています。このポップアップの下部に [Contribution to Outcome (結果への貢献)] としても表示されます。単純に海軍の顧客であることの効果と、海軍に属す顧客全体の割合が考慮されます。また、海軍以外の顧客の影響も考慮に入れられます。これは、[Related to (関連する)] カテゴリと [Unrelated (関連しない)] カテゴリに他の要素がなければ、海軍の顧客の CLV は平均よりも 4,338 ドル高くなることを示しています。これは大きな数値です。私たちはなぜこの可能性に気付いていないのでしょうか? それについては後続のセクションで調べます。

[Division is Naval (ディビジョンが海軍)] カテゴリの一時分析はこれで完了です。次は、別のカテゴリを見てみましょう。

[Unrelated (関連しない)] カテゴリの理解

海軍ディビジョンに関連するカテゴリから、有用な情報を得ました。次は、[Unrelated (関連しない)] カテゴリを見てみましょう。ただし、なぜ関連しない情報を見るのでしょうか? 良い質問です。このセクションの情報は「関連しない」ものです。つまり、海軍ディビジョンの顧客に特有のものではありません。このセクションには、すべての顧客にプラスまたはマイナスの影響を及ぼす要素が表示されます。また、顧客全般と比較し、ある要素が海軍の顧客に発生する頻度の説明も表示されます。具体的に説明しましょう。

  • 海軍の顧客に良いことが起こる頻度がすべての顧客よりも高ければ、その効果はプラスです。
  • 海軍の顧客に良いことが起こる頻度がすべての顧客よりも低ければ、その効果はマイナスです。
  • 海軍の顧客に悪いことが起こる頻度がすべての顧客よりも高ければ、その効果はマイナスです。
  • 海軍の顧客に悪いことが起こる頻度がすべての顧客よりも低ければ、その効果はプラスです。

つまり、Einstein Discovery は悪いことが起こる頻度が低ければ、それがプラスの影響となる場合があることを示す十分な能力を備えています。他の例を確認するためにグラフを見てみましょう。

[Unrelated Small Contributors (関連しない小さな要因)] バーの上にマウスポインタを置いて詳細を表示します。

[Division is Naval (ディビジョンが海軍)] に対する [Unrelated Small Contributors (関連しない小さな要因)]

その他すべての要素 (合計 299 個の小さな要因) が、CLV の 232 ドルの増加を説明していることがわかります。

[Unrelated (関連しない)] セクションの力にすぐにお気付きになることでしょう。ここには、何かが発生した理由についてより深い情報が表示されます。つまり、この情報を使用して、適切な人物の功績を認める (または建設的なフィードバックを与える) ことができます。

関連しない要素の説明はこれぐらいにして、次は [Unexplained (説明不能)] セクションへ進みましょう。

[Unexplained (説明不能)] セクションの理解

説明不能な現象を調べるというと謎めいて聞こえますが、単に、要求されたサブセット内のすべての観測および全体的な平均に対する予測を、観測された平均と比較するだけのことです。このバーは、説明不能な要素の平均が上回っているか下回っているかを示しています。

[Unexplained (説明不能)] バーの上にマウスポインタを置いて詳細を表示します。

Unexplained (説明不能)

実際の平均 CLV (データセットから計算) と予測された平均 CLV (Einstein Discovery の予測モデルから計算) の差異は 481 ドルです。

リソース

無料で学習を続けましょう!
続けるにはアカウントにサインアップしてください。
サインアップすると次のような機能が利用できるようになります。
  • 各自のキャリア目標に合わせてパーソナライズされたおすすめが表示される
  • ハンズオン Challenge やテストでスキルを練習できる
  • 進捗状況を追跡して上司と共有できる
  • メンターやキャリアチャンスと繋がることができる