比較インサイトの理解

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。
  • ストーリーの比較インサイトに移動して探索する。
  • 変数間の関係を理解する。
  • 顧客生涯価値 (CLV) を最大化するために、これらのインサイトを活用する。

比較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「ストーリーを使用した全体像の把握」の手順を参照してください。

比較インサイトは、ストーリーの説明変数と結果変数の関係をより深く理解するのに役立ちます。比較インサイトを使用すると、要因 (カテゴリやバケット) を切り分け、その影響を他の要因やグローバル平均と比較できます。 

たとえば、製造業の顧客に対する営業パフォーマンスと全体的な営業パフォーマンスを比較することができます。さらに、製造業の顧客と流通業の顧客に対する営業パフォーマンスを比較できます。 

データの統計分析に基づく比較インサイトを使用して、結果変数を最も大きく変動させる要因を突き止めることができます。Einstein Discovery では、滝グラフを表示してこれらの比較を視覚化します。

CLV を使用して最優良顧客を見極める

この単元では、比較インサイトを使用して、前に作成したストーリーを探索します。このストーリーの目標は、顧客生涯価値 (CLV) を最大化することです。CLV とは、会社と顧客の関係の存続期間にわたる収益を予測する総計値です。

説明変数の選択

[変数] パネルで、[Industry (業種)] をクリックします。

[変数] パネルで [Industry (業種)] をクリックします。

この画像が、Einstein Discovery で表示されている画面と多少異なっていても、心配しないでください。通常インターフェース要素は同じですが、表示されるデータなど、一部の詳細が若干異なる場合があります。

カテゴリとグローバル平均の比較

ストーリーの例では、グローバル平均はデータセット内のすべてのデータの平均 CLV を表しています。1 つのカテゴリの平均 CLV をグローバル平均 CLV と比較すると役に立つ可能性があります。 

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

[業種] で [配送] を選択します。

Einstein Discovery では、選択したカテゴリの平均 CLV とグローバル平均の比較について概要が表示されます。

選択したカテゴリの平均 CLV とグローバル平均を比較します。

概要の下に、業種が配送の場合のインサイトのリストがあります。

2 つのカテゴリの比較

次は、配送業界をテクノロジ業界と比較します。ブレッドクラムで、[比較対象] をクリックして [Technology (テクノロジ)] を選択します。

1 つ目の変数と比較する 2 つ目の変数を選択します。

Einstein Discovery では、2 つの業種間の平均 CLV の差異を要約し、滝グラフをその差異の詳細な説明と共に表示します。

テクノロジ CLV と配送 CLV を比較します。

全体として、テクノロジが配送を 12.36% 上回ることがわかります。 

グラフ上部のグレーの横棒にマウスポインタを置きます。

グラフのグレーのバーの上にマウスポインタを置くと表示される詳細。

グレーのバーは平均 CLV が高い方のカテゴリを示します (この場合はテクノロジ)。

グラフ下部の青い横棒の上にマウスポインタを置きます。

グラフの青いバーの上にマウスポインタを置くと表示される詳細。

青いバーは平均 CLV が低い方のカテゴリを示します (この場合は配送)。 

その間に赤と緑の横棒があります。赤いバーは配送の平均 CLV を下げる要因を表します。 

グラフの赤いバーの上にマウスポインタを置きます。次の例は、ディビジョンが標準ハードウェアで Ownership (所有権) が Public (公開) の場合、配送の平均 CLV は 183 減ることを示しています。

赤いバーにマウスポインタを置きます。

グラフの緑のバーの上にマウスポインタを置きます。次の例は、種類が Competitor (競合他社) の場合、配送の平均 CLV は 181 増えることを示しています。

緑のバーにマウスポインタを置きます。

これらのポップアップウィンドウの関連情報についての詳細は、Salesforce ヘルプの「カテゴリまたはバケットの比較」を参照してください。

リソース

結論

このモジュールでは、引き続き大手自動車部品メーカーの業務担当副社長として作業しました。ストーリーを作成し、Einstein Discovery によってデータから明らかになった数種類のインサイトを解釈する方法を学習しました。何が起きたのかを詳しく伝える説明的インサイトと、要因とグローバル平均や他の要因との比較を示す比較インサイトを見てきました。これらのインサイトを探索することで、調べたいビジネス成果に対し、説明変数がカテゴリや他の要因と共にどう寄与するかを学習しました。続けて Einstein Discovery で明らかになる他のインサイト (診断的インサイト、予測、改善) を探索するには、「Einstein Discovery のストーリーインサイト」 Trailhead モジュールに進んでください。 

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