이상 현상 + 예측: 데이터에서 이상 현상을 찾아내십시오.

Amplitude의 이상 현상 + 예측 기능은 과거 데이터 및 각 지표가 향하고 있는 예측을 기반으로 예상 지표 값과의 통계적으로 유의미한 편차를 강조 표시합니다. 핵심 지표가 변동될 때, 이는 변화가 의미 있는 것인지 아니면 무작위적인 소음인지 알려줍니다.

이 방법은 다음과 같은 도움을 줄 수 있습니다.

• 변화가 진정으로 의미 있는 것인지 판단
• 계측 오류 파악
• 계절별 동향 연구
• 제품 릴리즈 타임라인의 영향 모니터링

미래에 대한 프로젝트 지표를 미래로 투영하여 팀과 제품에 대한 현실적인 목표를 설정하는 데 도움을 줍니다.

시작하기 전에

이상 탐지 및 예측은 다음과 같은 Amplitude 차트의 시계열 데이터와 관련하여 작동합니다. 이벤트 세분화, 시간별 전환(전체 퍼널에 대해 고유 사용자별로 계산할 때), 사용자 세션, 시간별 리텐션 및 시간별 사용자 고착도.

이벤트 세분화 세그멘테이션 내에서 이상 현상 + 예측은 롤링 윈도우, 롤링 평균, 그로쓰 백분율 및 시계열 분석을 지원하는 사용자 지정 공식과 함께 작동합니다.

이상 탐지는 누적 시계열 차트 또는 서로 다른 두 기간을 비교하는 차트와 호환되지 않습니다.

시간 간격을 사용하는 경우 이상 + 예측은 최대 하나의 속성별을 지원합니다.

이상 탐지 설정

Anomaly + Forecast는 광범위하게 테스트된 오픈 소스 툴인 Prophet을 기반으로 한 이상 탐지 기술을 사용합니다. Prophet은 시계열 데이터를 예측하고 누락된 데이터 요소, 추세 변화 및 대규모 이상값을 처리합니다.

이 기능에 대한 컨트롤은 기본 차트 영역 바로 위에 있는 왼쪽에서 찾을 수 있습니다. 차트가 이상 + 예측 기능에서 지원되지 않는 경우 이 버튼을 클릭할 수 없습니다.

이상 탐지를 설정하려면 다음 단계를 수행하십시오.

1. 이 기능을 활성화하려면 _[이상 징후 + 예측]_을 클릭합니다. 이 기능을 사용하면 버튼이 주황색으로 바뀝니다.

2. 이상 징후 + 예측 버튼 오른쪽에 있는 드롭다운 화살표를 클릭합니다.

3. 모드를 선택합니다. 옵션에는 agile, robust 및 custom이 있습니다. 애자일 모드는 95% 신뢰 구간과 차트의 날짜 범위 이전의 120일간의 학습 데이터를 사용하여 최근 추세에 더 빠르게 조정합니다. 로버스트 모드는 1년 전체의 추가 학습 데이터를 사용하고 계절성을 더 잘 반영하므로 안정적인 지표에 가장 적합합니다. 사용자 지정을 사용하면 신뢰 구간과 학습 기간을 변경할 수 있습니다. 유의성 수준이 높을수록 일반적으로 차트의 이상 현상이 줄어듭니다.

4. 원하는 경우 예측을 추가합니다. 예측 기능은 측정 기준의 미래 수치를 투영하는 반면, 비정상은 과거 데이터에만 적용됩니다. 예측을 추가하려면 예측 기간 필드에 예측에 대한 개월 수를 입력합니다.
5. _적용_을 클릭하여 비정상 현상 감지를 시작합니다.

자동화된 프로젝트 경고 설정

프로젝트의 모든 비정상적인 현상에 대한 이메일로 요약을 요청할 수 있습니다. 이러한 요약은 자동화되며 여러 프로젝트에 대해 설정할 수 있습니다. 이 기능을 켜면 다이제스트는 사용자가 이를 끌 때까지 계속됩니다.

프로젝트의 비정상적인 현상에 대한 자동 경고를 설정하려면 _조직 설정 > 프로젝트_로 이동하여 관심 있는 프로젝트를 찾은 후 클릭하십시오. 그런 다음 자동 경고 탭을 클릭하고 토글 스위치를 눌러 프로젝트 경고를 신청하십시오.

알림이 활성화되면 Amplitude는 프로젝트에 의해 자동으로 생성된 모든 알림을 나열한 테이블을 이 페이지에 표시합니다. 알림을 클릭하여 알림이 발생한 차트를 열고 해당 알림을 컨텍스트와 관련하여 확인합니다.

결과를 해석하십시오

단일 시리즈가 포함된 차트에는 실제 데이터에 대한 파란색 실선 옆에 연한 파란색 밴드(신뢰 구간)와 예상 값을 나타내는 점선이 표시됩니다. 탐지된 이상 현상은 신뢰 범위 밖에 있는 경우 주황색으로 표시됩니다. 예를 들어 “120일간의 학습 데이터를 기반으로 한 결과, 이 데이터 포인트는 95% 신뢰도로 예기치 않은 변화를 나타냅니다.”라고 말할 수 있습니다.

주황색 점이 없으면 모든 데이터 포인트가 신뢰 구간 내에 있습니다.

한 차트에서 여러 시리즈를 사용하여 이상 징후와 예측을 실행할 수 있습니다. 각 시리즈 위에 마우스를 올려 놓으면 해당 신뢰 범위가 표시됩니다(신뢰 범위도 다른 색상으로 표시됨).

예측의 경우 실제 데이터와 현재 날짜까지의 신뢰 구간을 나타내는 실선이 표시됩니다. 현재 일자 이후의 예측에는 예상 미래 값을 나타내는 대시선만 표시됩니다. Prophet은 과거 변화의 규모와 빈도가 미래에도 비슷할 것이라고 가정하여 어느 정도의 신뢰 수준으로 지표를 예측합니다.

예측 결과를 다음과 같이 설명할 수 있습니다. "지난 120일간의 데이터 추세를 바탕으로, 이 지표가 [향후 날짜에] [높은 값과] [낮은 값의] 대상 구간 내에 있을 것이라고 95% 확신합니다."

비정상적인 원인 파악

비정상적인 현상을 식별하는 것은 첫 번째 단계에 불과합니다. 아마 처음에 그 원인을 알고 싶을 것입니다.

먼저 몇 가지 관련 지표를 살펴보고 해당 지표에서도 비정상적인 현상이 관찰되는지 확인하십시오. 특히 퍼널의 단계 이전 또는 이후에 발생하는 이벤트를 살펴보십시오. 또한 이러한 비정상적인 현상이 발생한 이유에 대해 더 많은 인사이트를 제공할 수 있는 전체 속성에 대해 속성별로 사용할 수도 있습니다.

세 번째 옵션은 비정상적인 현상을 둘러싼 비즈니스 상황을 조사하는 것입니다. 예를 들어 그 날 새로운 기능이 출시되었습니까? 그게 원인일 수도 있었을까요?

마지막으로, Amplitude의 근본 원인 분석 기능은 비정상적인 현상의 원인을 추적하는 데 유용한 도구입니다.

학습 데이터

Amplitude는 시간 간격과 모드에 대해 서로 다른 기본 학습 시간을 사용합니다. 사용자 지정 모드에서 이 값을 구성하고 이를 차트 날짜 범위에 추가할 수 있습니다.

예를 들어 일별 간격을 사용하고 차트의 최근 30일 간의 데이터를 살펴보면 일별 차트의 기본 학습 데이터 기간은 차트 날짜 범위가 시작되기 120일 전입니다. 이 경우 Amplitude는 총 150일간의 데이터를 사용하여 모델을 학습합니다.

애자일 모드에서 Amplitude는 다음과 같은 기본 데이터 학습 기간을 사용합니다.

견고한 모드에서 Amplitude는 다음과 같은 기본 데이터 학습 기간을 사용합니다.

각 간격에 사용되는 학습 데이터의 상한값(이전 기간 + 차트 기간)은 다음과 같습니다.

민첩성 또는 강력한 모드에서는 제공되지 않는 특정 학습 기간을 염두에 두고 있는 경우 사용자 지정 모드를 선택하여 해당 기간을 설정할 수 있습니다.

인사이트 패키지

비정상적인 현상에 대한 경고가 필요한 경우, Amplitude의 인사이트 패키지에는 자동 및 사용자 지정 모니터링 경고가 포함되어 있습니다. 자세한 내용은 인사이트를 참조하십시오.