예측 분석 요약

Amplitude의 예측 분석 기능은 사용자 행동을 예측하고 이에 대응할 수 있도록 도와줍니다. 이 도구를 사용하여 사용자를 다음에 할 가능성이 높은 활동에 따라 분류하고 각 사용자를 목표로 이끌어 낼 가능성이 가장 높은 콘텐츠를 표시하십시오.

예측

예측은 구독, 이탈, 구매 완료 등의 향후 행동을 수행할 가능성에 따라 사용자를 분류합니다. Amplitude는 과거 행동을 기반으로 각 사용자의 확률을 매시간마다 점수화하고 비슷한 확률을 가진 사용자를 그룹화합니다.

예측을 사용하여 다음을 수행하십시오.

• 캠페인에 포함하거나 제외할 대상을 결정합니다.
• 사용자의 전환 가능성에 따라 메시지 전송 빈도, 가격 또는 할인을 조정하십시오.
• 특정 범주에 대한 친화도가 가장 높은 사용자를 위해 콘텐츠를 개인화하십시오.

시작하려면 예측 구축 및 캠페인에서 예측 기반 코호트 사용을 읽어보십시오.

개인화 추천

개인화 추천은 각 사용자를 예측 목표로 이끌 가능성이 가장 높은 항목에 순위를 매깁니다. Amplitude의 AutoML 시스템은 유사한 사용자를 클러스터링하고 각 사용자에게 과거 전환 데이터를 기반으로 순위가 매겨진 항목 목록을 할당합니다.

사용자 기반 디지털 상거래 개인화에 가장 적합한 개인 추천:

• 분류: 홈페이지 또는 카테고리 페이지에서 항목의 순위를 매겨 참여도를 높입니다.
• 다음 최적 조치: 전환율을 높이려면 결제 또는 구매 후 이메일에 두 번째 항목을 표시하십시오.
• 교차 판매: 새로운 생애주기 단계를 나타내는 품목의 순위를 매겨 LTV를 높입니다.

시작하려면 추천 생성 및 개인화 캠페인에서 개인화 추천 사용을 참조하십시오.

예측과 개인화 추천의 상호 작용 방식

예측은 어떤 사용자가 행동할 가능성이 가장 높은지를 식별합니다. 개인화 추천은 그들 앞에 무엇을 제시해야 하는지를 명확히 합니다. 이들을 결합하여 상승력을 극대화하십시오:

1. 두 번째 구매나 구독 업그레이드 등 귀하가 관심있는 결과에 대한 예측을 구축하십시오.
2. 예측 코호트를 저장하고 캠페인 목적지와 동기화하십시오.
3. 해당 사용자에 대한 항목의 순위를 매기는 추천을 작성하십시오.
4. Amplitude의 프로필 API 또는 동기화를 통해 순위가 매겨진 항목을 전달하십시오.

관련 기능

• 커스텀 계산은 이벤트 또는 속성을 세분화 기준으로 사용할 수 있는 계산된 사용자 속성으로 변환합니다.
• 행동 코호트는 과거의 행동을 기준으로 사용자를 그룹화합니다.
• 예측 코호트는 예측된 확률 범위별로 사용자를 그룹화합니다.