Nó Lista de Decisão
Os modelos de Lista de Decisão identificam subgrupos ou segmentos que mostram uma probabilidade maior ou menor de um resultado binário (sim ou não) em relação à amostra geral.
Por exemplo, é possível procurar por clientes que forem menos propensos a migrarem para o concorrente ou mais propensos a responderem favoravelmente a uma oferta ou campanha específica. O Visualizador de Lista de Decisão oferece controle total sobre o modelo, permitindo editar segmentos, adicionar suas próprias regras de negócios, especificar como cada segmento é pontuado e personalizar o modelo em uma série de outras maneiras para otimizar a proporção de ocorrências em todos os segmentos. Dessa forma, ela é bem apropriada principalmente para gerar listas de distribuição ou, de outra forma, identificar quais registros destinar para uma campanha específica. Também é possível usar várias tarefas de mineração para combinar abordagens de modelagem - por exemplo, identificando segmentos de alto e baixo desempenho dentro do mesmo modelo e incluindo ou excluindo cada um no estágio de pontuação, conforme apropriado.
Segmentos, regras e condições
RFM_SCORE > 10 and
MONTHS_CURRENT <= 9As regras são aplicadas na ordem listada, com a primeira regra correspondente determinando a saída de um determinado registro. Obtidas independentemente, as regras ou condições podem se sobrepor, mas a ordem das regras resolve a ambiguidade. Se nenhuma regra corresponder, o registro é designado para a regra restante.
Controle total sobre a pontuação
O Visualizador da Lista de Decisão permite visualizar, modificar e reorganizar segmentos e escolher quais incluir ou excluir para fins de pontuação. Por exemplo, você pode optar por excluir um grupo de clientes de ofertas futuras e incluir outros e ver imediatamente como isso afeta sua taxa de ocorrência geral. Os modelos de Lista de Decisão retornam uma pontuação de Yes para segmentos incluídos e $null$ para todo o resto, incluindo o restante. Esse controle direto sobre a escoragem torna os modelos de Lista de Decisão ideais para gerar listas de distribuição, que são amplamente utilizadas no gerenciamento de relacionamento com o cliente, incluindo central de atendimento ou aplicativos de marketing.
Tarefas, medidas e seleções de mineração
O processo de modelagem é conduzido por tarefas de mineração. Cada tarefa de mineração inicia efetivamente uma nova execução de modelagem e retorna um novo conjunto de modelos alternativos para escolher. A tarefa padrão é baseada em suas especificações iniciais no nó Lista de Decisão, mas você pode definir qualquer número de tarefas customizadas. Também é possível aplicar tarefas iterativamente - por exemplo, é possível executar uma procura de alta probabilidade no conjunto de treinamento inteiro e, em seguida, executar uma procura de baixa probabilidade no restante para eliminar segmentos de baixo desempenho.
Seleções de dados
É possível definir seleções de dados e medidas de modelo customizadas para construção e avaliação de modelo. Por exemplo, é possível especificar uma seleção de dados em uma tarefa de mineração para customizar o modelo para uma região específica e criar uma medida customizada para avaliar o grau de desempenho desse modelo no país inteiro. Ao contrário de tarefas de mineração, as medidas não alteram o modelo subjacente, mas fornecem outras perspectivas para avaliar o seu grau de desempenho.
Incluindo seu conhecimento de negócios
Através de fine-tuning ou ampliação dos segmentos identificados pelo algoritmo, o Decision List Viewer possibilita incorporar o seu conhecimento de negócio no modelo. É possível editar os segmentos gerados pelo modelo ou incluir segmentos adicionais com base nas regras que você especificar. Em seguida, é possível aplicar as mudanças e visualizar os resultados.
Para obter mais informações, um link dinâmico com o Excel permite que você exporte seus dados para o Excel, em que podem ser usados para criar gráficos de apresentação e calcular medidas customizadas, como lucro complexo e ROI, que podem ser visualizados no Visualizador de Lista de Decisão enquanto você está construindo o modelo.
Exemplo, O departamento de marketing de uma instituição financeira quer alcançar resultados mais rentáveis em futuras campanhas, igualando a oferta adequada a cada cliente. É possível usar um modelo de Lista de Decisão para identificar as características dos clientes com maior probabilidade de responder favoravelmente com base em promoções anteriores e para gerar uma lista de distribuição direta com base nos resultados.
Requisitos. Um único campo de destino categórico com um nível de medição do tipo Flag ou Nominal que indica o resultado binário que deseja prever (yes/no) e pelo menos um campo de entrada. Quando o tipo de campo de destino é Nominal, deve-se escolher manualmente um único valor a ser tratado como uma ocorrência ou resposta; todos os outros valores são agrupados como não acertados. Um campo de frequência opcional também pode ser especificado. Os campos de data/hora contínuos são ignorados. As entradas do intervalo numérico contínuo são categorizadas automaticamente pelo algoritmo, conforme especificado na guia Especialista no nó de modelagem. Para um controle mais preciso sobre a categorização, inclua um nó de categorização de envio de dados e use o campo categorizado como entrada com um nível de medição Ordinal.