「変換メトリクスに取り組む場合は、ベータ・二項モデルを考慮してください」

Consider the beta-binomial model when working with conversion metrics.

Karim MANJRAさんによる写真、Unsplashから

CTR/CVRなどのコンバージョンベースのメトリックをより具体的で安定したものにするための特徴エンジニアリング技術を学ぶ

コンバージョンメトリックは業界で豊富に存在します。そして、私たちはしばしばそれらをMLモデルの特徴として使用したいと思います。たとえば、検索ページに表示された製品の印象からクリックまでの製品詳細クリック率(CTR)は、最終的には、電子商取引プラットフォームでの製品の購入有無をモデル化するための1つの特徴として使用することが関連しているかもしれません。

このブログでは、このようなコンバージョンメトリックに対する特徴エンジニアリング技術を学びます。この目的を達成するために、ブログの残りの部分は以下のように構成されます。

  1. なぜコンバージョン特徴を注意深く扱う必要があるのかの説明(つまり、これらの特徴を生の形で使用すべきではない理由)
  2. 解決策:ベータ二項モデルによる生のコンバージョン値をより安定した/具体的なバージョンに変換する方法
  3. ベータ二項モデルの理論的基礎
  4. モデルのベータ事前分布のパラメータを調整するためのガイド
  5. ベータ二項変換を実行するためのPythonコード(ヒント:非常にシンプルです!)

さあ、始めましょう!

生のコンバージョン値を使用する際の欠点

電子商取引プラットフォームで製品の購入有無を予測するための分類モデルを構築しているとします。データの前処理の一環として、各製品に関連する2つの列を抽出します:印象の数とクリックの数です。私たちは強力なドメイン知識を持つ素晴らしいデータサイエンティストなので、「印象からクリックへのコンバージョン」という新しい特徴を導出します。

この特徴エンジニアリングの根拠は、より高い印象からクリックへのコンバージョンは、より良い製品品質を示すという考えです。その論理は、製品が表示された回数(印象)に対してクリックの割合が高い場合、ユーザーが製品に魅力を感じ、それが購入される可能性が高いことを示唆しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

Aaron Lee、Smith.aiの共同設立者兼CEO - インタビューシリーズ

アーロン・リーさんは、Smith.aiの共同創業者兼CEOであり、AIと人間の知性を組み合わせて、24時間365日の顧客エンゲージメン...

人工知能

キャルレールの最高製品責任者、ライアン・ジョンソンへのインタビューシリーズ

ライアンは、初期のスタートアップからフォーチュン100の組織まで、多様なテクノロジーと製品開発のリーダーシップ経験を15年...

人工知能

「コーネリスネットワークスのソフトウェアエンジニアリング担当副社長、ダグ・フラーラー氏 - インタビューシリーズ」

ソフトウェアエンジニアリングの副社長として、DougはCornelis Networksのソフトウェアスタック全体、Omni-Path Architecture...

人工知能

「アナコンダのCEO兼共同創業者、ピーターウォングによるインタビューシリーズ」

ピーター・ワンはAnacondaのCEO兼共同創設者ですAnaconda(以前はContinuum Analyticsとして知られる)を設立する前は、ピー...

人工知能

「ジンディのCEO兼共同創設者、セリーナ・リー― インタビューシリーズ」

「Celina Leeは、ZindiのCEO兼共同創設者であり、アフリカのデータサイエンティスト向けの最大の専門ネットワークです Celina...

人工知能

「Ntropyの共同創設者兼CEO、ナレ・ヴァルダニアンについて - インタビューシリーズ」

「Ntropyの共同創設者兼CEOであるナレ・ヴァルダニアンは、超人的な精度で100ミリ秒以下で金融取引を解析することを可能にす...