In occasione del Firebase Summit dello scorso anno, abbiamo presentato Predictions, una soluzione di machine learning che ti aiuta a segmentare gli utenti in modo intelligente in base alla previsione del loro comportamento. Senza dover possedere specifiche competenze ML, Predictions fornisce informazioni su quali segmenti di utenti potresti perdere e quali sono più inclini a spendere (o a completare un altro evento di conversione) per prendere delle decisioni ponderate sul tuo prodotto e sviluppare ulteriormente la tua app.
Attualmente Predictions produce oltre 6 miliardi di previsioni al giorno per i nostri sviluppatori e consente loro di agire in modo informato grazie ai segmenti predittivi a disposizione per il targeting in Remote Config, Cloud Messaging, In-App Messaging e A/B Testing.
Al Firebase Summit di quest'anno, abbiamo annunciato che Predictions è passato dalla versione beta alla disponibilità generale con una vasta gamma di nuove funzionalità, aggiunte in base al feedback ricevuto.
Poiché Predictions si aggiorna continuamente in base al comportamento effettivo degli utenti all'interno dell'app, molti di voi ci hanno chiesto quanto stabile fosse una previsione, prima di integrarla nella propria app.
Per rispondere a questa domanda, abbiamo creato un indicatore d'integrità nella parte inferiore delle schede del segmento predittivo che fornisce un'istantanea su come si comporta ogni specifica previsione.
Immagine 1: il verde indica che ha funzionato correttamente nelle ultime due settimane
Immagine 2: il giallo indica che oggi funziona correttamente, ma la soglia di qualità non è stata raggiunta a un certo punto nelle ultime due settimane
Immagine 3: il rosso indica che oggi non funziona correttamente e ci sono stati problemi di prestazioni nelle ultime due settimane
Vale la pena ricordare che, con Predictions, le azioni mirate hanno un meccanismo di modalità provvisoria, pertanto se un segmento di previsione non si comporta correttamente, diventa semplicemente inattivo. Ciò significa che, se per fornire un set di valori agli utenti nel gruppo previsto utilizzi Remote Config, quest'ultimo tornerà ai valori predefiniti qualora il segmento di previsione risulti meno affidabile. Qualsiasi notifica o messaggio in-app diretto a quel segmento predittivo non verrà attivato fino a quando non si verificherà un aumento in termini di precisione.
Per una maggiore chiarezza su come determiniamo la qualità delle previsioni, riportiamo qui i nostri criteri di valutazione. Per ogni segmento predittivo, utilizziamo una parte dei dati cronologici degli ultimi 28 giorni che manteniamo nella fase di addestramento del modello.
Poi confrontiamo i risultati della previsione con ciò che è realmente accaduto. Questo ci dà due modi per valutare la previsione: quanti utenti nel segmento predittivo si sono effettivamente comportati nel modo previsto (che chiamiamo "tasso di veri positivi") e quanti invece sono stati classificati in modo errato (ossia "tasso di falsi positivi").
Puoi accedere a questi dati nella parte inferiore della scheda di previsione.
Toccando l'indicatore d'integrità vengono mostrati questi valori.
Grazie a questi due punteggi ora disponibili, puoi stabilire meglio quale profilo di rischio adottare per la tua azione.
Un'altra domanda che abbiamo ricevuto spesso in fase beta è che cosa comporta la creazione di un segmento predittivo. Ora offriamo la pagina dei dettagli con la lista completa degli ingredienti! Puoi fare clic e vedere quali dati utilizza il nostro modello. Ciò include frequenza, volume e parametri degli eventi nonché altri dati come il linguaggio del dispositivo, l'ultimo aggiornamento dell'installazione dell'app e altro ancora.
L'ultima novità da annunciare è che ora puoi esportare i dati di previsione non elaborati in BigQuery. Ciò ti consentirà di accedere al punteggio di previsione non elaborato, alle soglie utilizzate per ciascun profilo di rischio e al risultato finale. Puoi sfruttare questi dati per creare i profili di rischio personali o, se fornisci la tua proprietà user_id in analisi, potrai eseguire analisi sofisticate con i tuoi dati. Ad esempio, puoi scoprire quali paesi presentano il più alto potenziale di abbandono o spesa!
Siamo onorati di aver ottenuto la tua fiducia quest'anno e spero che questi miglioramenti ti consentano di sfruttare Predictions al meglio nei tuoi giochi e app mobili. Come sempre, per ulteriori domande, puoi trovarci su Twitter (@firebase) e Stack Overflow.
Per ulteriori informazioni su questi aggiornamenti, consulta i documenti riportati di seguito.
Predictions risk tolerance and performance
Predictions model inputs and details page
Predictions data export to BigQuery
