Del via

Oversikt over prognosemodellen

  • Artikkel

AI Builder-prediksjonsmodeller analyserer mønstre i historiske data du oppgir. Prediksjonsmodeller lærer å knytte disse mønstrene til resultater. Deretter bruker vi kunstig intelligens til å registrere lærde mønstre i nye data, og bruke dem til å forutsi fremtidige resultater.

Bruk prediksjonsmodellen til å utforske forretningsspørsmål som kan besvares på én av følgende måter:

  • Fra to tilgjengelige alternativer (binær)
  • Fra flere mulige resultater
  • Hvor svaret er et tall

Binær prediksjon

Binær prediksjon er når spørsmålet stilles, har det to mulige svar. Eksempel: ja/nei, sann/usann, i tide / forsinket, klarsignal/avslutning og så videre. Eksempler på spørsmål som bruker binære prediksjon, omfatter følgende:

  • Er en søker kvalifisert for medlemskap?
  • Er denne transaksjonen sannsynligvis svindel?
  • Er en kunde en god kandidat for en markedsføringskampanje?
  • Er det sannsynlig at en forretningsforbindelse betaler fakturaene i tide?

Prediksjon for flere resultater

Flere resultatforutsigelse er når spørsmålet kan besvares fra en liste med mer enn to mulige resultater. Eksempler på prediksjon med flere resultater inkluderer:

  • Ankommer en forsendelse for tidlig, i tide, forsinket eller svært forsinket?
  • Hvilket produkt vil en kunde være interessert i?

Numerisk prediksjon

Numerisk prediksjon er når spørsmålet besvares med et tall. Eksempler på numerisk prediksjon inkluderer:

  • Hvor mange dager tar det før en forsendelse ankommer?
  • Hvor mange samtaler bør en agent håndtere på en dag?
  • Hvor mange varer må vi ha i lagerbeholdningen?
  • Hvor mange kundeemner skal et salgsteam konvertere i en måned?

Funksjonstilgjengelighet etter område
Forutsetninger for prediksjonsmodell