この記事では、一般的な統計モデリング用語、Tealium 製品固有の用語、および Tealium Predict ML インターフェイスで使用される用語について説明します。
オーディエンス
オーディエンスとは、共通する一連の属性条件を持つ訪問プロファイルのグループです。ベンダーアクション(コネクタ)をリアルタイムでトリガーするために使用されます。Tealium Predict では、モデルの出力属性を使用して1つ以上のオーディエンスを作成し、マーケティング施策のターゲットにします。
混同行列
Tealium Predict における_混同行列_は、誤差行列とも呼ばれ、Model Explorer でトレーニング済みモデルについて報告される、実際の値と予測値を比較するパフォーマンス指標です。一般的に、混同行列では、真の値が既知である一連のテストデータを使用し、実際の値と予測値を表形式で表示することで、特定のアルゴリズムのパフォーマンスを可視化できます。
データサイエンティスト
_データサイエンティスト_とは、テクノロジーと社会科学のスキルを活用して傾向を見つけ、業界知識、状況に対する理解、および既存の前提に対する懐疑的な視点を用いてデータを管理し、ビジネス上の課題に対する解決策を明らかにする分析の専門ホームです。
デプロイ済みモデル
_デプロイ済みモデル_とは、「トレーニング」された後、Customer Data Platform(CDP)内の顧客プロファイルに予測値を構成するためにデプロイされたモデルを指します。
機械学習
_機械学習_とは、パターンを認識することで、人間の指示なしにコンピューターが学習できるようにすることを目的とした、人工知能の一分野です。機械学習では、あらかじめ定められた一連のルールを使用してパターンを記憶し、出力を分析して、パターンを説明し将来の動作を導くモデルを作成します。必要なデータが明確な場合、機械学習によってそのデータを取得するまでのプロセスを短縮できます。必要なものや特定すべきパターンが明確でない場合でも、機械学習によってパターンを発見し、必要なデータの取得を進めるために利用できる結果を明らかにできます。
モデル
Tealium Predict における_モデル_は、購入、コンバージョン、または Customer Data Platform(CDP)で追跡される任意の顧客行動など、特定の期間内に予測する行動を表します。モデルはアルゴリズムを使用して作成され、その結果はパターンの説明と将来の結果の予測に使用されます。
Model Explorer
_Model Explorer_とは、製品インターフェイス内のインタラクティブなセクションです。各ステージにある各モデルのパフォーマンス指標を確認し、再トレーニングやデプロイなど、インターフェイスから実行可能な操作によってモデルを微調整できます。
出力属性
対応するデプロイ済みモデルによって生成された予測値を格納する、数値型の訪問スコープのデータレイヤー属性です。出力属性は、新しいモデルの作成時にデフォルトで作成されます。
予測期間
ターゲット属性のアクションがいつ発生するかを予測する対象期間で、日、週、または月単位で指定します。たとえば、今後「x」日、週、または月以内にユーザーが「再訪する可能性」などです。
予測値
デプロイ済みモデルによって生成されるスコアです。このスコアは、訪問の次回訪問時に、ターゲット属性値の結果が真に構成される可能性を表します(次回訪問が予測時間枠内に発生することを前提とします)。この値は、モデルに対応する出力属性に格納されます。
予測しきい値
予測値をターゲット属性値と比較して評価するために選択する数値のしきい値です。たとえば、選択した予測しきい値が0.5で、予測値が0.51に構成されている場合、ターゲット属性値の結果は真に構成されると見なされます。
確率分布(再訪問)
_確率分布_とは、トレーニング済みモデルについて報告されるパフォーマンスグラフです。このグラフは、訪問が再訪して対象のアクションを実行したケースと、再訪せずアクションも実行しなかったケースとを、モデルがどの程度適切に分離できているかを示します。一般的に、確率分布とは、実験で起こり得るさまざまな結果の発生確率、ひいてはあらかじめ定められたイベントが発生する確率を示す数学的関数です。
受信者動作特性(ROC)
ROC/AUC(曲線下面積)とは、トレーニング済みモデルについて報告されるパフォーマンス指標です。一般的に、_ROC_では、真陽性数を真陽性数と偽陰性数の合計で割って算出した真陽性率を使用します。ROC は、実際の結果が陽性である場合に、モデルが陽性クラスをどの程度適切に予測するかを表します。真陽性率は、感度とも呼ばれます。
再トレーニング
モデルの予測精度は時間の経過とともに低下します。Tealium Predict モデルを新しいデータで再トレーニングすると、予測精度が向上し、より長期間にわたって高い精度が維持されます。
強度スコア
モデル強度スコアは、各モデルの各バージョンの品質を評価するレーティングです。強度スコアには、F1 スコア、再現率、適合率、_正解率_が含まれます。これらのスコア要素の詳細については、モデルのスコアとレーティングを参照してください。
ターゲット属性
ターゲット属性とは、モデルを定義し、予測対象となるユーザーアクションを表すために選択する CDP 属性です。これらは訪問レベルまたは訪問レベルのブール属性であり、アクションが実行されたことを示すために選択されます。たとえば、「購入済み」という名前の訪問ブール属性は、訪問中に購入イベントが発生したことを示します。
トレーニング
Tealium Predict における_トレーニング_とは、モデルが予測に使用するデータを、あらかじめ定められた期間にわたって取り込み、分析するステージを指します。このステージで使用されるデータの量と品質は、モデルをデプロイした際の結果の精度を左右する重要な要素です。
トレーニング済みバージョン
Tealium Predict におけるモデルの_トレーニング済みバージョン_とは、モデルの1回のトレーニングによって生成された個別のインスタンスを指します。すべての機械学習モデルにはバージョンがあり、各バージョンは、正確な予測を行うために使用されるデータでトレーニングされます。
訪問の訪問
訪問が Web サイトにアクセスすること、またはデータレイヤーで拡充された1つ以上のイベントがトリガーされることです。
最終更新日 :: 2026年November月18日