Buka konsol

Mempelajari hasil prediksi Anda

Setelah Anda menyiapkan Firebase Predictions, pengguna Anda akan disegmentasikan secara dinamis ke dalam beberapa grup berdasarkan prediksi perilaku mereka. Firebase Predictions memiliki cakupan sinyal luas yang dapat digunakan untuk membuat prediksi ini, termasuk peristiwa Analytics yang otomatis dicatat ke dalam log (dan yang secara eksplisit Anda catat ke dalam log), konfigurasi perangkat pengguna, dan atribut dasar aplikasi Anda, seperti ukuran binernya. Namun, untuk prediksi tertentu, hanya beberapa dari sinyal yang tersedia ini yang relevan.

Sebagai contoh hipotetis, ketika memprediksi kemungkinan pengguna berbelanja, perilaku belanja pengguna baru-baru ini mungkin sangat relevan, sedangkan ukuran binernya mungkin tidak relevan. Namun, dalam praktiknya, sinyal yang memiliki relevansi prediktif sering tidak terduga dan dapat berubah seiring waktu.

Untuk mendapatkan analisis tentang data apa saja yang digunakan untuk membuat prediksi, Anda dapat mempelajari prediksi Anda di Firebase console.

Membuka halaman detail prediksi

Untuk mempelajari prediksi:

  1. Buka bagian Predictions di Firebase console.

  2. Pastikan aplikasi dan platform yang Anda minati dipilih dari menu drop-down di bagian atas konsol.

    Jika Anda sudah menyiapkan prediksi untuk aplikasi yang dipilih, Anda akan melihat halaman yang berisi kartu dengan informasi tentang prediksi yang telah ditentukan dan semua prediksi kustom yang Anda buat (jika ada) untuk aplikasi tersebut.

  3. Pada kartu untuk prediksi yang ingin Anda pelajari, klik Pilih tindakan > Pelajari prediksi ini.

Halaman detail prediksi akan terbuka.

Apa input yang menyusun prediksi ini?

Luaskan bagian Input yang menyusun prediksi ini di halaman detail prediksi untuk melihat data apa saja yang digunakan untuk menyusun prediksi yang dipilih dalam rentang waktu 28 hari terakhir (rentang waktu persisnya ditunjukkan di kanan atas halaman).

Sinyal yang ditampilkan di bagian ini semuanya digunakan untuk menentukan apakah setiap pengguna yang aktif selama 28 hari terakhir sudah diprediksi melakukan tindakan yang dimaksud. Bagian ini juga menampilkan nilai rata-rata dan rentang nilai dari sinyal tersebut untuk semua pengguna yang diprediksi melakukan tindakan, sesuai toleransi risiko yang Anda pilih. Dengan memilih tingkat toleransi risiko yang berbeda, Anda dapat melihat pengaruh nilai dari setiap sinyal terhadap keyakinan prediksi.

Meskipun halaman ini mencantumkan sebagian besar sinyal yang digunakan oleh model prediksi, model ini sering diperbarui dan disempurnakan sehingga beberapa sinyal mungkin belum dicakup.

Data yang berkontribusi terhadap prediksi tercakup dalam empat kategori tingkat tinggi: metrik interaksi pengguna, frekuensi peristiwa, properti pengguna, dan atribut aplikasi. Perhatikan bahwa beberapa prediksi mungkin tidak menggunakan sinyal apa pun dalam sebuah kategori. Jika hal itu terjadi, kategori tidak akan berisi item.

Bagian berikut menjelaskan sinyal yang dapat muncul pada setiap kategori.

Metrik interaksi pengguna

Metrik interaksi pengguna mengukur banyaknya pengguna yang menggunakan aplikasi Anda selama beberapa rentang waktu.

Pengguna aktif

Apakah pengguna aktif selama rentang waktu tertentu.

Pengguna dianggap aktif jika mereka memicu peristiwa Analytics yang menunjukkan aktivitas pengguna setidaknya satu kali dalam rentang waktu tertentu. Peristiwa paling umum yang menunjukkan aktivitas adalah user_engagement. Perlu diingat, tidak semua peristiwa menunjukkan aktivitas pengguna—sebagai contoh, menerima notifikasi tidak berarti pengguna tersebut aktif dalam aplikasi. Selain itu, peristiwa Analytics kustom saat ini tidak dianggap menunjukkan aktivitas pengguna, karena Predictions tidak dapat menentukan mana dari peristiwa kustom Anda yang hanya dapat dipicu oleh pengguna aktif.

Klik Pengguna aktif untuk melihat persentase pengguna yang aktif selama setiap interval beberapa hari dan beberapa minggu, dari semua pengguna yang diprediksi akan melakukan tindakan, pada toleransi risiko yang dipilih.

Misalnya, jika Anda memilih "not_churn—toleransi risiko rendah" dan histogram menunjukkan 97% pengguna aktif seminggu yang lalu, hal itu berarti bahwa dari semua pengguna yang diprediksi secara meyakinkan tidak akan melakukan churn, 97% di antaranya aktif minggu lalu.

Hari aktif terus-menerus dalam 7 hari terakhir Jumlah hari terus-menerus pengguna aktif dalam 7 hari terakhir.
Minggu aktif terus-menerus dalam 4 minggu terakhir Jumlah minggu terus-menerus pengguna aktif dalam 4 minggu terakhir.
Hari aktif dalam 7 hari terakhir Jumlah hari pengguna aktif dalam 7 hari terakhir.
Minggu aktif dalam 4 minggu terakhir Jumlah minggu pengguna aktif dalam 4 minggu terakhir.
Hari tidak aktif terus-menerus dalam 7 hari terakhir Jumlah hari terus-menerus pengguna tidak aktif dalam 7 hari terakhir.
Minggu tidak aktif terus-menerus dalam 4 minggu terakhir Jumlah minggu terus-menerus pengguna tidak aktif dalam 4 minggu terakhir.
Hari tidak aktif dalam 7 hari terakhir Jumlah hari pengguna tidak aktif dalam 7 hari terakhir.
Minggu tidak aktif dalam 4 minggu terakhir Jumlah minggu pengguna tidak aktif dalam 4 minggu terakhir.
Hari sejak hari aktif paling awal Jumlah hari sejak pengguna pertama kali mencatatkan aktivitas ke dalam log pada aplikasi Anda.

Frekuensi peristiwa

Firebase Predictions berpotensi menggunakan salah satu peristiwa Analytics yang dicatat ke dalam log oleh aplikasi Anda untuk membuat prediksi, apakah Firebase SDK otomatis mencatat peristiwa ke dalam log atau Anda secara eksplisit mencatat peristiwa tersebut ke dalam log.

Setiap peristiwa Analytics yang ditampilkan berkontribusi terhadap prediksi. Anda dapat mengklik peristiwa tersebut untuk melihat nilai parameter paling umum yang dicatat ke dalam log peristiwa dan persentase pengguna yang memicu peristiwa tersebut selama setiap interval beberapa hari dan beberapa minggu, dari semua pengguna yang diprediksi melakukan tindakan, pada toleransi risiko yang dipilih. Jika salah satu interval berwarna abu-abu, artinya jumlah pengguna yang memicu peristiwa selama interval waktu tersebut terlalu sedikit sehingga peristiwa itu dianggap tidak relevan.

Misalnya, jika Anda memilih "not_churn—toleransi risiko rendah" dan histogram menunjukkan 77% pengguna memicu peristiwa spend_virtual_currency seminggu lalu, hal itu berarti bahwa dari semua pengguna yang diprediksi secara meyakinkan tidak akan melakukan churn, 77% di antaranya memicu peristiwa spend_virtual_currency minggu lalu.

Properti pengguna

Firebase Predictions menggunakan properti dari perangkat pengguna untuk membuat prediksi tentang perilaku pengguna di masa mendatang.

Kebaruan OS

Seberapa baru sistem operasi di perangkat pengguna diupdate.

Halaman detail prediksi menunjukkan rata-rata kebaruan OS dari semua pengguna dalam prediksi dan segmen toleransi risiko yang dipilih, yang diukur dalam skala 0,0 hingga 1,0.

Kebaruan aplikasi

Seberapa baru pengguna mengupgrade aplikasi Anda ke versi baru.

Halaman detail prediksi menunjukkan rata-rata kebaruan aplikasi dari semua pengguna dalam prediksi dan segmen toleransi risiko yang dipilih, yang diukur dalam skala 0,0 hingga 1,0.

Bahasa default pengguna Bahasa default yang dikonfigurasi pada perangkat pengguna.

Atribut aplikasi

Firebase Predictions menggunakan atribut statis aplikasi Anda untuk membuat prediksi tentang perilaku pengguna di masa mendatang.

Ukuran aplikasi Ukuran aplikasi Anda di perangkat.
ID Aplikasi ID unik aplikasi Anda.