コンソールへ移動

予測結果を調べる

Firebase Predictions を設定した後、ユーザーは予測された動作に基づいて動的にグループに分けられます。Firebase Predictions には、これらの予測のために使用されるさまざまなシグナルがあります。そうしたシグナルには、自動的にログに記録されるアナリティクス イベント、明示的にログに記録するアナリティクス イベント、ユーザーの端末構成、アプリの基本属性(バイナリサイズなど)があります。ただし、どのような予測であっても、適切な関連性を持つのは利用可能なシグナルのうちの一部だけです。

仮説的な例として、ユーザーがお金を使う可能性が高いかどうかを予測する場合、ユーザーの最近の消費行動は非常に関連性が高いと考えられますが、バイナリサイズの関連性は高くないでしょう。しかし実際には、予測とシグナルの関連性には時折驚くようなものがあり、時間とともに変化する可能性があります。

Firebase コンソールで予測を調べることによって、どのようなデータに基づいて予測が行われたかを把握できます。

予測の詳細ページを開く

予測を調べるには:

  1. Firebase コンソールの [Predictions] セクションを開きます。

  2. コンソールの上部にあるプルダウン メニューで、対象となるアプリとプラットフォームを選択します。

    選択したアプリに予測が設定されている場合は、事前定義された予測に関する情報を含むカードと、アプリに対して作成したカスタム予測が表示されます。

  3. 調査対象の予測のカードで、[アクションの選択] > [この予測を調べる] をクリックします。

予測の詳細ページが開きます。

この予測の元になった情報

予測の詳細ページの [この予測の元になった情報] セクションを展開し、予測が利用可能になった期間のうちの直近の 28 日間において予測の元になったデータを確認します(正確な期間はページの右上に表示されます)。

このセクションに示されているすべてのシグナルは、28 日間、それぞれのアクティブ ユーザーが対象のアクションを実行するかどうかの予測を判断するために使用されたものです。また、選択したリスク許容度を考慮して、アクションを実行すると予測されたすべてのユーザーのこれらのシグナルの平均値と値の範囲が示されています。異なるリスク許容レベルを選択することにより、各シグナルの値が予測の信頼性にどのように影響するのかを見ることができます。

このページには、予測モデルで使用されるシグナルのほとんどが含まれていますが、モデルは頻繁に更新、改善されるため、一部のシグナルはまだ含まれていない可能性があります。

予測の元になるデータは、ユーザー エンゲージメントの指標、イベントの発生頻度、ユーザー プロパティ、アプリ属性の 4 つの上位レベルのカテゴリに属します。予測の中には、あるカテゴリのシグナルを一切使用しないものがあります。そのような場合、そのカテゴリの下には項目が表示されません。

以下のセクションでは、各カテゴリの下に表示されるシグナルについて説明します。

ユーザー エンゲージメントの指標

ユーザー エンゲージメントの指標は、ユーザーが複数の期間にわたってアプリをどれだけ使用したかを測定したものです。

アクティブ ユーザー

特定の期間内にユーザーがアクティブであったかどうかを示します。

特定の期間内に少なくとも 1 回、ユーザー アクティビティを示すアナリティクス イベントがトリガーされた場合、ユーザーはアクティブと見なされます。アクティビティを示す最も一般的なイベントは user_engagement です。すべてのイベントがユーザー アクティビティを示しているわけではありません。たとえば、通知の受信は、必ずしもユーザーがアプリ内でアクティブであったことを意味するものではありません。また現時点では、カスタム アナリティクスのイベントはユーザー アクティビティを示すものとは見なされません。これは、どのカスタム イベントがアクティブ ユーザーによってのみトリガーされるものであるかを判断できないためです。

[アクティブ ユーザー] をクリックすると、予測されたすべてのユーザーうち、選択したリスク許容度で、数日間および数週間の期間においてアクションを実施するためにアクティブになったユーザーの割合が表示されます。

たとえば、「not_churn-low risk tolerance」を選択し、1 週間前のヒストグラムが 97% のアクティブ ユーザーを示している場合、高い精度で離脱しないと予測されたユーザーは、先週アクティブだったユーザーのうち 97% であることを意味しています。

連続してアクティブだった日数(過去 7 日間) 過去 7 日間にユーザーがアクティブだった連続日数。
連続してアクティブだった週数(過去 4 週間)過去 4 週間にユーザーがアクティブだった連続週数。
アクティブだった日数(過去 7 日間) 過去 7 日間にユーザーがアクティブだった日数。
アクティブだった週数(過去 4 週間) 過去 4 週間にユーザーがアクティブだった週数。
連続してアクティブでなかった日数(過去 7 日間) 過去 7 日間にユーザーがアクティブでなかった連続日数。
連続してアクティブでなかった週数(過去 4 週間)過去 4 週間にユーザーがアクティブでなかった連続週数。
アクティブでなかった日数(過去 7 日間) 過去 7 日間にユーザーがアクティブでなかった日数。
アクティブでなかった週数(過去 4 週間) 過去 4 週間にユーザーがアクティブでなかった週数。
アクティブになった日からの経過日数 ユーザーがアプリで最初にアクティビティをログに記録してからの日数。

イベントの発生頻度

Firebase Predictions では、Firebase SDK がイベントを自動的にログに記録するか、自分でイベントを明示的にログに記録するかにかかわらず、アプリがログに記録したアナリティクス イベントを使用して予測を行うことができます。

表示されるすべてのアナリティクス イベントは予測に影響を与えたものです。これらをクリックすると、イベントとともにログに記録された最も一般的なパラメータ値と、予測されたすべてのユーザーのうち、選択したリスク許容度で、数日間および数週間の複数期間にアクションを実施するためにイベントをトリガーしたユーザーの割合が表示されます。期間がグレー表示されている場合、その期間はイベントをトリガーしたユーザー数が少なすぎてイベントは適切な関連性を持たないと判断されています。

たとえば、「not_churn-low risk tolerance」を選択し、1 週間前のヒストグラムで 77% のユーザーが spend_virtual_currency をトリガーしたことが示されている場合、高い精度で離脱しないと予測されたユーザーは、先週 spend_virtual_currency をトリガーしたユーザーのうち 77% であることを意味しています。

ユーザー プロパティ

Firebase Predictions では、ユーザーの端末のプロパティを使用して、ユーザーの今後の行動に関する予測が行われます。

OS の新しさ

ユーザーの端末のオペレーティング システムがどのくらい前に更新されたか。

予測の詳細ページには、選択した予測およびリスク許容度セグメント内のすべてのユーザーの OS の新しさの平均が 0.0〜1.0 のスケールで測定されて表示されます。

アプリの新しさ

ユーザーがアプリの新しいバージョンにどのくらい前にアップグレードしたか。

予測の詳細ページには、選択した予測およびリスク許容度セグメント内のすべてのユーザーのアプリの新しさの平均が 0.0〜1.0 のスケールで測定されて表示されます。

ユーザーのデフォルトの言語 ユーザーの端末で構成されているデフォルトの言語。

アプリの属性

Firebase Predictions は、アプリの静的属性を使用してユーザーの今後の行動に関する予測を行います。

アプリのサイズ 端末上のアプリのサイズ。
アプリ ID アプリの一意の ID。