<instance_name>!GET_DRIVERS

데이터 세트에서 가장 중요한 차원을 찾고 해당 차원에서 세그먼트를 만든 다음, 이들 중 메트릭에 가장 큰 영향을 준 세그먼트를 결정합니다.

GET_DRIVERS는 차원 수가 많이 있는 데이터 세트에서 근본 원인을 파악하는 데 적합합니다. 연속 차원은 범주 차원으로 사전 처리하지 않고도 지원되며 결과는 부정 조건(예: “리전이 북미가 아님”)이 있는 차원을 나타낼 수 있습니다.

이 메서드에서 반환된 데이터에서 특정 열을 선택해야 하는 경우 RESULT_SCAN 을 사용합니다.

구문

<model_name>!GET_DRIVERS(
  INPUT_DATA => <input_data>,
  LABEL_COLNAME => '<label_colname>',
  METRIC_COLNAME => '<metric_colname>'
);
Copy
INPUT_DATA

테이블, 뷰 또는 쿼리에 대한 참조 입니다. LABEL_COLNAME과 METRIC_COLNAME으로 지정된 열 외의 모든 열은 Top Insights에서 고려되는 차원으로 간주됩니다. 숫자형 열은 연속 차원으로 간주되는 반면, 문자열형 열과 부울형 열은 카테고리형 차원으로 간주됩니다. 숫자형 열을 카테고리형 차원으로 처리하려면 이 열을 문자열로 캐스팅합니다.

LABEL_COLNAME

대조군 데이터(FALSE)와 테스트 데이터(TRUE)를 나타내는 레이블로 지정된 INPUT_DATA의 부울형 열의 이름입니다.

METRIC_COLNAME

포함된 차원의 영향을 받은 관심 값을 나타내는 INPUT_DATA의 FLOAT 열 이름입니다.

출력

열

타입

설명

CONTRIBUTOR

ARRAY

알고리즘에서 세그먼트 또는 인사이트를 설명하는 문자열로 구성된 ARRAY입니다.

METRIC_CONTROL

FLOAT

특정 세그먼트의 제어 기간에 메트릭의 값 총계입니다.

METRIC_TEST

FLOAT

특정 세그먼트의 테스트 기간에 메트릭의 값 총계입니다.

CONTRIBUTION

FLOAT

세그먼트가 메트릭의 변화에 미치는 절대적인 영향입니다.

RELATIVE_CONTRIBUTION

FLOAT

테스트와 대조군 사이의 메트릭 테이블에서 전반적인 변화에 대한 세그먼트의 영향 비율입니다.

GROWTH_RATE

FLOAT

세그먼트에서 메트릭의 변화를 세그먼트에서 대조군의 메트릭 비율로 나타낸 것입니다.

사용법 노트

  • 실행 시간은 차원의 수와 해당 차원의 카디널리티에 따라 가변적입니다.

  • 입력 메트릭은 개별 관찰 값이거나 집계 값이어야 합니다.

  • 25개가 넘는 값을 갖는 카테고리형 차원의 경우 Top Insights는 가장 영향력 있는 상위 25개 값만 사용하여 세그먼트를 생성합니다.

예

예 섹션을 참조하십시오.

언어: 한국어