Feature store
Un feature store calcola, versiona e serve gli input del modello utilizzati in training e in production, garantendo che entrambi vedano la stessa definizione di una feature. Elimina lo skew tra training e serving, la causa silente più comune di modelli che si degradano dopo il lancio.
Perché è importante per l'ARPU
Le decisioni sono affidabili solo quanto le funzionalità che le supportano, e un decision layer che non può riprodurre i propri input non può spiegare i propri risultati.
Termini correlati
Modello di propensioneUn propensity model stima la probabilità che un cliente intraprenda un'azione, come acquistare, effettuare un upgrade o annullare.SegnaleUn segnale è un cambiamento osservato nel comportamento del cliente, nello stato del prodotto, nella salute dei pagamenti o nel contesto di mercato che porta informazioni sui ricavi futuri.Real-time decisioningIl real-time decisioning valuta il contesto attuale di un cliente e restituisce un'azione entro il budget di latenza del momento, tipicamente decine di millisecondi all'interno di un'app o di una chiamata.Provenienza dell'ipotesiLa provenienza dell'ipotesi è la catena completa e ispezionabile dietro una decisione: quali segnali l'hanno sollevata, quale analisi l'ha dimensionata, chi o cosa ha scritto l'ipotesi, quale esperimento l'ha testata e quale è stato il risultato causale.