機械学習モデルを構築して、ユーザーが視聴履歴、コンテンツ設定、およびその他のユーザーデータに基づいてサブスクリプションを解除する可能性の予測を行いました。会社は、このユーザーデータをクラウドデータレイクに保存します。レポートを生成するには、データレイクから読み取りを行い、機械学習モデル経由でデータを渡して、マーケティングキャンペーンに対して重要でない結果をフィルタリングで除外するマッピングを作成します。

マッピングを作成する前に、機械学習モデルのRESTエンドポイントを設定します。また、

データ統合

でPOST要求を使用してAPIコレクションを作成します。

次に、機械学習トランスフォーメーションとフィルタトランスフォーメーションを含むマッピングを作成します。次の画像は、マッピングの概要を示しています。

次の方法でトランスフォーメーションを設定します。

機械学習トランスフォーメーション

［モデル］

タブで、操作としてAPIコレクションからPOST要求を選択し、機械学習モデルへの接続を選択します。次の画像は、設定済みの

［モデル］

タブを示しています。

［要求マッピング］

タブで、ソーストランスフォーメーションから［要求スキーマ］フィールドへの受信フィールドのマッピングが正しいことを確認します。必要に応じて、フィールドを手動でマッピングします。次の画像は、設定済みの

［要求マッピング］

タブを示しています。

フィルタトランスフォーメーション

マーケティングチームはサブスクリプションを更新する可能性が低いユーザーのみに関心があるため、更新の確率が50%未満のユーザーをフィルタリングするようにフィルタ条件を設定します。次の画像は、設定されたフィルタ条件を示しています。

マッピングを実行すると、クラウドデータレイクからユーザーデータの読み取りが行われます。機械学習トランスフォーメーションは、REST API呼び出しを行い、要求スキーマフィールド経由で機械学習モデルにデータを渡します。モデルはそれぞれのユーザーの更新の可能性に関する予測を生成し、機械学習トランスフォーメーションは応答スキーマフィールドに予測をキャプチャします。機械学習トランスフォーメーションは結果をフィルタトランスフォーメーションに渡し、フィルタトランスフォーメーションは更新する可能性が高いユーザーをフィルタリングで除外して、更新する可能性が低いユーザーをターゲットトランスフォーメーションに渡します。ターゲットトランスフォーメーションでは、結果がターゲットファイルに書き込まれ、ユーザーはこの結果をマーケティングチームに送信することができます。