Datová analytika

PPC je model online reklamy, ve kterém inzerent obvykle platí až za kliknutí na reklamu, ne za samotné zobrazení. V praxi se používá hlavně ve vyhledávačích, nákupních srovnávačích a sociálních sítích, kde aukce, kvalita reklamy a nabídnutá cena rozhodují o umístění i výsledné ceně.

Přeučení je stav modelu strojového učení, kdy se příliš přizpůsobí trénovacím datům včetně šumu a náhodných detailů. Model pak dosahuje výborných výsledků na známých příkladech, ale zhoršuje se na nových datech, protože místo obecného vzoru si zapamatoval konkrétní trénovací sadu.

Průměrná hodnota objednávky je e-commerce metrika, která udává průměrné tržby připadající na jednu dokončenou objednávku za zvolené období. Počítá se jako celkové tržby z objednávek dělené počtem objednávek a používá se k hodnocení nákupního košíku, dopravy zdarma, cross-sellu, slev a segmentů zákazníků.

Random forest je algoritmus strojového učení, který kombinuje stovky rozhodovacích stromů natrénovaných na náhodných výběrech dat i příznaků a jejich hlasy nebo průměry spojí do jedné predikce. Tímto zprůměrováním potlačí sklon jednotlivého stromu k přeučení a dosahuje stabilních výsledků na tabulkových datech bez náročného ladění.

Regrese je úloha strojového učení a statistiky, při které model odhaduje spojitou číselnou hodnotu z hodnot vstupních proměnných. Typickým výstupem je cena, teplota, doba trvání nebo objem prodeje. Model se učí ze vzorků se známou odpovědí a jeho chybu měříme vzdáleností předpovědi od skutečné hodnoty, nejčastěji střední kvadratickou chybou.

Retenční míra je podíl uživatelů, zákazníků nebo předplatitelů, kteří zůstanou aktivní po zvoleném období. V produktové analytice, e-commerce i SaaS ukazuje, zda se lidé vracejí a platí dál. Počítá se nad jasně definovanou kohortou, jinak může stejné číslo znamenat několik různých věcí.

ROAS je poměr tržeb připsaných reklamě k nákladům na tuto reklamu. Metrika říká, kolik korun obratu kampaně typicky přinesly za každou utracenou korunu, ale sama neukazuje zisk, marži ani dlouhodobou hodnotu zákazníka. Používá se hlavně v PPC, e-commerce a výkonnostním marketingu.

Segmentace je rozdělení většího celku na menší skupiny podle společných vlastností, chování nebo významu. V praxi pomáhá lépe cílit marketing, analyzovat zákazníky, zpracovávat obraz i připravovat data pro modely. Kvalitní segment má jasný účel, měřitelná pravidla a vede k odlišnému rozhodnutí nebo akci.

Shluková analýza je metoda průzkumné datové analýzy a strojového učení, která seskupuje podobné objekty bez předem známých štítků. Hledá strukturu podle zvolené míry podobnosti, například vzdálenosti mezi body, a pomáhá odhalit segmenty zákazníků, typy chování, anomálie nebo skupiny dokumentů v datech.

SQL je deklarativní jazyk pro práci s relačními databázemi, ve kterém se popisuje, jaká data chce uživatel vybrat, změnit nebo definovat, nikoli přesný postup jejich získání. Používá se pro dotazy, vkládání, aktualizace, mazání, tvorbu tabulek, oprávnění i transakční zpracování v mnoha databázových systémech.

Time series je posloupnost měření nebo událostí uspořádaných podle času, kde pořadí a rozestupy mezi záznamy nesou význam. Používá se pro sledování trendů, sezónnosti, výkyvů a změn v čase, například u metrik aplikace, cen akcií, počasí, prodejů nebo senzorových dat.

Trénovací data je odborné označení pro datovou sadu, ze které se model strojového učení učí vztahy mezi vstupy a očekávanými výstupy. Mohou obsahovat texty, obrázky, tabulky, zvuk nebo události z aplikace. Jejich kvalita, reprezentativnost a správné oddělení od testovacích dat zásadně ovlivňují spolehlivost modelu.

Trénování modelu je proces, při kterém algoritmus strojového učení opakovaně upravuje vnitřní parametry (váhy) tak, aby jeho předpovědi na trénovacích datech co nejméně chybovaly. Chybu měří ztrátová funkce, směr úpravy určuje gradient. Výsledkem je model, který se naučené vzory dokáže aplikovat i na data, jež nikdy neviděl.

Účel zpracování je konkrétní důvod, kvůli kterému správce osobních údajů shromažďuje, ukládá, používá nebo předává data. V GDPR určuje hranice přípustného nakládání s údaji, volbu právního základu, rozsah informování lidí i posouzení, zda pozdější použití dat zůstává slučitelné s původním záměrem.

Učení bez učitele je přístup strojového učení, při kterém model hledá vzory v datech bez předem přiřazených správných odpovědí. Používá se ke shlukování podobných záznamů, hledání anomálií, zmenšení počtu příznaků nebo předtrénování reprezentací, když jsou štítky drahé, neúplné či vůbec neexistují.

Učení s učitelem je způsob strojového učení, při němž model trénuje na vstupech spárovaných se správnými odpověďmi nebo štítky. Algoritmus se učí mapovat data na cílovou hodnotu a jeho úspěch se měří na oddělených datech, která model při tréninku neviděl.

UTM parametry jsou dohodnuté názvy parametrů v query stringu odkazu (utm_source, utm_medium, utm_campaign, utm_term, utm_content), kterými marketér označí, odkud návštěvník na web přišel. Analytický nástroj hodnoty přečte z adresy vstupní stránky a přiřadí návštěvu ke konkrétní kampani, kanálu i kreativě bez zásahu do kódu webu.

Volatilita je míra toho, jak silně a jak rychle se cena aktiva nebo jeho výnosy mění kolem své obvyklé hodnoty. V kvantitativním tradingu slouží jako číselný popis nejistoty, vstup pro oceňování opcí, řízení rizika a porovnání trhů, strategií nebo portfolií.

Vzorkování je výběr nebo měření omezeného počtu hodnot z většího celku, například populace, časového signálu, obrazu nebo datové sady. Cílem je získat reprezentaci, se kterou lze počítat rychleji, ukládat ji levněji nebo ji použít pro odhad, aniž by bylo nutné pracovat se vším.

Zpracování osobních údajů je jakákoli práce s informací, která přímo nebo nepřímo souvisí s identifikovaným či identifikovatelným člověkem. Patří sem sběr, ukládání, třídění, předávání, úpravy i mazání údajů. V evropském právu vyžaduje právní základ, jasný účel, přiměřený rozsah a odpovědnost správce nebo zpracovatele.

Zpracování přirozeného jazyka je obor na pomezí informatiky a lingvistiky, který umožňuje počítačům číst, analyzovat a generovat lidský text a řeč. Zahrnuje úlohy jako klasifikace textu, rozpoznávání pojmenovaných entit, strojový překlad, shrnování nebo odpovídání na otázky. Dnes se opírá především o neuronové modely trénované na velkých textových korpusech.

Ztrátová funkce je předpis, který převádí rozdíl mezi předpovědí modelu a skutečnou hodnotou na jediné číslo vyjadřující, jak moc se model spletl. Trénink strojového učení pak spočívá v hledání parametrů, které tuto hodnotu minimalizují. Volba ztrátové funkce určuje, jaké chyby model považuje za drahé, a tím i jeho výsledné chování.