貢獻分析總覽

您可以使用貢獻分析 (又稱為主要動力分析)，產生有關多維資料中主要指標變化的洞察資料。舉例來說，您可以使用貢獻分析來查看兩個季度的收益數字變化，或是比較兩組訓練資料，瞭解機器學習模型成效的變化。您可以使用 CREATE MODEL 陳述式在 BigQuery 中建立貢獻分析模型。

貢獻分析是一種擴增分析，也就是運用人工智慧 (AI) 來強化及自動化分析資料和瞭解資料。貢獻分析可達成擴增分析的主要目標之一，也就是協助使用者在資料中找出模式。

貢獻度分析模型會比較測試資料集和控制資料集，找出顯示指標變化的資料區段。舉例來說，您可以使用 2023 年底的銷售資料表快照做為測試資料，以及 2022 年底的資料表快照做為控制資料，瞭解銷售量隨時間變化的情形。貢獻分析模型可顯示哪個資料區隔 (例如特定區域的線上顧客)，對一年內銷售額的變化影響最大。

指標是貢獻分析模型用來評估及比較測試資料和控制資料之間變化的數值。您可以使用貢獻度分析模型，指定可相加指標、可相加的比率指標或可依類別相加指標。

區隔是指由維度值的特定組合所識別的資料切片。舉例來說，如果貢獻分析模式是根據 store_number、customer_id 和 day 維度建立，則這些維度值的每個不重複組合都代表一個區隔。在下表中，每列代表不同的區隔：

store_number customer_id day
商店 1
商店 1 客戶 1
商店 1 客戶 1 星期一
商店 1 客戶 1 星期二
商店 1 客戶 2
商店 2

如要縮短模型建立時間，並只建立最大且最相關的區隔，請指定先驗支援門檻，藉此裁減模型使用的小區隔。

建立貢獻度分析模型後，您可以使用 ML.GET_INSIGHTS 函式擷取模型計算的指標資訊。模型輸出內容包含多列洞察資料，每個洞察資料都會提供一個區隔和相應的指標。

後續步驟