এআই লিড স্কোরিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. কিভাবে এআই লিড স্কোরিং প্রাথমিকভাবে প্রচলিত নিয়ম-ভিত্তিক স্কোরিং থেকে আলাদা?
   • এটি নির্দিষ্ট পয়েন্ট ব্যবহার করার পরিবর্তে ঐতিহাসিক রূপান্তর ডেটা থেকে ওজন শেখে
   • এটি শুধুমাত্র ইমেল খোলে গণনা করে
   • এর জন্য কোনো ডেটার প্রয়োজন নেই
   • এটি কোম্পানির আকার এবং কাজের শিরোনাম উপেক্ষা করে
2. কোন মেশিন লার্নিং টাস্ক একটি সীসা রূপান্তরিত হবে কিনা তা ভবিষ্যদ্বাণী করা সবচেয়ে ভাল বর্ণনা করে?
   • চিত্র বিভাজন
   • বাইনারি শ্রেণীবিভাগ
   • বক্তৃতা স্বীকৃতি
   • শক্তিবৃদ্ধি শেখার
3. লিড-স্কোরিং মডেলের মূল্যায়নের জন্য প্লেইন অ্যাকুরেসি একটি দুর্বল মেট্রিক কেন?
   • Accuracy directly measures calibration
   • Accuracy tells sales representatives why a lead will convert
   • Converters may be rare, so a model can appear accurate by predicting “no conversion” for nearly every lead
   • Accuracy automatically adjusts decision thresholds
4. According to HubSpot’s lead-scoring documentation, which data can a custom score use?
   • Only a person’s name
   • শুধু দিনের সময়
   • Unlabeled audio waveforms
   • Record actions or properties selected for the scoring model
5. What can a lead-scoring model return for each prospect?
   • A score or estimated conversion probability, which still needs evaluation
   • A probability that is automatically calibrated by definition
   • A guaranteed sales outcome
   • A legal determination of creditworthiness
6. What does feature importance summarize in a tree-based lead-scoring model?
   • That a feature causes conversion
   • How influential a feature is in the model’s decisions under that importance method
   • That a feature is legally required
   • The future sales quota
7. What does calibration mean for a lead-conversion score?
   • Every lead receives the same score
   • The model’s accuracy is always 100 percent
   • Predicted probabilities match observed conversion frequencies over comparable cases
   • Scores are sorted alphabetically by company
8. Why should a lead-scoring model be monitored after deployment?
   • The original threshold can never become outdated
   • Monitoring makes labels unnecessary
   • A model score permanently captures market behavior
   • Lead behavior and the meaning of historical patterns can drift