ガイド連動クイズ · 中 レベル

AI リード スコアリング クイズ

リードスコアリングが履歴結果をどのように使用するか、クラスの不均衡が評価に影響を与える理由、およびキャリブレーションとドリフトモニタリングが重要である理由を評価します。

関連するガイドパスAI リードスコアリング
質問 1 の 8

AI によるリードのスコアリングは、従来のルールベースのスコアリングと主にどのように異なりますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. AI によるリードのスコアリングは、従来のルールベースのスコアリングと主にどのように異なりますか?
    • 固定小数点を使用する代わりに、過去のコンバージョン データから重みを学習します。
    • メールの開封のみをカウントします
    • データはまったく必要ありません
    • 企業規模や役職は無視
  2. 見込み客がコンバージョンするかどうかの予測を最もよく表す機械学習タスクはどれですか?
    • 画像のセグメンテーション
    • 二項分類
    • 音声認識
    • 強化学習
  3. 単純な精度がリード スコアリング モデルを評価する指標として不適切なのはなぜですか?
    • 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
    • 時間帯のみ
    • 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    • The original threshold can never become outdated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