최적의 결과를 위한 선택, 지능형 매칭 알고리즘 기반 A/B 테스트
더욱 넓어진 klastroTest의 활용 범위!
“디자인의 잠재력을 최대한 발휘하세요: klastroTest로 매출 증대를 이끌어낼 수
있습니다. klastroTest는 사용자 데이터의 모든 특징을 고려하는 독보적인 매칭 알고리즘을 사용합니다.”
“성향 점수 매칭은 이제 필요 없습니다. klastroTest는 더 나은 솔루션을 사용하여 통제 그룹과 실험 그룹을 정의합니다. 또한 ATE를 자동으로 계산해 줍니다.”
klastroTest
어떤 디자인이 가장 효과적일까요?
A/B 테스트로 확인해보세요!
왜 klastroTEST를 사용해야 할까요?
관측 연구에서 편향을 줄이는 데 널리 사용되는 방법인 성향 점수 매칭(Propensity Score Matching, PSM)은 그 자체로 한계가 있습니다.
klastroTest는 PSM을 사용하지 않습니다. klastroTest는 입력 데이터의 모든 특징을 관찰하고 통제 그룹과 실험 그룹을 매칭합니다.
A/B 테스트 결과를 3초 만에? 이제 기다림은 끝났습니다!
소매업처럼 빠르게 변화하는 세계에서는 타이밍이 모든 것입니다. 1000배 이상 빠른 저희 솔루션은 A/B 테스트 결과를 단 3초 만에 분석하여
실시간 데이터 기반 의사 결정을 가능하게 합니다. 매일 캠페인을 최적화하고 트렌드보다 앞서 나가세요.
GPU 가속화된 솔류션
저희의 벤치마크에서, klastroTest 솔루션은 수천 개의 데이터 포인트를 포함한 매칭 작업을 밀리초 단위로 처리했습니다.
이는 기존 방식으로는 한 시간이 넘게 걸리는 작업입니다.
실험군 데이터 2500개 매칭 시 1300배, 50000개 매칭 시 2200배 더 빠른 속도를 경험하세요! *
데이터가 많을수록 더욱 빛나는 속도를 자랑합니다.
*컨테이너 환경에서 3초 미만의 속도를 보여주지만, 실제 환경에서는 네트워크 상태 및 통신 시간에 영향을 미치는 다른 요인으로 인해 지연시간이 추가될 수 있습니다.
(실험군 2517 x 8, 대조군 8461 x 8 데이터셋 기준, 기존 솔루션 58분 28초 vs. klastroTest 2.57초)
(실험군 49825 x 8, 대조군 56153 x 8 데이터셋 기준, 기존 솔루션 6일 12시간 49분 17초 vs. klastroTest 4분 7초)
누락된 교란 요인? 문제 없습니다.
PSM은 관찰된 변수를 사용하여 개인이 치료를 받을 확률을 나타내는 성향 점수를 추정합니다.
데이터 세트에서 중요한 교란 변수가 누락되면 성향 점수가 부정확해져 불완전한 매칭과 편향된 치료 효과 추정치가 발생합니다.
klastroTest는 누락된 교란 변수 없이 포괄적인 매칭을 보장하여, 더 신뢰할 수 있는 처리 효과 추정치를 제공합니다.
고차원 데이터에 최적화되어 있습니다.
변수의 수가 증가함에 따라 성향 점수를 정확하게 추정하는 것이 더 복잡해집니다.
고차원 데이터에서 “차원의 저주”는 PSM이 개인을 효과적으로 매칭하는 능력을 저해하여 잠재적으로 편향을 증가시키고 분석 효율성을 감소시킬 수 있습니다.
klastroTest는 고차원 데이터를 손쉽게 처리하여, 기존 방법의 한계를 극복합니다.
선형성 가정의 문제를 가지지 않습니다.
많은 PSM 구현에서는 로지스틱 회귀를 사용하여 성향 점수를 예측합니다. 로지스틱 회귀는 변수와 결과 간의 선형 관계를 가정합니다.
그러나 이 가정이 모든 경우에 맞는 것은 아니므로 부정확한 성향 점수 추정 및 후속 매칭 오류가 발생할 수 있습니다.
klastroTest는 선형 가정을 필요로 하지 않아, 다양한 데이터셋에서 유연성과 정확성을 보장합니다.
klastroTest는 더 간단하고 정확합니다.
klastroTest는 개념적으로 더 간단하고 PSM보다 계산적으로 덜 까다롭습니다.
복잡한 모델링이나 추정 절차가 필요하지 않으므로 연구원이 더 쉽게 구현할 수 있습니다.
klastroTest의 알고리즘은 PSM의 성향 점수 추정 프로세스 중에 발생할 수 있는 오류 및 편향 가능성을 줄일 수 있습니다.
klastroTest
완벽한 임상을 위한 완벽한 대조군 및 실험군 구성
다차원 데이터의 효과적 처리
PSM (Propensity Score Matching) 은 단일 성향 점수에 의존하는데, 이는 다차원 의료 데이터의 뉘앙스를 완전히 반영하지 못할 수 있습니다.
klastroTest는 거리를 계산할 때 변수 간의 상관관계를 고려합니다.
이를 통해 환자 인구 통계, 동반 질환 및 검사 결과와 같은 변수 간의 복잡한 관계를 파악하여 다차원 데이터에서 더 정확한 매칭을 가능하게 합니다.
우수한 공변량 균형
klastroTest는 여러 공변량을 동시에 효과적으로 균형을 맞춥니다. 반대로 PSM은 단일 성향 점수에 의존하는데, 이는 개별 공변량의 균형을 보장하지 못할 수 있습니다. klastroTest는 치료군과 대조군 간에 더 나은 공변량 균형을 달성함으로써 선택 편향을 줄이고 치료 효과 추정의 정확성을 향상시킬 수 있습니다.
하위 그룹 식별에 용이
klastroTest는 특정 환자 하위 그룹을 분석하는 데 특히 유용합니다. 예를 들어, 중증 질환 환자의 치료 효과를 조사할 때 연구자는 klastroTest를 활용하여 관련 특성에 따라 유사한 환자를 식별하고 비교할 수 있습니다. 전체 성향 점수 분포에 중점을 둔 PSM은 이러한 표적 분석에 이상적이지 않을 수 있습니다.
ATE 자동 계산으로 신속하고 정확한 임상 데이터 분석을 지원합니다
klastroTest는 임상 연구에서 중요한 평균 개입 효과(ATE)를 자동으로 계산하여, 복잡한 데이터 분석 과정을 단순화하고 신속하게 결과를 제공합니다.
전통적으로 ATE 계산은 변수 설정, 복잡한 알고리즘 적용, 오류 검토 등 수작업이 많이 필요하지만, klastroTest는 이러한 과정을 자동화하여 연구자들이 더 빠르고 정확한 분석을 수행할 수 있도록 지원합니다. 특히 매칭이 완료된 직후 treatment 정보가 있는 경우, 즉시 ATE를 계산하여 결과를 제공합니다. 이를 통해 연구자들은 시간과 노력을 절약하고, 신뢰할 수 있는 분석 결과를 더욱 빠르게 확보할 수 있습니다.
Visit Us
찾아오시는 길
창의성과 전문성의 중심지, 직접 방문해보세요.