組合器
左邊切產業、選場景, 右邊即時預覽組合後的應用。URL 本身就是組合定義, 可分享 / 書籤。
ML 模型卡 · ml-model-card
ML Model Card
旅客流失預測 v3.2
AUC
0.847
Precision
0.72
Recall
0.69
F1
0.70
訓練資料過去 12 個月 · 6000 筆
特徵數47 維 · SHAP 可解釋
重訓頻率每週 · Airflow DAG
偏差審查依年齡/性別/地區 fairness ✓
對抗測試通過 (2026-03-28)
規則引擎 · rules-engine
Decision Layer · OPA / Radar / Feature Flags
飯店訂房 規則引擎
1 條規則 · 每筆 訂房 經過完整評估鏈
Rule Set (依優先序)
- R01命中 17x
demo-1WARN示範規則 (本產業未定義)來源: 通用
模擬評估 · 輸入一筆 訂房
// input
{
id: "rv-B801",
status: "checkin",
value: 6800,
owner: "櫃檯",
}
WARN示範規則 (本產業未定義)
最終決策: 審查通過 + 記錄稽核
會員 RFM 分群 · member-rfm
RFM 分群 · Recency / Frequency / Monetary
旅客分群 · 共 348 位
- 忠誠老客
R5 F5 M5建議動作: 邀請推薦計畫4212% - 即將流失
R2 F4 M4建議動作: 發送續約優惠288% - 沉睡顧客
R1 F2 M3建議動作: 喚醒郵件15645% - 高潛力新客
R5 F1 M2建議動作: 教育內容3811% - 一次性買家
R1 F1 M1建議動作: 二次購買誘因8424%