Πρόβλεψη απώλειας συνδρομών

Προβλέψτε εάν ένας πελάτης κινδυνεύει να μην χρησιμοποιεί πλέον τη συνδρομή στα προϊόντα ή τις υπηρεσίες της εταιρείας σας. Τα δεδομένα περιλαμβάνουν ενεργές και ανενεργές συνδρομές για κάθε πελάτη, έτσι ώστε να υπάρχουν πολλαπλές καταχωρήσεις ανά αναγνωριστικό πελάτη. Για να βρείτε τον κίνδυνο απόρριψης για πελάτες που δεν πραγματοποιούν προγραμματισμένες αγορές, χρησιμοποιήστε το Μοντέλο απώλειας συναλλαγής.

Πρέπει να έχετε επιχειρηματικές γνώσεις για να κατανοήσετε τι σημαίνει για την επιχείρησή σας. Για παράδειγμα, μια επιχείρηση με ετήσιες εκδηλώσεις μπορεί να ορίσει την απώλεια που έχει μετρηθεί σε χρόνια, ενώ μια επιχείρηση που φροντίζει τις εβδομαδιαίες πωλήσεις μπορεί να μετράει σε μήνες. Υποστηρίζουμε τους ορισμούς απωλειών που βασίζονται σε χρονικά διαστήματα, δηλαδή ένας πελάτης θεωρείται ότι έχει χάσει μια χρονική περίοδο μετά τη λήξη της συνδρομής του.

Για παράδειγμα, το Contoso παρέχει μηνιαία υπηρεσία καφέ. Θέλουν να γνωρίζουν ποιοι πελάτες ίσως ρωτούν για την ανανέωση της υπηρεσίας ώστε να μπορούν να προσφέρουν έκπτωση. Μέσω του μοντέλου απώλειας συνδρομής, η Contoso μπορεί να δει ποιοι πελάτες μπορεί να μην ανανεώσουν την υπηρεσία το επόμενο έτος και πόσο μεγάλος μπορεί να είναι ο συγκεκριμένος πληθυσμός.

Φιλοδώρημα

Δοκιμάστε την πρόβλεψη απώλειας συνδρομών χρησιμοποιώντας δείγμα δεδομένων: Δείγμα οδηγού πρόβλεψης απώλειας συνδρομών.

Προϋποθέσεις

• Τουλάχιστον Δικαιώματα συμβάλλοντος.
• Τουλάχιστον 1.000 προφίλ πελατών εντός του επιθυμητού παραθύρου πρόβλεψης.
• Αναγνωριστικό πελάτη, ένα μοναδικό αναγνωριστικό για αντιστοίχιση συνδρομών με πελάτες σας.
• Δεδομένα συνδρομής για τουλάχιστον το διπλό επιλεγμένο χρονικό διάστημα. Κατά προτίμηση, δεδομένα συνδρομής 2 έως 3 ετών. Το ιστορικό συνδρομής πρέπει να περιλαμβάνει:
  • Αναγνωριστικό εγγραφής: Μοναδικό αναγνωριστικό μιας συνδρομής.
  • Ημερομηνία λήξης της συνδρομής: Ημερομηνία λήξης της συνδρομής για τον πελάτη.
  • Ημερομηνία έναρξης της συνδρομής: Ημερομηνία έναρξης της συνδρομής για τον πελάτη.
  • Ημερομηνία συναλλαγής: Ημερομηνία κατά την οποία έγινε η αλλαγή της συνδρομής. Για παράδειγμα, ένας πελάτης που αγοράζει ή ακυρώνει μια συνδρομή.
  • Πρόκειται για μια επαναλαμβανόμενη συνδρομή: Πεδίο δυαδικής τιμής αληθές/ψευδές που προσδιορίζει εάν η συνδρομή θα ανανεωθεί με το ίδιο αναγνωριστικό εγγραφής χωρίς την παρέμβαση του πελάτη
  • Συχνότητα περιοδικότητας (σε μήνες): Για επαναλαμβανόμενες συνδρομές, ο μήνας κατά τον οποίο θα ανανεωθεί η συνδρομή. Για παράδειγμα, μια ετήσια συνδρομή που ανανεώνεται αυτόματα για έναν πελάτη κάθε έτος για ένα άλλο έτος έχει την τιμή 12.
  • Ποσό συνδρομής: Ποσό της νομισματικής μονάδας που πληρώνει ο πελάτης για την ανανέωση της συνδρομής. Μπορεί να σας βοηθήσει στην αναγνώριση μοτίβων για διαφορετικά επίπεδα συνδρομών.
• Τουλάχιστον δύο καρτέλες δραστηριότητας για το 50% των πελατών για τους οποίους θέλετε να υπολογίσετε την απώλεια. Οι δραστηριότητες πελατών πρέπει να περιλαμβάνουν:
  • Πρωτεύον κλειδί: Μοναδικό αναγνωριστικό για μια δραστηριότητα. Για παράδειγμα, μια επίσκεψη σε μια τοποθεσία Web ή μια καρτέλα χρήσης που δείχνει ότι ο πελάτης έχει επισκεφθεί ένα επεισόδιο τηλεοπτικού σόου.
  • Χρονική σήμανση: Ημερομηνία και η ώρα του συμβάντος που προσδιορίζεται από το πρωτεύον κλειδί.
  • Συμβάν: Όνομα του συμβάντος που θέλετε να χρησιμοποιήσετε. Για παράδειγμα, ένα πεδίο που ονομάζεται "UserAction" σε μια υπηρεσία ροής βίντεο μπορεί να έχει την τιμή "Προβλήθηκε".
  • Λεπτομέρειες: Λεπτομερείς πληροφορίες σχετικά με το συμβάν. Για παράδειγμα, ένα πεδίο που ονομάζεται "ShowTitle" σε μια υπηρεσία ροής βίντεο μπορεί να έχει την τιμή ενός βίντεο που είδε ο πελάτης.
• Λιγότερο από το 20% των τιμών που λείπουν στο πεδίο δεδομένων του παρεχόμενου πίνακα.

Δημιουργία πρόβλεψης απώλειας συνδρομών

Επιλέξτε Αποθήκευση προσχεδίου οποιαδήποτε στιγμή για να αποθηκεύσετε την πρόβλεψη ως προσχέδιο. Το προσχέδιο πρόβλεψης εμφανίζεται στην καρτέλα Οι προβλέψεις μου.

1. Μεταβείτε στην Πληροφορίες>Προβλέψεις.

2. Στην καρτέλα Δημιουργία, επιλέξτε Χρήση μοντέλου στο πλακίδιο Μοντέλο απώλειας πελάτη.

3. Επιλέξτε Συνδρομή για τον τύπο απώλειας και, στη συνέχεια, Γρήγορα αποτελέσματα.

4. Ονομάστε αυτό το μοντέλο και το Όνομα του πίνακα εξόδου για να τα διακρίνετε από άλλα μοντέλα ή πίνακες.

5. Επιλέξτε Επόμενο.

Ορισμός απώλειας πελάτη

1. Καταγράψτε τον αριθμό των Ημερών από τη λήξη της συνδρομής που η επιχείρησή σας θεωρεί ότι ο πελάτης είναι σε κατάσταση απώλειας. Κατά κανόνα, αυτή η περίοδος συνδέεται με επιχειρηματικές δραστηριότητες, όπως προσφορές ή άλλες προσπάθειες μάρκετινγκ που προσπαθούν να αποτρέψουν την απώλεια του πελάτη.

2. Εισαγάγετε τον αριθμό Ημέρες για να κοιτάξετε στο μέλλον για να προβλέψετε την απώλεια. Για παράδειγμα, προβλέψτε τον κίνδυνο απώλειας για τους πελάτες σας κατά τη διάρκεια των επόμενων 90 ημερών, προκειμένου να ευθυγραμμίσετε τις προσπάθειες διατησης μάρκετινγκ. Η πρόβλεψη του κινδύνου απώλειας για μεγαλύτερες ή μικρότερες χρονικές περιόδους μπορεί να καταστήσει πιο δύσκολη την αντιμετώπιση των παραγόντων στο προφίλ κινδύνου απώλειας, ανάλογα με τις συγκεκριμένες επιχειρηματικές σας απαιτήσεις.

3. Επιλέξτε Επόμενο.

Προσθήκη απαιτούμενων δεδομένων

1. Επιλέξτε Προσθήκη δεδομένων για Ιστορικό συνδρομών.

2. Επιλέξτε τον τύπο σημασιολογικής δραστηριότητας Συνδρομή που περιέχει τις απαιτούμενες πληροφορίες ιστορικού συνδρομών. Αν δεν έχει οριστεί η δραστηριότητα, επιλέξτε εδώ και δημιουργήστε την.

3. Στην περιοχή Δραστηριότητες, εάν τα χαρακτηριστικά δραστηριότητας αντιστοιχίζονται σημασιολογικά κατά τη δημιουργία της δραστηριότητας, επιλέξτε τα συγκεκριμένα χαρακτηριστικά ή τον πίνακα στον οποίο θα θέλατε να εστιάσει ο υπολογισμός. Εάν δεν είχε προκύψει αντιστοίχιση σημασιών, επιλέξτε Επεξεργασία και κάντε αντιστοίχιση των δεδομένων σας.

   

4. Επιλέξτε Επόμενο και εξετάστε τα χαρακτηριστικά που απαιτούνται για αυτό το μοντέλο.

5. ΕπιλέξτεΑποθήκευση.

6. Επιλέξτε Προσθήκη δεδομένων για Δραστηριότητες πελατών.

7. Επιλέξτε τον τύπο της σημασιολογικής δραστηριότητας που παρέχει τις πληροφορίες δραστηριότητας πελάτη. Αν δεν έχει οριστεί η δραστηριότητα, επιλέξτε εδώ και δημιουργήστε την.

8. Στην περιοχή Δραστηριότητες, εάν τα χαρακτηριστικά δραστηριότητας αντιστοιχίζονται σημασιολογικά κατά τη δημιουργία της δραστηριότητας, επιλέξτε τα συγκεκριμένα χαρακτηριστικά ή τον πίνακα στον οποίο θα θέλατε να εστιάσει ο υπολογισμός. Εάν δεν είχε προκύψει αντιστοίχιση σημασιών, επιλέξτε Επεξεργασία και κάντε αντιστοίχιση των δεδομένων σας.

9. Επιλέξτε Επόμενο και εξετάστε τα χαρακτηριστικά που απαιτούνται για αυτό το μοντέλο.

10. ΕπιλέξτεΑποθήκευση.

11. Προσθέστε περισσότερες δραστηριότητες ή επιλέξτε Επόμενο.

Ορισμός ενημερωμένου χρονοδιαγράμματος

1. Επιλέξτε τη συχνότητα για την επανεκπαίδευση του μοντέλου σας. Αυτή η ρύθμιση είναι σημαντική για την ενημέρωση της ακρίβειας των προβλέψεων με τη λήψη νέων δεδομένων. Οι περισσότερες επιχειρήσεις μπορούν να κάνουν επανεκπαίδευση κάθε μήνα και να έχουν μια καλή ακρίβεια για την πρόβλεψή τους.

2. Επιλέξτε Επόμενο.

Εξέταση και εκτέλεση της ρύθμισης παραμέτρων του μοντέλου

Το βήμα Εξέταση και εκτέλεση εμφανίζει μια σύνοψη της ρύθμισης παραμέτρων και σας δίνει την ευκαιρία να κάνετε αλλαγές προτού δημιουργήσετε την πρόβλεψη.

1. Επιλέξτε Επεξεργασία σε οποιοδήποτε από τα βήματα για να ελέγξετε και να κάνετε τυχόν αλλαγές.

2. Εάν είστε ικανοποιημένοι με τις επιλογές σας, επιλέξτε Αποθήκευση και εκτέλεση για να ξεκινήσετε την εκτέλεση του μοντέλου. Επιλέξτε Τέλος. Η καρτέλα Οι προβλέψεις μου εμφανίζεται ενώ δημιουργείται πρόβλεψη. Η ολοκλήρωση της διεργασίας μπορεί να διαρκέσει αρκετές ώρες ανάλογα με την ποσότητα των δεδομένων που χρησιμοποιούνται στην πρόβλεψη.

Φιλοδώρημα

Υπάρχουν καταστάσεις για εργασίες και διεργασίες. Οι περισσότερες διεργασίες εξαρτώνται από άλλες διεργασίες ανοδικά, όπως οι προελεύσεις δεδομένων και η ανανεώσεις του προφίλ δεδομένων.

Επιλέξτε την κατάσταση για να ανοίξετε το παράθυρο λεπτομερειών προόδου και προβάλετε την πρόοδο της εργασίας. Για να ακυρώσετε την εργασία, επιλέξτε Ακύρωση εργασίας στο κάτω μέρος του τμήματος παραθύρου.

Κάτω από κάθε εργασία, μπορείτε να επιλέξτε το Δείτε τις λεπτομέρειες για περισσότερες πληροφορίες σχετικά με την πρόοδο, όπως το χρόνο επεξεργασίας, την τελευταία ημερομηνία επεξεργασίας και τυχόν σφάλματα και προειδοποιήσεις που σχετίζονται με την εργασία ή τη διεργασία. Επιλέξτε την Προβολή κατάστασης συστήματος στο κάτω μέρος του πίνακα για να δείτε άλλες διεργασίες στο σύστημα.

Προβολή αποτελεσμάτων πρόβλεψης

1. Μεταβείτε στην Πληροφορίες>Προβλέψεις.

2. Στην καρτέλα Οι προβλέψεις μου, επιλέξτε την πρόβλεψη που θέλετε να προβάλλετε.

Υπάρχουν τρεις κύριες ενότητες δεδομένων εντός της σελίδας αποτελεσμάτων:

• Επιδόσεις μοντέλου εκπαίδευσης: Οι βαθμοί Α, Β ή Γ υποδεικνύουν τις επιδόσεις του προϊόντος πρόβλεψη μπορεί να σας βοηθήσει να επιλέξετε να χρησιμοποιήσετε τα αποτελέσματα που είναι αποθηκευμένα στον πίνακα εξόδου.

  

  Οι βαθμοί καθορίζονται με βάση τους ακόλουθους κανόνες:

  • Α όταν το μοντέλο προέβλεψε με ακρίβεια τουλάχιστον το 50% των συνολικών προβλέψεων και όταν το ποσοστό των ακριβών προβλέψεων για τους πελάτες που χάθηκαν είναι μεγαλύτερο από το ιστορικό μέσο ποσοστό απώλειας κατά τουλάχιστον 10%.
  • Β όταν το μοντέλο προέβλεψε με ακρίβεια τουλάχιστον το 50% των συνολικών προβλέψεων και όταν το ποσοστό των ακριβών προβλέψεων για τους πελάτες που χάθηκαν έως 10% μεγαλύτερο από το ιστορικό μέσο ποσοστό απώλειας.
  • Γ όταν το μοντέλο προέβλεψε με ακρίβεια λιγότερο από το 50% των συνολικών προβλέψεων ή όταν το ποσοστό των ακριβών προβλέψεων για τους πελάτες που αποχώρησαν είναι μικρότερο από τον μέσο όρο του ιστορικού απωλειών.

• Πιθανότητα επανάληψης (αριθμός πελατών): Ομαδοποιεί τους πελάτες βάσει του προβλεπόμενου κινδύνου απώλειας. Προαιρετικά, δημιουργήστε τμήματα πελατών με μεγάλο κίνδυνο απώλειας. Τέτοιου είδους τμήματα σάς βοηθούν να κατανοήσετε τη θέση στην οποία θα πρέπει να αποκοπεί η ιδιότητα μέλους τμήματος.

  

• Παράγοντες με τη μεγαλύτερη επιρροή: Υπάρχουν πολλοί παράγοντες που λαμβάνονται υπόψη κατά τη δημιουργία της πρόβλεψής σας. Καθένας από τους συντελεστές έχει τη σπουδαιότητά του υπολογισμένη για τις συγκεντρωτικές προβλέψεις που δημιουργεί ένα μοντέλο. Χρησιμοποιήστε αυτούς τους παράγοντες για να επικυρώσετε τα αποτελέσματα της πρόβλεψής σας. Ή χρησιμοποιήστε αυτές τις πληροφορίες αργότερα για να δημιουργήσετε τμήματα αγοράς που θα μπορούσαν να επηρεάσουν τον κίνδυνο απώλειας για τους πελάτες.

  

Σημείωμα

Στον πίνακα εξόδου για αυτό το μοντέλο, το ChurnScore είναι η προβλεπόμενη πιθανότητα απώλειας και το IsChurn είναι μια δυαδική ετικέτα με βάση το ChurnScore με όριο 0,5. Αν αυτό το προεπιλεγμένο όριο δεν λειτουργεί για το σενάριό σας, δημιουργήστε ένα νέο τμήμα με όριο της προτίμησής σας. Για να προβάλετε τη βαθμολογία απώλειας, μεταβείτε στα Δεδομένα>Πίνακες και προβάλετε την καρτέλα δεδομένων για τον πίνακα εξόδου που ορίσατε για αυτό το μοντέλο.