Predecir el abandono de suscripción
Prediga si un cliente está en peligro por dejar de usar los productos o servicios de suscripción periódicos de su compañía. Los datos de la suscripción incluyen suscripciones activas e inactivas para cada cliente, por lo que puede haber varias entradas por identificador de cliente. Para encontrar el riesgo de abandono de clientes que no realizan compras programadas, utilice el modelo de abandono de transacciones.
Debe tener conocimiento del negocio para comprender lo que significa la pérdida de suscripciones para su negocio. Por ejemplo, una empresa con eventos anuales puede definir su deserción medida en años, mientras que una empresa que atiende a ventas semanales puede medir su deserción en meses. Admitimos definiciones de pérdida de suscripciones basadas en el tiempo, lo que significa que se considera perdido a un cliente cuando ha transcurrido un período de tiempo tras la finalización de su suscripción.
Por ejemplo, Contoso ofrece un servicio de café mensual. Quieren saber qué clientes podrían estar cuestionando la renovación del servicio para poder ofrecer un descuento. A través del modelo de abandono de suscripciones, Contoso puede ver qué clientes podrían no renovar el servicio el próximo año y qué tan grande podría ser esa población.
Propina
Pruebe la predicción de cancelación de suscripción con datos de ejemplo: Guía de ejemplo de predicción de cancelación de suscripción.
Requisitos previos
- Al menos permisos de colaborador.
- Al menos 1000 perfiles de clientes dentro de la ventana de predicción deseada.
- Identificador de cliente, un identificador único para hacer coincidir suscripciones con sus clientes.
- Datos de suscripción de al menos el doble del período tiempo seleccionado. Preferiblemente, dos o tres años de datos de suscripciones. El historial de suscripción debe incluir:
- Id. de suscripción: un identificador único de una suscripción.
- Fecha de finalización de la suscripción: la fecha de vencimiento de la suscripción para el cliente.
- Fecha de inicio de la suscripción: la fecha en que comienza la suscripción para el cliente.
- Fecha de transacción: la fecha en que ocurrió un cambio de suscripción. Por ejemplo, un cliente que compra o cancela una suscripción.
- ¿Es una suscripción periódica? campo booleano verdadero/falso que determina si la suscripción se renovará con el mismo ID de suscripción sin intervención del cliente
- Frecuencia de periodicidad (en meses): para las suscripciones periódicas, el mes de renovación de la suscripción. Por ejemplo, una suscripción anual que se renueva automáticamente para un cliente cada año durante otro año tiene el valor 12.
- Importe de la suscripción: importe de dinero que un cliente paga por la renovación de la suscripción. Puede ayudar a identificar patrones para diferentes niveles de suscripciones.
- Al menos dos registros de actividad para el 50% de los clientes para los que desea calcular el abandono. Las actividades del cliente deben incluir:
- Clave principal: identificador único de una actividad. Por ejemplo, una visita a un sitio web o un registro de uso que muestra que el cliente vio un episodio de un programa de televisión.
- Marca de tiempo: fecha y hora del evento, identificadas mediante la clave principal.
- Evento: el nombre del evento que desea usar. Por ejemplo, un campo llamado "UserAction" en un servicio de transmisión de vídeo podría tener el valor de "Visto".
- Detalles: Información detallada sobre el evento. Por ejemplo, un campo llamado "ShowTitle" en un servicio de transmisión de vídeo podría tener el valor de un vídeo que el cliente ha visto.
- Menos del 20 % de los valores que faltan en el campo de datos de la tabla proporcionada.
Crear una predicción de pérdida de suscripciones
Seleccione Guardar borrador en cualquier momento para guardar la predicción como borrador. La predicción de borrador se muestra en la pestaña Mis predicciones.
Vaya a Información>Predicciones.
En la pestaña Crear, seleccione Usar modelo en la ventana Modelo de abandono de clientes.
Seleccione Suscripción para el tipo de abandono y luego Empezar.
Nombre este modelo y el Nombre de la tabla de salida para distinguirlos de otros modelos o tablas.
Seleccione Siguiente.
Definir abandono de clientes
Introduzca el número de Días desde que finalizó la suscripción que su empresa considera para que un cliente esté en un estado de pérdida. Este período suele equivaler a actividades comerciales como ofertas u otros esfuerzos de marketing que intentan evitar la pérdida del cliente.
Introduzca el número de Días para mirar hacia el futuro para predecir el abandono: Por ejemplo, predizca el riesgo de abandono de sus clientes durante los próximos 90 días para alinearse con sus esfuerzos de retención de marketing. Predecir el riesgo de abandono durante períodos de tiempo más largos o más cortos puede hacer que sean más difícil abordar los factores en el perfil de riesgo de abandono, en función de sus requisitos empresariales específicos.
Seleccione Siguiente.
Agregar datos necesarios
Seleccione Agregar datos para Historial de suscripciones.
Seleccione el tipo de actividad semántico Suscripción que contiene la información del historial de suscripciones necesaria. Si la actividad no ha sido configurada, seleccione aquí y créela.
Bajo Actividades, si los atributos de la actividad se asignaron semánticamente cuando se creó la actividad, elija los atributos o la tabla específicos en los que desea que se centre el cálculo. Si no se produjo el mapeo semántico, seleccione Editar y mapee sus datos.
Seleccione Siguiente y revise los atributos necesarios para este modelo.
Seleccione Guardar.
Seleccione Agregar datos para Actividades del cliente.
Seleccione el tipo de actividad semántica que proporciona la información de actividad del cliente. Si la actividad no ha sido configurada, seleccione aquí y créela.
Bajo Actividades, si los atributos de la actividad se asignaron semánticamente cuando se creó la actividad, elija los atributos o la tabla específicos en los que desea que se centre el cálculo. Si no se produjo el mapeo semántico, seleccione Editar y mapee sus datos.
Seleccione Siguiente y revise los atributos necesarios para este modelo.
Seleccione Guardar.
Añade más actividades o selecciona Siguiente.
Definir la programación de actualizaciones
Elija la frecuencia para volver a entrenar su modelo. Esta configuración es importante para actualizar la precisión de las predicciones a medida que se ingieren nuevos datos. La mayoría de las empresas pueden volver a entrenarse una vez al mes y obtener una buena precisión para sus predicciones.
Seleccione Siguiente.
Revisar y ejecutar la configuración del modelo
El paso Revisar y ejecutar muestra un resumen de la configuración y brinda la oportunidad de realizar cambios antes de crear el predicción.
Seleccione Editar en cualquiera de los pasos para revisar y realizar cambios.
Si está satisfecho con sus selecciones, seleccione Guardar y ejecutar para comenzar a ejecutar el modelo. Seleccione Listo. La pestaña Mis predicciones se muestra mientras se crea predicción. El proceso puede tardar varias horas en completarse dependiendo de la cantidad de datos utilizados en la predicción.
Propina
Existen estados para tareas y procesos. La mayoría de los procesos dependen de otros procesos ascendentes, como las fuentes de datos y actualizaciones de perfiles de datos.
Seleccione el estado para abrir el panel Detalles de progreso y vea el progreso de las tareas. Para cancelar el trabajo, seleccione Cancelar trabajo en la parte inferior del panel.
En cada tarea, puede seleccionar Ver detalles para obtener más información sobre el progreso, como el tiempo de procesamiento, la fecha del último procesamiento y los errores y advertencias aplicables asociados con la tarea o el proceso. Seleccione Ver el estado del sistema en la parte inferior del panel para ver otros procesos en el sistema.
Ver los resultados de la predicción
Vaya a Información>Predicciones.
En la pestaña Mis predicciones, seleccione la predicción que desea ver.
Hay tres secciones de datos principales en la página de resultados:
Rendimiento del modelo de entrenamiento: los grados A, B o C indican el rendimiento de la predicción y puede ayudarlo a tomar la decisión de utilizar los resultados almacenados en la tabla de salida.
Las puntuaciones se determinan según las siguientes reglas:
- A cuando el modelo predijo con precisión al menos el 50 % de las predicciones totales, y cuando el porcentaje de predicciones precisas para los clientes que abandonaron es mayor que la tasa de abandono promedio histórica en al menos un 10 %.
- B cuando el modelo predijo con precisión al menos el 50 % de las predicciones totales, y cuando el porcentaje de predicciones precisas para los clientes que abandonaron es hasta un 10% mayor que la tasa de abandono promedio histórica.
- C cuando el modelo predijo con precisión menos del 50% de las predicciones totales, o cuando el porcentaje de predicciones precisas para los clientes que abandonaron es menor que la tasa de abandono media histórica.
Probabilidad de pérdida (número de clientes): Grupos de clientes según su riesgo de pérdida previsto. Opcionalmente, cree segmentos de clientes con alto riesgo de abandono. Dichos segmentos ayudan a comprender dónde debe estar el corte para la pertenencia del segmento.
Factores más influyentes: Hay muchos factores que se tienen en cuenta al crear su predicción. Cada uno de los factores tiene su importancia calculada para las predicciones agregadas que crea un modelo. Use estos factores para ayudar a validar los resultados de la predicción. O use esta información más tarde para crear segmentos que puedan ayudar a influir en el riesgo de pérdida de clientes.
Nota
En la tabla de salida para este modelo, ChurnScore es la probabilidad pronosticada de abandono y IsChurn es una etiqueta binaria basada en ChurnScore con umbral de 0,5. Si este umbral predeterminado no funciona para su escenario, cree un nuevo segmento con su umbral preferido. Para ver la puntuación de abandono, vaya a Datos>Tablas y vea la pestaña de datos para la tabla de salida que definió para este modelo.