Tapahtuman vaihtuvuuden ennustaminen

Tapahtuman vaihtuvuusennuste auttaa ennustamaan, ostaako asiakas vielä tuotteita tai palveluja annetulla ajanjaksolla. Tapahtumavaihtuvuudesta on hyötyä sellaisten asiakkaiden etsimisessä, jotka eivät enää osata tuotteita minä tahansa määritetyn vaihtuvuusikkunan hetkenä. Sellaisten asiakkaiden etsimiseen, jotka saattavat peruuttaa esimääritetyt jatkuvat ostoksensa, suosittelemme Tilausvaihtuvuusennusteen käyttöä.

Liiketoiminnan tietämystä tarvitaan, jotta voidaan hahmottaa, mitä vaihtuvuus merkitsee yritykselle. Esimerkiksi yritys, jolla on vuosittaisia tapahtumia, voi määrittää vaihtuvuuden mittaamisen vuosissa, kun taas viikkomyyntiä seuraava yritys voi mitata vaihtuvuutta kuukausissa. Aikaperusteista vaihtuvuusmääritelmiä tuetaan, joten asiakkaan katsotaan vaihtuneen tietyn ostamattoman ajanjakson jälkeen.

Contoso haluaa esimerkiksi tietää säilyttämiseen tarkoitetun sähköpostikampanjaa varten, kuinka sitoutuneita asiakkaat ovat. Contoson asiakkaat käyvät myymälöissä vaihtelevasti, useimmiten 3–4 kertaa kuukaudessa. Niiden tapahtumat ovat epäsäännöllisiä, joten on vaikea määrittää, milloin asiakas lopettaa Contoso-tuotemerkin ostamisen. Contoso voi määrittää liiketapahtumien vaihtuvuusmallin avulla todennäköisyyden, että asiakkaat ostavat tuotteita uudelleen. He näkevät johtavat mallit, jotka johtavat siihen, että asiakkaat hylkäävät tuotemerkin. Näin he voivat mukauttaa muita strategioita.

Edellytykset

• Ainakin osallistujan käyttöoikeudet.
• Vähintään 500 asiakasprofiilia, mielellään yli 1 000 yksilöllistä asiakasta.
• Asiakastunniste on yksilöivä asiakkaiden tapahtumia vastaava tunniste.
• Tapahtumatiedot vähintään kaksinkertaisena valittuun aikaikkunaan verrattuna, kuten 2–3 vuoden tapahtumahistoria. Mieluiten vähintään kaksi asiakaskohtaista tapahtumaa. Tapahtumahistorian on sisällettävä seuraavat tiedot:
  • Tapahtuman tunnus: oston tai tapahtuman yksilöivä tunnus.
  • Tapahtuman päivämäärä: oston tai tapahtuman päivämäärä.
  • Tapahtuman arvo: tapahtuman valuutta tai numeroarvoinen summa.
  • Yksilöivä tuotetunnus: ostetun tuotteen tai palvelun tunnus, jos tieto on rivitasolla.
  • Tieto siitä, oliko tämä tapahtuma palautus: Tosi/epätosi-kenttä ilmaisee, oliko tapahtuma palautus vai ei. Jos Tapahtuman arvo on negatiivinen, viittaus palautukseen johdetaan.
• Asiakasaktiviteetin tiedot ovat seuraavat:
  • Asiakastunniste on yksilöivä tunniste aktiviteettien yhdistämiseen asiakkaisiin.
  • Perusavain: Aktiviteetin yksilöivä tunnus. Esimerkiksi sivustovierailu tai käyttötietue, joka osoittaa, että asiakas kokeile tuotenäytettä.
  • Aikaleima: perusavaimen tunnistaman tapahtuman päivämäärä ja aika.
  • Tapahtuma: Käytettävän tapahtuman nimi. Esimerkiksi elintarvikemyymälän UserAction-kenttä voisi olla asiakkaan käyttämä kuponki.
  • Tiedot: Tapahtuman yksityiskohtaiset tiedot. Esimerkiksi elintarvikemyymälän CouponValue-kenttä voisi olla kupongin valuutta-arvo.
• Puuttuvia arvoja alle 20 % annetun taulukon tietokentässä.

Tapahtuman vaihtuvuusennusteen luominen

1. Siirry kohteeseen Merkitykselliset tiedot>Ennusteet.

2. Valitse Luo-välilehden Asiakasvaihtuvuusmalli-ruudussa Käytä mallia.

3. Valitse vaihtuvuuden tyypiksi Tapahtuma ja valitse sitten Aloita.

4. Anna tälle mallille ja tulostaulukolle nimi, jotta ne voidaan erottaa muista malleista tai entiteeteistä.

5. Valitse Seuraava.

Määritä asiakasvaihtuma

Ennuste voidaan tallentaa koska tahansa luonnoksena valitsemalla Tallenna luonnos. Ennusteluonnos näkyy Omat ennusteet -välilehdessä.

1. Määritä Ennusteikkuna. Ennustetaan esimerkiksi asiakkaiden vaihtuvuusriski seuraavan 90 päivän aikana siten, että se on linjassa markkinoinnin säilyttämispyrkimysten kanssa. Vaihtuvuusriskin ennusteen pituus voi hankaloittaa vaihtuvuusriskiprofiilissa olevien seikkojen huomioon ottamista; tämä kuitenkin määräytyy liiketoimintakohtaisten tarpeiden mukaan.

2. Määritä vaihtuvuus Vaihtuvuusmääritelmä -kentässä antamalla päivien määrä. Jos asiakas ei ole esimerkiksi tehnyt ostoja 30 päivän aikana, heidän voidaan katsoa vaihtuneen liiketoiminnassa.

3. Valitse Seuraava.

Lisää ostohistoria

1. Valitse Lisää tiedot Asiakkaan tapahtumahistoria -kohdassa.

2. Valitse semanttinen aktiviteettityyppi SalesOrder tai SalesOrderLine, joka sisältää tapahtumahistorian tiedot. Jos aktiviteettia ei ole määritetty, valitse täällä ja luo se.

3. Jos aktiviteetin määritteet on yhdistetty semanttisesti aktiviteettia luotaessa, valitse Aktiviteetit- kohdassa määritteet tai taulukko, joihin laskelma keskittyy. Jos semanttista yhdistämismääritystä ei tehty, valitse Muokkaa ja yhdistä tiedot.

   

4. Valitse Seuraava ja tarkista mallissa tarvittavat määritteet.

5. Valitse Tallenna.

6. Lisää enemmän aktiviteetteja ja valitse Seuraava.

Lisää muita tietoja (valinnainen)

1. Valitse Lisää tiedot Asiakasaktiviteetit-kohdassa.

2. Valitse käytettävät tiedot sisältävä semanttinen aktiviteettityyppi. Jos aktiviteettia ei ole määritetty, valitse tämä ja luo se.

3. Jos aktiviteetin määritteet on yhdistetty semanttisesti aktiviteettia luotaessa, valitse Aktiviteetit- kohdassa määritteet tai taulukko, joihin laskelma keskittyy. Jos semanttista yhdistämismääritystä ei tehty, valitse Muokkaa ja yhdistä tiedot.

4. Valitse Seuraava ja tarkista mallissa tarvittavat määritteet.

5. Valitse Tallenna.

6. Valitse Seuraava.

Päivitysaikataulun määrittäminen

1. Valitse Päivitä tiedot -vaiheessa mallin uudelleenkoulutuksen tiheys. Tämä asetus on tärkeä ennusteiden tarkkuuden päivityksessä uusia tietoja käsiteltäessä. Useimmat yritykset voivat kouluttaa uudelleen kerran kuukaudessa ja saada hyvän tarkkuuden ennusteille.

2. Valitse Seuraava.

Mallimäärityksen tarkasteleminen ja suorittaminen

Tarkistus ja suoritus -vaiheessa näkyy määritysten yhteenveto. Siinä on myös mahdollista tehdä muutoksia ennen ennusteen luontia.

1. Tee tarkistukset ja tarvittavat muutokset valitsemalla Muokkaa.

2. Jos olet tyytyväinen valintoihin, aloita mallin suorittaminen valitsemalla Tallenna ja suorita. Valitse Valmis. Omat ennusteet -välilehti on näkyvissä, kun ennustetta luodaan. Prosessin valmistumiseen voi kulua useita tunteja ennusteessa käytettyjen tietojen määrästä riippuen.

Tippi

Tehtäville ja prosesseille on määritetty tilat. Useimmat prosessit riippuvat muista alkuvaiheen prosesseista, kuten tietolähteistä ja tietojen profiloinnin päivityksistä.

Valitse tila, jos haluat avata Edistymisen tiedot -ruudun ja tarkastella tehtävien edistymistä. Peruuta työ valitsemalla ruudun alareunassa Peruuta työ.

Valitse jokaisen tehtävän alta Näytä tiedot -linkki, jos haluat lisätietoja esimerkiksi käsittelyajasta, viimeisestä käsittelypäivästä sekä tehtävään tai prosessiin liittyvistä virheistä ja varoituksia. Valitsemalla paneelin alareunassa Näytä järjestelmän tili saat muut järjestelmän prosessit näkyviin.

Ennusteen tulosten näyttäminen

1. Siirry kohteeseen Merkitykselliset tiedot>Ennusteet.

2. Valitse Omat ennusteet -välilehdessä tarkasteltava ennuste.

Tulossivulla on seuraavat kolme ensisijaista tieto-osaa:

• Koulutusmallin suorituskyky: Luokka A, B tai C osoittaa ennusteen suorituskyvyn. Sen avulla voit päättää, käytetäänkö tulostaulukkoon tallennettuja tuloksia.

  Luokat määritetään seuraavien sääntöjen perusteella:

  • A, kun mallin tarkkuudeksi on ennustettu vähintään 50 % ennusteesta yhteensä ja kun vaihtuvuusasiakkaiden tarkka ennusteprosentti on ainakin 10 % suurempi kuin lähtöarvo.
  • B, kun mallin tarkkuudeksi on ennustettu vähintään 50 % ennusteesta yhteensä ja kun vaihtuvuusasiakkaiden tarkka ennusteprosentti on enintään 10 % suurempi kuin lähtöarvo.
  • C, kun mallin tarkkuudeksi on ennustettu alle 50 % ennusteista yhteensä tai kun vaihtuvuusasiakkaiden tarkka ennusteprosentti on pienempi kuin perustaso.
  • Perustaso käyttää mallin ennusteen aikaikkunan (kuten yhden vuoden) ja luo eri aikajakoja jakamalla sen kahdella, kunnes tuloksena on yksi kuukausi tai sitä lyhyempi jakso. Se luo liiketoimintasäännön näiden osien avulla asiakkaille, jotka eivät ole tehneet ostona kyseisellä aikavälillä. Näiden asiakkaiden katsotaan vaihtuneen. Perustasomalliksi valitaan aikaperusteinen liiketoimintasääntö, joka ennustaa parhaiten todennäköisen vaihtuvuuden.

• Vaihtuvuuden todennäköisyys (asiakkaiden määrä): Asiakasryhmät ennustetun vaihtuvuusriskin perusteella. Valinnaisesti voidaan luoda asiakassegmentti asiakkaista, joilla on korkea vaihtuvuusriski. Tällaiset segmentit auttavat ymmärtämään, missä segmentin jäsenyyden rajan on oltava.

• Tärkeimmät tekijät: Ennusteen luomisessa otetaan huomioon useita tekijöitä. Kunkin tekijän tärkeys lasketaan mallin luomille kooste-ennusteille. Näiden tekijöiden avulla voidaan tarkistaa ennusteen tulokset. Näitä tietoja voi käyttää myös myöhemmin sellaisten segmenttien luontiin, joilla voi olla vaikutusta asiakkaiden vaihtuvuusriskiin.

Huomautus

Tämän mallin tulostaulukossa ChurnScore näyttää poistuman ennustetun todennäköisyyden ja IsChurn on ChurnScore-raja-arvoon 0,5 perustuva binaarinen selite. Jos tämä oletusraja-arvo ei toimi omassa skenaariossa, ensisijaisen raja-arvon sisältävä uusi segmentti voidaan luoda. Kaikki asiakkaat eivät ole välttämättä aktiivisia asiakkaita. Joillakin niistä ei ehkä ole ollut pitkään aikaan mitään aktiviteettia, ja niitä pidetään jo poistuneina perustuen vaihtuvuusmääritykseen. Vaihtuvuusriskin ennustaminen asiakkaille, jotka jo vaihtuivat, ei ole hyödyllistä, koska ne eivät kuulu kiinnostavaan käyttäjäryhmään.

Vaihtuvuuden pistemäärää voi tarkastella valitsemalla Tiedot>Taulukot ja tarkastelemalla malliin määritetyn tulostaulukon tietovälilehteä.