구독 이탈 예측

고객이 회사의 구독 제품이나 정기 서비스를 더 이상 사용하지 않아도 되는 위험에 처해 있는지 여부를 예측합니다. 구독 데이터에는 각 고객의 활성 및 비활성 구독이 포함되므로 고객 ID당 여러 항목이 있을 수 있습니다. 예정된 구매를 하지 않는 고객의 이탈 위험을 찾으려면 트랜잭션 이탈 모델을 사용하세요.

이탈이 비즈니스에 미치는 영향을 이해하는 비즈니스 지식이 있어야 합니다. 예를 들어, 연간 이벤트가 있는 기업은 이탈을 연 단위로 측정할 수 있고, 주간 판매를 제공하는 기업은 이탈을 월 단위로 측정할 수 있습니다. 시간 기반 이탈 정의를 지원합니다. 즉, 고객은 구독이 종료된 후 일정 기간 동안 이탈한 것으로 간주됩니다.

예를 들어 Contoso는 매월 커피 서비스를 제공합니다. 그들은 할인을 제공할 수 있도록 어떤 고객이 서비스 갱신에 대해 문의하고 있는지 알고 싶어합니다. 구독 이탈 모델을 통해 Contoso는 내년에 서비스를 갱신하지 않을 고객과 해당 인구의 규모를 확인할 수 있습니다.

팁

샘플 데이터 구독 이탈 예측 샘플 가이드를 사용한 구독 이탈 예측을 사용해 보세요.

전제 조건

• 최소한 기여자 권한이 있어야 합니다.
• 원하는 예측 기간 내에 최소 1,000개의 고객 프로필.
• 고객 식별자, 구독을 고객과 일치시키는 고유 식별자.
• 선택한 기간의 최소 두 배에 해당하는 구독 데이터. 바람직하게는 2~3년의 구독 데이터입니다. 구독 기록에는 다음이 포함되어야 합니다.
  • 구독 ID: 구독의 고유 식별자입니다.
  • 구독 종료 날짜: 고객에 대한 구독이 만료되는 날짜입니다.
  • 구독 시작 날짜: 고객에 대한 구독이 시작되는 날짜입니다.
  • 거래 날짜: 구독 변경이 발생한 날짜입니다. 예를 들어, 구독을 구매하거나 취소하는 고객.
  • 반복 구독임: 고객 개입 없이 구독이 동일한 구독 ID로 갱신되는지 여부를 결정하는 부울 참/거짓 필드입니다.
  • 재발 빈도(개월): 반복 구독의 경우 구독이 갱신되는 달입니다. 예를 들어, 매년 1년마다 고객을 자동으로 갱신하는 연간 구독 값은 12입니다.
  • 구독 금액: 구독 갱신에 대해 고객이 지불하는 통화 금액입니다. 다양한 레벨의 구독에 대한 패턴을 식별하는 데 도움이 될 수 있습니다.
• 이탈을 계산하려는 고객의 50%에 대한 활동 레코드가 두 개 이상 있어야 합니다. 고객 활동에는 다음이 포함되어야 합니다.
  • 기본 키: 활동의 고유 식별자입니다. 예를 들어, 웹 사이트 방문 또는 고객이 TV 쇼 에피소드를 보았음을 보여주는 사용 기록.
  • 타임스탬프: 기본 키로 식별된 이벤트 날짜 및 시간입니다.
  • 이벤트: 사용하려는 이벤트 이름입니다. 예를 들어 스트리밍 비디오 서비스에서 "UserAction"이라는 필드의 값은 "Viewed"입니다.
  • 세부 정보: 이벤트에 대한 자세한 정보입니다. 예를 들어 스트리밍 비디오 서비스에서 "ShowTitle"이라는 필드의 값은 고객이 시청한 비디오입니다.
• 제공된 테이블의 데이터 필드에 누락된 값이 20% 미만입니다.

구독 이탈 예측 만들기

언제든지 임시 저장을 선택하여 예측을 초안으로 저장합니다. 초안 예측은 내 예측 탭에 표시됩니다.

1. 인사이트>예측으로 이동합니다.

2. 만들기 탭의 고객 이탈 모델 타일에서 모델 사용을 선택합니다.

3. 이탈 유형으로 구독을 선택한 다음 시작을 선택합니다.

4. 이 모델 이름 및 출력 테이블 이름을 지정하여 다른 모델이나 테이블과 구별합니다.

5. 다음을 선택합니다.

고객 이탈 정의

1. 회사가 고객을 이탈 상태로 간주하는 구독이 종료된 후 일 수를 입력합니다. 이 기간은 일반적으로 고객 이탈을 방지하기 위한 제안 또는 기타 마케팅 활동과 같은 비즈니스 활동과 연결됩니다.

2. 이탈 예측에 대한 향후 일수를 입력합니다. 예를 들어 마케팅 유지 노력에 맞춰 향후 90일 동안 고객의 이탈 위험을 예측할 수 있습니다. 더 길거나 짧은 기간 동안 이탈 위험을 예측하면 특정 비즈니스 요구 사항에 따라 이탈 위험 프로필의 요인을 해결하기가 더 어려워질 수 있습니다.

3. 다음을 선택합니다.

필수 데이터 추가

1. 고객 기록에 대해 데이터 추가를 선택합니다.

2. 필수 트랜잭션 또는 구독 기록 정보가 포함된 의미 활동 유형 구독을 선택합니다. 활동이 설정되지 않은 경우 여기를 선택하여 만드십시오.

3. 활동에서, 활동이 생성될 때 활동 특성이 의미적으로 매핑된 경우 계산에 집중할 특정 특성 또는 테이블을 선택합니다. 의미 매핑이 발생하지 않은 경우 편집을 선택하고 데이터를 매핑하세요.

   

4. 다음을 선택하고 이 모델에 필요한 속성을 검토합니다.

5. 저장을 선택합니다.

6. 고객 활동에 대한 데이터 추가를 선택합니다.

7. 고객 활동 정보를 제공하는 의미 활동 유형을 선택하십시오. 활동이 설정되지 않은 경우 여기를 선택하여 만드십시오.

8. 활동에서, 활동이 생성될 때 활동 특성이 의미적으로 매핑된 경우 계산에 집중할 특정 특성 또는 테이블을 선택합니다. 의미 매핑이 발생하지 않은 경우 편집을 선택하고 데이터를 매핑하세요.

9. 다음을 선택하고 이 모델에 필요한 속성을 검토합니다.

10. 저장을 선택합니다.

11. 활동을 더 추가하거나 다음을 선택합니다.

업데이트 일정 설정

1. 모델을 재교육할 빈도를 선택합니다. 이 설정은 새 데이터가 수집될 때 예측의 정확성을 업데이트하는 데 중요합니다. 대부분의 비즈니스는 한 달에 한 번 재교육을 받고 예측의 정확도를 높일 수 있습니다.

2. 다음을 선택합니다.

모델 구성 검토 및 실행

검토 및 실행 단계는 구성 요약을 보여주고 예측을 만들기 전에 변경할 수 있는 기회를 제공합니다.

1. 검토하고 변경할 단계에서 편집을 선택합니다.

2. 선택 사항에 만족하면 저장 및 실행을 선택하여 모델 실행을 시작합니다. 완료를 선택합니다. 예측이 생성되는 동안 내 예측 탭이 표시됩니다. 예측에 사용된 데이터 양에 따라 프로세스를 완료하는 데 몇 시간이 걸릴 수 있습니다.

팁

작업 및 프로세스에 대한 상태가 있습니다. 대부분의 프로세스는 데이터 원본 및 데이터 프로파일링 새로 고침과 같은 다른 업스트림 프로세스에 의존합니다.

상태를 선택하여 진행 세부 정보 창을 열고 작업 진행 상황을 봅니다. 작업을 취소하려면 창 하단에서 작업 취소를 선택합니다.

각 작업 아래에서 처리 시간, 마지막 처리 날짜, 작업 또는 프로세스와 관련된 해당 오류 및 경고와 같은 자세한 진행 정보를 보려면 세부 정보 보기를 선택합니다. 시스템의 다른 프로세스를 보려면 패널 하단에서 시스템 상태 보기를 선택합니다.

예측 결과 보기

1. 인사이트>예측으로 이동합니다.

2. 내 예측 탭에서 보려는 예측을 선택합니다.

결과 페이지에는 세 가지 기본 데이터 섹션이 있습니다.

• 학습 모델 성능: A, B 또는 C 등급은 예측의 성능을 나타내며 출력 테이블에 저장된 결과를 사용하기로 결정하는 데 도움이 될 수 있습니다.

  

  등급은 다음 규칙에 따라 결정됩니다.

  • A 모델이 총 예측의 50% 이상을 정확하게 예측하고 이탈한 고객에 대한 정확한 예측 비율이 과거 평균 이탈률보다 10% 이상 큰 경우.
  • B 모델이 총 예측의 최소 50%를 정확하게 예측하고 이탈한 고객에 대한 정확한 예측 비율이 과거 평균 이탈률보다 최대 10% 더 큰 경우.
  • C 모델이 총 예측의 50% 미만을 정확하게 예측한 경우 또는 이탈한 고객에 대한 정확한 예측의 백분율이 과거 평균 이탈률보다 작은 경우.

• 이탈 가능성(고객 수): 고객 이탈 위험 예측에 기반한 고객 그룹입니다. 선택적으로, 이탈 위험이 높은 고객 세그먼트를 생성합니다. 이러한 세그먼트는 세그먼트 멤버십을 위한 컷오프 위치를 이해하는 데 도움이 됩니다.

  

• 가장 영향력 있는 요소: 예측을 만들 때 고려해야 할 요소가 많이 있습니다. 각 요인에는 모델이 생성하는 집계된 예측에 대해 계산된 중요도가 있습니다. 이러한 요소를 사용하여 예측 결과를 검증합니다. 또는 나중에 이 정보를 사용하여 고객의 이탈 위험에 영향을 줄 수 있는 세그먼트 생성을 사용하십시오.

  

노트

이 모델의 출력 테이블에서 ChurnScore는 예상되는 이탈 확률이며 IsChurn은 임계값이 0.5인 ChurnScore를 기반으로 하는 이진 레이블입니다. 이 기본 임계값이 시나리오에서 작동하지 않으면 원하는 임계값으로 새 세그먼트를 생성하십시오. 이탈 점수를 보려면 데이터>테이블로 이동하여 이 모델에 대해 정의한 출력 테이블에 대한 데이터 탭을 봅니다.