通过

订阅流失预测示例指南

  • 项目

本指南将向您演示使用示例数据的订阅流失预测的端到端示例。 我们建议您在新环境中试用此预测。

场景

Contoso 是一家生产高品质咖啡和咖啡机的公司。 他们通过 Contoso Coffee 网站销售产品。 他们最近为定期购买咖啡的客户启动了一项订阅业务。 他们的目标是了解哪些订阅客户可能会在接下来的几个月内取消订阅。 了解哪些客户可能会流失有助于他们将市场营销工作集中在留住这些客户上。

必备条件

任务 1 - 引入数据

查看关于数据引入和连接到 Power Query 数据源的文章。 以下信息假设您大致了解如何引入数据。

从电子商务平台中引入客户数据

  1. 创建一个名为 eCommerce 的 Power query 数据源，然后选择文本/CSV 连接器。

  2. 输入电子商务联系人的 URL https://aka.ms/ciadclasscontacts。

  3. 编辑数据时，选择转换，然后选择使用第一行作为标题。

  4. 更新下面列出的列的数据类型：

    • DateOfBirth：日期
    • CreatedOn：日期/时间/区域

    将出生日期转换为日期。

  5. 在右侧窗格上的名称字段中，将您的数据源重命名为 eCommerceContacts

  6. 保存数据源。

从忠诚度架构中引入客户数据

  1. 创建一个名为 LoyaltyScheme 的数据源，然后选择文本/CSV 连接器。

  2. 输入会员客户的 URL https://aka.ms/ciadclasscustomerloyalty。

  3. 编辑数据时，选择转换，然后选择使用第一行作为标题。

  4. 更新下面列出的列的数据类型：

    • DateOfBirth：日期
    • RewardsPoints：整数
    • CreatedOn：日期/时间

  5. 在右侧窗格上的名称字段中，将您的数据源重命名为 loyCustomers。

  6. 保存数据源。

引入订阅信息

  1. 创建一个名为 SubscriptionHistory 的数据源，然后选择文本/CSV 连接器。

  2. 输入订阅的 URL https://aka.ms/ciadchurnsubscriptionhistory。

  3. 编辑数据时，选择转换，然后选择使用第一行作为标题。

  4. 更新下面列出的列的数据类型：

    • SubscriptioID：整数
    • SubscriptionAmount：货币
    • SubscriptionEndDate：日期/时间
    • SubscriptionStartDate：日期/时间
    • TransactionDate：日期/时间
    • IsRecurring：True/False
    • Is_auto_renew：True/False
    • RecurringFrequencyInMonths：整数

  5. 在右侧窗格上的名称字段中，将您的数据源重命名为 SubscriptionHistory。

  6. 保存数据源。

从网站评价中引入客户数据

  1. 创建一个名为 Website 的数据源，然后选择文本/CSV 连接器。

  2. 输入网站评论的 URL https://aka.ms/ciadclasswebsite。

  3. 编辑数据时，选择转换，然后选择使用第一行作为标题。

  4. 更新下面列出的列的数据类型：

    • ReviewRating：整数
    • ReviewDate：日期

  5. 在右侧窗格上的名称字段中，将您的数据源重命名为 webReviews。

任务 2 - 数据统一

查看关于数据统一的文章。 以下信息假设您大致了解数据统一。

在引入数据后，开始数据统一过程，以创建统一的客户配置文件。 有关详细信息，请参阅数据统一。

描述要统一的客户数据

  1. 引入数据后，将联系人从电子商务和忠诚度数据映射到常见数据类型。 转到数据>统一。

  2. 选择表示客户配置文件的表 – eCommerceContacts 和 loyCustomers。

    统一电子商务和忠诚度数据源。

  3. 选择 ContactId 作为 eCommerceContacts 的主键，选择 LoyaltyID 作为 loyCustomers 的主键。

  4. 选择下一步。 跳过重复记录并选择下一步。

定义匹配规则

  1. 选择 eCommerceContacts : eCommerce 作为主表并包括所有记录。

  2. 选择 loyCustomers : LoyaltyScheme 并包含所有记录。

  3. 添加规则：

    • 为 eCommerceContacts 和 loyCustomers 选择 FullName。
    • 针对标准化选择类型（电话、名称、地址、...）。
    • 设置精度级别：基本和值：高。

  4. 为电子邮件地址添加第二个条件：

    • 为 eCommerceContacts 和 loyCustomers 选择电子邮件。
    • 将“标准化”留空。
    • 设置精度级别：基本和值：高。
    • 为名称输入FullName 和电子邮件。

    统一名称和电子邮件的匹配规则。

  5. 选择完成。

  6. 选择下一步。

查看统一数据

  1. 将 loyCustomers 表的 ContactId 重命名为 ContactIdLOYALTY，以将其与其他引入的 ID 区分开来。

  2. 选择下一步来查看，然后选择创建客户配置文件。

任务 3 - 创建交易历史记录活动

查看关于客户活动的文章。 以下信息假设您大致了解如何创建活动。

  1. 使用订阅表和 Reviews:Website 表创建活动。

  2. 对于订阅，为活动类型选择订阅，为主键选择 CustomerId。

  3. 对于 Reviews:Website，为活动类型选择评论，为主键选择 ReviewID。

  4. 为订阅活动输入以下信息：

    • 活动名称：SubscriptionHistory
    • 时间戳：SubscriptionEndDate
    • 事件活动：SubscriptionType
    • 交易 ID：TransactionID
    • 交易日期：TransactionDate
    • 订阅 ID：SubscriptionID
    • 订阅开始日期：SubscriptionStartDate
    • 订阅结束日期：SubscriptionEndDate

  5. 为 Web 评论活动输入以下信息：

    • 活动名称：WebReviews
    • 时间戳：ReviewDate
    • 事件活动：ActivityTypeDisplay
    • 其他详细信息：ReviewRating

  6. 在 SubscriptionHistory:Subscription 和 eCommerceContacts:eCommerce 之间创建关系，将 CustomerID 作为连接两个表的外键。

  7. 使用 UserId 作为外键，在网站和 eCommerceContacts 之间创建关系。

  8. 检查您的更改，然后选择创建活动。

任务 4 - 配置订阅流失预测

有了统一的客户配置文件并创建了活动后，运行订阅流失预测。 有关详细步骤，请参阅订阅流失预测。

  1. 转到见解>预测。

  2. 在创建选项卡上，在客户流失模型磁贴上选择使用模型。

  3. 选择订阅作为流失类型，然后选择开始。

  4. 命名模型 OOB 订阅流失预测和输出表 OOBSubscriptionChurnPrediction。

  5. 定义模型首选项：

    • 订阅结束后的天数：60 天，表示客户在其订阅结束后的此期间内未续订订阅，将被视为已流失。
    • 预测将来以预测客户流失的天数：93 天，即模型预测哪些客户可能流失的持续时间。 您所查看的将来时间越长，结果的精度越低。

    选择模型首选项和流失定义。

  6. 选择下一步。

  7. 在所需数据步骤中，选择添加数据提供订阅历史记录。

  8. 选择订阅和 SubscriptionHistory 表，然后选择下一步。 所需数据会从活动自动填入。 选择保存。

  9. 在“客户活动”下，选择添加数据。

  10. 对于本示例，添加 Web 评论活动。

  11. 选择下一步。

  12. 在数据更新步骤中，为模型计划选择每月。

  13. 在查看所有详细信息后，选择保存并运行。

任务 5 - 审阅模型结果和说明

让模型完成数据的训练和评分。 查看订阅流失模型说明。 有关详细信息，请参阅查看预测结果。

任务 6 - 创建高流失风险客户的客户细分

运行模型可创建一个新表，该表列在数据>表上。 您可以基于模型创建的表创建新的客户细分。

  1. 在结果页上，选择创建客户细分。

  2. 使用 OOBSubscriptionChurnPrediction 表创建规则并定义客户细分：

    • 字段：ChurnScore
    • 运算符：大于
    • 值：0.6

  3. 选择保存并运行客户细分。

现在，您已具有将动态更新的客户细分，可用于确定此订阅业务的高流失风险客户。 有关详细信息，请参阅创建和管理客户细分。

小费

您还可以通过选择新建并选择创建自>见解，从见解>客户细分页面为预测模型创建客户细分。 有关详细信息，请参阅使用快速客户细分创建新客户细分。

后续步骤