預測交易流失

發行項
05/08/2024

交易流失預測有助於預測客戶是否會在預訂的時間視窗中不再購買您的產品或服務。交易流失對於尋找所定義流失時間範圍內任何時間不再購買產品的客戶非常有用。若要尋找可能取消其預設持續購買的客戶，我們建議使用訂閱流失模型。

您必須具備商務知識，了解流失對您的業務有何影響。例如，每年都舉辦活動的企業可以定義以年度衡量的流失率，而配合每週銷售的企業則以月為單位來衡量流失。我們支援依據時間的流失定義，意味著客戶在一段時間沒有購買後視同已流失。

例如，Contoso 希望了解客戶對專用於留住客戶之電子郵件行銷活動的參與度。 Contoso 客戶光臨店面的次數不固定，最常見的是每月約 3-4 次。他們的交易不定期，因此很難確定客戶何時停止購買 Contoso 品牌。 Contoso 可以透過交易流失模型，判斷客戶再次購買的可能性。他們可以查看導致客戶離開品牌的主要模式，從而調整其他策略。

先決條件

至少參與者權限。
至少 500 個客戶設定檔，最好超過 1,000 個不重複客戶。
客戶識別碼，用來配對交易與客戶的唯一識別碼。
至少要是所選時窗兩倍的交易資料，例如 2 到 3 年的交易歷程記錄。理想狀況下，每個客戶至少有兩筆交易。交易歷程記錄必須包括：
- 交易識別碼：購買或交易的唯一識別碼。
- 交易日期：購買或交易日期。
- 交易值：交易的貨幣或數值金額。
- 唯一的產品識別碼：產品的識別碼，或如果您的資料是單項項目層級，則為已購買服務的識別碼。
- 此交易是否為退貨：辨識交易是否為退貨的是/否欄位。如果交易值是負值，我們會推論為退貨。
客戶活動資料：
- 客戶識別碼，用來對應活動與客戶的唯一識別碼。
- 主索引鍵：活動的唯一識別碼。例如顯示客戶試用您產品樣本的網站造訪或使用方式記錄。
- 時間戳記：由主索引鍵辨識出的事件日期和時間。
- 事件：您要使用的事件名稱。例如雜貨店內稱為 "UserAction" 的欄位可能是客戶的優惠券用途。
- 詳細資料：關於事件的詳細資訊。例如雜貨店內稱為 "CouponValue" 的欄位可能是優惠券的貨幣值。
所提供資料表中資料欄位的缺失值少於 20%。

建立交易流失預測

請移至深入解析>預測。
在建立索引標籤上，選取客戶流失模型圖標上的使用模型。
選取流失類型的交易，然後選取開始。
命名此模型及輸出資料表名稱，將它們與其他模型或資料表區分開來。
選取下一步。

定義客戶流失

隨時選取儲存草稿以將預測儲存為草稿。草稿預測會顯示在我的預測索引標籤中。

設定預測範圍。例如預測您的客戶在未來 90 天流失的風險，以便符合您的行銷留客心血。預測較長或較短期間的風險會更難解決您的流失風險設定檔中的因素，但得視您的特定業務需求而定。
在流失定義欄位中輸入天數來定義流失。例如，倘若客戶過去 30 天沒有任何購買，則可能視為您的業務已流失該客戶。
選取下一步。

新增購買記錄

選取對客戶交易歷程記錄新增資料 。
選取包含交易歷程記錄資訊的語義活動類型，銷售訂單或銷售訂單內容。如果沒有設定活動，請選取此處並建立活動。
如果活動屬性在建立活動時已語義對應，請在活動下方，選擇要進行集中計算的特定屬性或資料表。如果未發生語意對應，請選取編輯，並對應您的資料。
選取下一步並查看此模型所需的屬性。
選取儲存。
新增更多活動或選取下一步。

新增更多資料 (選用)

選取為客戶活動新增資料。
選取包含您想使用之資料的語義活動類型。如果尚未設定活動，請選取此處並建立活動。
如果活動屬性在建立活動時已語義對應，請在活動下方，選擇要進行集中計算的特定屬性或資料表。如果未發生語意對應，請選取編輯，並對應您的資料。
選取下一步並查看此模型所需的屬性。
選取儲存。
選取下一步。

設定更新排程

在資料更新步驟中，選擇要重新定型模型的頻率。此設定對更新預測準確度很重要，因為新資料已經內嵌。大部分企業都可以每月重新定型一次，讓他們的預測取得良好的準確度。
選取下一步。

審查並執行模型設定

檢視和執行步驟會顯示設定的摘要，並提供您在建立預測之前進行變更的機會。

若要檢視並進行任何變更，請在任一步驟上選取編輯。
如果對您的選擇感到滿意，請選取儲存並執行以開始執行模型。選取完成。在建立預測時，會顯示我的預測索引標籤。視預測中使用的資料量而定，此程序可能需要數個小時才能完成。

小費

工作和程序的狀態。大部分程序都是依靠其他上游程序而定，例如：資料來源和資料分析重新整理。

選取狀態打開進度詳細資料窗格並查看工作的進度。若要取消作業，請在窗格下方選取取消作業。

在每個工作下方，您可以選取查看詳細資料取得更多的進度資訊，例如：處理時間、上次處理日期以及可取得的任何與工作或程序相關的錯誤和警告。選取面板下方的查看系統狀態，以查看系統中的其他程序。

查看預測結果

請移至深入解析>預測。
在我的預測索引標籤中，選取您想要查看的預測。

結果頁面中有三個主要的資料區段：

定型模型效能：A、B 或 C 分表示預測的效能並可協助您決定是否使用輸出資料表中儲存的結果。

評分是根據下列規則而定：
- A 當模型準確預測到至少佔總預測數 50% 時，並且當已流失客戶的準確預測百分比大於基準率至少 10% 時。
- B 當模型準確預測到至少佔總預測數 50% 時，並且當已流失客戶的準確預測百分比大於基準率達到 10% 時。
- C 當模型準確預測數小於總預測數的 50%，或者當已流失客戶的準確預測百分比少於基準率時。
- 基準取用模型的預測時窗輸入 (例如一年)，且將時間一分為二，建立不同時段直到它達到一個月或更短期間。它使用這些時段建立這個時間框架中並未購買的客戶商業規則。這些客戶視同已流失。最能夠預測可能流失人員的時間型商業規則已被選為基準模型。
流失可能性 (客戶人數)：根據他們預測的流失風險編列的客戶群組。或者，建立客戶的客戶細分，這些客戶具有高流失風險。這類客戶細分有助於了解客戶細分成員分界所在的位置。
最具影響力的因素：建立預測時會納入許多考慮因素。每個因素都會根據模型建立的彙總預測來計算其重要性。使用這些因素來協助驗證您的預測結果。也可以稍後再使用此資訊來建立客戶細分，這可能有助於影響客戶的流失風險。

附註

在此模型的輸出資料表中，ChurnScore 會顯示預測的流失可能性，而 IsChurn 是根據 ChurnScore 加上 0.5 閾值的二進位標籤。如果這個預設閾值不適用於您的案例，請以您偏好的閾值建立新的客戶細分。並非所有的客戶都必須是活躍的客戶。其中某些客戶可能有很長的時間沒有任何活動，而且已經被視為流失 (根據您的流失定義)。預測已經流失的客戶流失風險沒有多大用處，因為他們不是您感興趣的對象。

若要查看流失分數，請移至資料>資料表 ，並查看您為此模型定義的輸出資料表的資料索引標籤。

共用方式為