訂閱流失預測範例指南

發行項
01/30/2024

本指南將從頭到尾向您說明使用範例資料的訂閱流失預測範例。我們建議您在新環境中嘗試這項預測。

案例

Contoso 是一家公司，生產高品質的咖啡及咖啡機。透過 Contoso Coffee 網站銷售產品。他們最近開始客戶的訂閱業務，讓客戶定期取用咖啡。他們的目標是瞭解哪些已訂閱的客戶可能在接下來的幾個月取消訂閱。知道有可能流失的客戶，可協助他們將注意力集中在留住客戶，省下行銷心力。

先決條件

至少 Dynamics 365 Customer Insights - Data 中的參與者權限。

任務 1 - 內嵌資料

檢視關於資料擷取和連接至 Power Query 資料來源的文章。下列資訊假定您大致上已熟悉擷取資料。

從電子商務平台內嵌客戶資料

建立名為電子商務的 Power query 資料來源，並選取文字/CSV 連接器。
輸入電子商務連絡人 URL https://aka.ms/ciadclasscontacts。
編輯資料時選取轉換，接著使用第一行做為標頭。
更新下列欄位的資料類型：
- DateOfBirth：日期
- CreatedOn：日期/時間/時區
請在右側窗格的名稱欄位中，將您的資料來源重新命名為 eCommerceContacts
儲存資料來源。

從忠實結構描述內嵌客戶資料

建立名為 LoyaltyScheme 的資料來源，並選取文字/CSV 連接器。
輸入忠實客戶的 URL https://aka.ms/ciadclasscustomerloyalty。
編輯資料時選取轉換，接著使用第一行做為標頭。
更新下列欄位的資料類型：
- DateOfBirth：日期
- RewardsPoints: 整數
- CreatedOn：日期/時間
請在右側窗格的名稱欄位中，將您的資料來源重新命名為 loyCustomers。
儲存資料來源。

內嵌訂閱資訊

建立名為 SubscriptionHistory 的資料來源，並選取文字/CSV 連接器。
輸入訂閱的 URL https://aka.ms/ciadchurnsubscriptionhistory
編輯資料時選取轉換，接著使用第一行做為標頭。
更新下列欄位的資料類型：
- SubscriptioID: 整數
- SubscriptionAmount：貨幣
- SubscriptionEndDate：日期/時間
- SubscriptionStartDate：日期/時間
- TransactionDate：日期/時間
- IsRecurring：真/偽
- Is_auto_renew：真/偽
- RecurringFrequencyInMonths：整數
在右側窗格的名稱欄位中，將您的資料來源重新命名為 SubscriptionHistory。
儲存資料來源。

從網站審查中內嵌客戶資料

建立名為網站的資料來源，並選取文字/CSV 連接器。
輸入網站檢視的 URL https://aka.ms/ciadclasswebsite。
編輯資料時選取轉換，接著使用第一行做為標頭。
更新下列欄位的資料類型：
- ReviewRating：整數
- ReviewDate：日期
在右側窗格的名稱欄位中，將您的資料來源重新命名為 webReviews。

任務 2 - 資料統整

檢閱關於資料統整的文章。下列資訊假定您大致上已熟悉資料統整。

內嵌資料之後，請開始進行資料整合程序，建立整合的客戶個人資料。如需更多資訊，請見資料統整。

描述要整合的客戶資料

內嵌資料後，將電子商務的聯絡人與忠誠度資料對應到常用資料類型。請前往資料>整合。
選取代表客戶設定檔的資料表 – eCommerceContacts 和 loyCustomers。
選取 ContactId 做為 eCommerceContacts 主鍵，而 LoyaltyID 做為 loyCustomers 主鍵。
選取下一步。略過重複資料記錄，然後選取下一步。

定義比對規則

選擇 eCommerceContacts : eCommerce 作為主要資料表，並包含所有的記錄。
選擇 loyCustomers : LoyaltyScheme，並包含所有的記錄。
加入規則：
- 請為 eCommerceContacts 和 loyCustomers 選取 FullName。
- 選取 類型 (電話、名稱、位址、...)以進行標準化。
- 設定 精密等級：基本與值：高。
對電子郵件地址新增第二個條件：
- 請為 eCommerceContacts 和 loyCustomers 選取 Email。
- 保留正規化空白。
- 設定 精密等級：基本與值：高。
- 輸入FullName, Email 的名稱。
選取完成。
選取下一步。

檢視整合資料

將 loyCustomers 資料表的 ContactId 重新命名為 ContactIdLOYALTY，以將它與其他識別碼內嵌區分開來。
選取 下一步以進行審查，然後選取建立客戶個人資料。

工作 3 - 建立交易歷程記錄活動

檢閱有關客戶活動的文章。下列資訊假定您大致上已熟悉建立活動。

使用訂閱資料表和 Reviews:Website 資料表來建立活動。
在訂閱中，為活動類型選取訂閱，並為主索引鍵選取 CustomerId。
在 Reviews:Website 中，為活動類型選取 Review，並為主索引鍵選取 ReviewID。
輸入訂閱活動的下列資訊：
- 活動名稱：SubscriptionHistory
- 時間戳記：SubscriptionEndDate
- 事件活動：SubscriptionType
- 交易識別碼：TransactionID
- 交易日期：TransactionDate
- 訂閱識別碼：SubscriptionID
- 訂閱開始日期：SubscriptionStartDate
- 訂閱結束日期：SubscriptionEndDate
輸入網頁審查活動的下列資訊：
- 活動名稱：WebReviews
- 時間戳記：ReviewDate
- 事件活動：ActivityTypeDisplay
- 其他詳細資料：ReviewRating
建立 SubscriptionHistory:Subscription 和 eCommerceContacts:eCommerce 之間的關係，並使用 CustomerID 做為外部索引鍵來連接兩個資料表。
使用 UserId 做為外部索引鍵，建立網站與 eCommerceContacts之間的關聯。
複查您的變更，然後選取建立活動。

任務 4 - 組態訂閱流失預測

使用適當的統一客戶設定檔和建立的活動，執行訂閱流失預測。如需詳細步驟，請參閱訂閱流失預測。

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。
選取流失類型的訂閱，然後選取開始。
將模型 OOB 訂閱流失預測 和輸出資料表命名為 OOBSubscriptionChurnPrediction。
定義模型偏好：
- 訂閱已結束的天數：60 天，是指使用者在其訂閱結束後，未於此期間續約訂閱，就會被視為已流失。
- 要預測流失需要觀察的未來天數：93 天是模型要預測哪些客戶可能流失所需觀察的期間。未來您看的愈仔細，結果就愈不精確。
選取下一步。
在必要資料步驟，選取新增資料以提供訂閱歷史資料。
選取訂閱及 SubscriptionHistory 資料表，然後選取下一步。所需資料會從活動自動填入。選取儲存。
在客戶活動下方，選取新增資料。
在這個範例中，新增網頁檢視活動。
選取下一步。
在資料更新步驟中，設定模型排程為每月。
評論所有詳細資料後，請選取 儲存和執行。

任務 5 - 評論模型結果和解釋

讓模型完成資料的定型與計分。檢閱訂閱流失模型說明。如需詳細資訊，請參閱查看預測結果。

任務 6 - 建立高流失風險客戶的區段

執行模型會建立新的資料表，列在資料>資料表中。您可以根據模型建立的資料表基礎建立新區段。

在結果頁面上，選取建立客戶細分。
建立使用 OOBSubscriptionChurnPrediction 資料表的規則並定義客戶細分：
- 欄位：ChurnScore
- 運算子：大於
- 值：0.6
選取儲存並執行客戶細分。

您現在有動態更新的區段，其找出對此訂閱業務而言屬於高流失風險的客戶。如需詳細資訊，請參閱建立和管理客戶細分。

小費

您也可以選取新增並選擇建立來源>深入解析，以從深入解析>客戶細分頁面，建立預測模型的客戶細分。如需詳細資訊，請參閱使用快速客戶細分建立客戶細分。

後續步驟

預測訂閱流失

共用方式為