Sdílet prostřednictvím

Průvodce ukázkami predikce úbytku předplatných

  • Článek

Tento průvodce vás provede vás příkladem predikce úbytku předplatných od začátku dokonce s využitím ukázkových dat. Doporučujeme vyzkoušet tuto predikci v novém prostředí.

Scénář

Contoso je společnost, která vyrábí vysoce kvalitní kávu a kávovary. Produkty prodávají prostřednictvím svých webových stránek Contoso Coffee. Nedávno zavedla předplatné pro své zákazníky, aby mohli pravidelně dostávat kávu. Jejím cílem je pochopit, kteří zákazníci s předplatným mohou v příštích několika měsících své předplatné zrušit. Informace, který z jejích zákazníků bude pravděpodobně ztracen, jí může pomoci ušetřit marketingové prostředky tím, že se soustředí na jeho udržení.

Předpoklady

Úkol 1 – Ingestace dat

Prohlédněte si články o přijímání dat a připojení ke zdroji dat Power Query. Následující informace předpokládají, že jste se seznámili s vkládáním dat obecně.

Ingestace zákaznických dat z platformy eCommerce

  1. Vytvořte zdroj dat Power Query s názvem eCommerce a vyberte konektor Text/CSV.

  2. Zadejte adresu URL pro kontakty eCommerce https://aka.ms/ciadclasscontacts.

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • DateOfBirth: Datum
    • CreatedOn: Datum/čas/pásmo

    Transformace data narození na datum.

  5. V poli Název v pravém podokně přejmenujte svůj zdroj dat na eCommerceContacts

  6. Uložte zdroj dat.

Ingestace zákaznických dat z věrnostního schématu

  1. Vytvořte zdroj dat LoyaltyScheme a vyberte konektor Text/CSV.

  2. Zadejte adresu URL pro věrné zákazníky https://aka.ms/ciadclasscustomerloyalty.

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • DateOfBirth: Datum
    • RewardsPoints: Celé číslo
    • CreatedOn: Datum/čas

  5. V poli Název v pravém podokně přejmenujte svůj zdroj dat na loyCustomers.

  6. Uložte zdroj dat.

Ingestace informací o předplatném

  1. Vytvořte zdroj dat SubscriptionHistory a vyberte konektor Text/CSV.

  2. Zadejte adresu URL pro předplatná https://aka.ms/ciadchurnsubscriptionhistory

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • SubscriptioID: Celé číslo
    • SubscriptionAmount: Měna
    • SubscriptionEndDate: Datum/čas
    • SubscriptionStartDate: Datum/čas
    • TransactionDate: Datum/čas
    • IsRecurring: True/false (pravda/nepravda)
    • Is_auto_renew: True/false (Pravda/nepravda)
    • RecurringFrequencyInMonths: Celé číslo

  5. V poli Název v pravém podokně přejmenujte svůj zdroj dat na SubscriptionHistory.

  6. Uložte zdroj dat.

Ingestace zákaznických dat z recenzí na webových stránkách

  1. Vytvořte zdroj dat Website a vyberte konektor Text/CSV.

  2. Zadejte adresu URL recenze webu https://aka.ms/ciadclasswebsite.

  3. Během úpravy dat vyberte Transformovat a pak Použít první řádek jako záhlaví.

  4. Aktualizujte datový typ pro sloupce uvedené níže:

    • ReviewRating: Celé číslo
    • ReviewDate: Datum

  5. V poli Název v pravém podokně přejmenujte svůj zdroj dat na webReviews.

Úkol 2 – Sjednocení dat

Projděte článek o sjednocení dat. Následující informace předpokládají, že jste obecně obeznámení se sjednocením dat.

Po zpracování dat zahajte proces sjednocování dat a vytvořte jednotný profil zákazníka. Další informace naleznete v tématu Sjednocení dat.

Popište zákaznická data, která mají být sjednocena

  1. Po ingestaci dat namapujte kontakty z eCommerce a věrnostní data na běžné datové typy. Přejděte na Data>Sjednotit.

  2. Vyberte tabulky, které představují profil zákazníka – eCommerceContacts a loyCustomers.

    Sjednocení zdrojů dat eCommerce a věrnostních bodů.

  3. Vyberte ContactId jako primární klíč pro eCommerceContatcs a LoyaltyID jako primární klíč pro loyCustomers.

  4. Vyberte Další. Přeskočte duplicitní záznamy a vyberte další.

Definování pravidel párování

  1. Zvolte eCommerceContacts: eCommerce jako primární tabulku a zahrňte všechny záznamy.

  2. Vyberte loyCustomers: LoyaltyScheme a zahrňte všechny záznamy.

  3. Přidání pravidla:

    • Vyberte Celé jméno pro eCommerceContacts a loyCustomers.
    • Vyberte Typ (telefon, jméno, adresa, ...) pro Normalizovat.
    • Nastavte Úroveň přesnosti: Základní a Hodnota: Vysoká.

  4. Přidejte druhou podmínku pro e-mailovou adresu:

    • Vyberte Email pro eCommerceContacts a loyCustomers.
    • Ponechejte pole Noramlizovat prázdné.
    • Nastavte Úroveň přesnosti: Základní a Hodnota: Vysoká.
    • Jako jméno zadejte FullName, Email.

    Sjednocení pravidla párování pro jméno a e-mail.

  5. Vyberte Hotovo.

  6. Vyberte Další.

Zobrazení sjednocených dat

  1. Přejmenujte ContactId pro tabulku loyCustomers na ContactIdLOYALTY k odlišení od ostatních ingestovaných ID.

  2. Vyberte Další ke kontrole a poté vyberte Vytvořit profily zákazníků.

Úkol 3 – vytvoření aktivity historie transakcí

Přečtěte si článek o aktivitách zákazníka. Následující informace předpokládají, že jste obecně obeznámení s vytvářením aktivit.

  1. Vytvářejte aktivity pomocí tabulky Předplatné a tabulky Reviews:Website.

  2. Pro Předplatné vyberte Předplatné pro Typ aktivity a CustomerId pro Primární klíč.

  3. Pro Revize:Web vyberte Revize pro Typ aktivity a ReviewID pro Primární klíč.

  4. U aktivity předplatného zadejte následující informace:

    • Název aktivity: SubscriptionHistory
    • Časové razítko: SubscriptionEndDate
    • Aktivita události: SubscriptionType
    • ID transakce: TransactionID
    • Datum transakce: TransactionDate
    • ID předplatného: SubscriptionID
    • Počáteční datum předplatného: SubscriptionStartDate
    • Koncové datum předplatného: SubscriptionEndDate

  5. U aktivity webové revize zadejte následující informace:

    • Název aktivity: WebReviews
    • Časové razítko: ReviewDate
    • Aktivita události: ActivityTypeDisplay
    • Další podrobnosti: ReviewRating

  6. Vytvořte vztah mezi SubscriptionHistory:Subscription a eCommerceKontakty:eCommerce s CustomerID jako cizím klíčem pro spojení dvou tabulek.

  7. Vytvořte vztah mezi Web a eCommerceContacts s UserId jako cizím klíčem.

  8. Zkontrolujte své změny a poté vyberte Vytvořit aktivity.

Úkol 4 – Konfigurace predikce úbytku předplatných

Se zavedenými sjednocenými profily zákazníků a vytvořenou aktivitou nyní můžeme spustit predikci úbytku předplatných. Podrobné kroky viz článek Predikce úbytku předplatitelů.

  1. Přejděte na Přehledy>Predikce.

  2. Na kartě Vytvořit vyberte Použít model na kartě Model úbytku zákazníků.

  3. Vyberte Předplatné pro typ úbytku a pak Začínáme.

  4. Pojmenujte model Předdefinovaná predikce úbytku předplatných a výstupní tabulku OOBSubscriptionChurnPrediction.

  5. Definování předvoleb modelu:

    • Dny od ukončení předplatného: 60 dnů, aby bylo uvedeno, že zákazník je považován za zrušeného, pokud neobnoví předplatné v tomto období po ukončení předplatného.
    • Dny na prozkoumání budoucnosti, aby bylo možné předvídat odchod: 93 dní, což je doba, po kterou model předpovídá, kteří zákazníci by mohli odejít. Čím více hledíte do budoucnosti, tím méně jsou výsledky přesné.

    Výběr předvoleb modelu definice úbytku.

  6. Vyberte Další.

  7. V kroku Požadovaná data vyberte Přidat data a zadejte historii předplatného.

  8. Vyberte Předplatné a tabulku SubscriptionHistory a vyberte Další. Požadované údaje se automaticky doplní z aktivity. Vyberte Uložit.

  9. V části Aktivity zákazníka vyberte Přidat data.

  10. V tomto příkladu přidejte aktivitu webové recenze.

  11. Vyberte Další.

  12. V kroku Aktualizace dat nastavte pro plán modelu Měsíčně.

  13. Po kontrole všech podrobností vyberte Uložit a spustit.

Úkol 5 – Kontrola výsledků modelu a vysvětlení

Nechte model dokončit cvičení a bodování dat. Prohlédněte si vysvětlení modelu úbytku předplatného. Další informace viz Zobrazení výsledků predikce.

Úkol 6 – Vytvoření segmentu zákazníků s vysokým rizikem ztráty

Spuštěním modelu se vytvoří nová tabulka, která je uvedena na stránce Data>Tabulky. Můžete vytvořit nový segment na základě tabulky vytvořené modelem.

  1. Na stránce s výsledky vyberte Vytvořit segment.

  2. Vytvořte pravidlo s použitím tabulky OOBSubscriptionChurnPrediction a definujte segment:

    • Pole: ChurnScore
    • Operátor: větší než
    • Hodnota: 0,6

  3. Vyberte Uložit a Spustit segment.

Nyní máte segment, který se dynamicky aktualizuje a který identifikuje zákazníky s vysokým rizikem odchodu pro toto podnikání s předplatným. Další informace najdete v tématu o vytváření a správě segmentů.

Tip

Můžete také vytvořit segment pro model predikce na stránce Přehledy>Segmenty výběrem Nový a výběrem Vytvořit z>Přehledy. Další informace viz Vytvoření nového segmentu pomocí rychlých segmentů.

Další kroky