सदस्यता छोड़ने का पूर्वानुमान लगाएं

अनुमान लगाएं कि क्या ग्राहक को आपकी कंपनी के सदस्यता उत्पादों या आवधिक सेवाओं का उपयोग नहीं करने का जोखिम है। सदस्यता डेटा में प्रत्येक ग्राहक के लिए सक्रिय और निष्क्रिय सदस्यताएँ शामिल होती हैं, इसलिए प्रति ग्राहक ID एकाधिक प्रविष्टियाँ हो सकती हैं. शेड्यूल की गई खरीदारियां नहीं करने वाले ग्राहकों के लिए मंथन जोखिम का पता लगाने के लिए, लेनदेन मंथन मॉडल का उपयोग करें.

आपके व्यवसाय के लिए मंथन का क्या अर्थ है, यह समझने के लिए आपको व्यावसायिक ज्ञान होना चाहिए। उदाहरण के लिए, वार्षिक घटनाओं वाला व्यवसाय वर्षों में मापा गया अपने मंथन को परिभाषित कर सकता है, जबकि एक व्यवसाय जो साप्ताहिक बिक्री को पूरा करता है, महीनों में मंथन को माप सकता है। हम समय-आधारित मंथन परिभाषाओं का समर्थन करते हैं, जिसका अर्थ है कि ग्राहक को उनकी सदस्यता समाप्त होने के बाद कुछ समय के लिए मंथन किया गया माना जाता है।

उदाहरण के लिए, Contoso मासिक कॉफ़ी सेवा ऑफ़र करता है. वे जानना चाहते हैं कि कौन से ग्राहक सेवा नवीनीकरण पर सवाल उठा सकते हैं ताकि वे छूट की पेशकश कर सकें। सदस्यता मंथन मॉडल के माध्यम से, Contoso देख सकती है कि कौन से ग्राहक अगले वर्ष सेवा का नवीनीकरण नहीं कर सकते हैं और वह जनसंख्या कितनी बड़ी हो सकती है.

टिप

नमूना डेटा का उपयोग करके सदस्यता मंथन पूर्वानुमान का प्रयास करें: सदस्यता मंथन पूर्वानुमान नमूना गाइड।

पूर्वावश्यकताएँ

• कम से कम सहयोगी अनुमतियां।
• वांछित पूर्वानुमान विंडो के भीतर कम से कम 1,000 ग्राहक प्रोफाइल।
• ग्राहक पहचानकर्ता, आपके ग्राहकों से सदस्यताओं का मिलान करने के लिए एक अद्वितीय पहचानकर्ता.
• चयनित समय विंडो से कम से कम दोगुना के लिए सदस्यता डेटा। बेहतर तरीके से, सब्स्क्रिप्शन डेटा के दो से तीन साल. सदस्यता इतिहास में शामिल होना चाहिए:
  • सदस्यता ID: किसी सदस्यता का युनीक आइडेंटिफ़ायर.
  • सदस्यता समाप्ति दिनांक: ग्राहक के लिए सदस्यता समाप्त होने का दिनांक.
  • सदस्यता प्रारंभ दिनांक: ग्राहक के लिए सदस्यता प्रारंभ होने का दिनांक.
  • लेन-देन दिनांक: सदस्यता परिवर्तन होने का दिनांक। उदाहरण के लिए, ग्राहक द्वारा सदस्यता खरीदना या रद्द करना.
  • क्या यह एक आवर्ती सदस्यता है: बूलियन सही/गलत फ़ील्ड जो यह निर्धारित करता है कि सदस्यता ग्राहक के हस्तक्षेप के बिना उसी सदस्यता आईडी के साथ नवीनीकृत होगी या नहीं।
  • पुनरावृत्ति आवृत्ति (महीनों में): पुनरावर्ती सदस्यताओं के लिए, सदस्यता का नवीनीकरण होने वाला महीना. उदाहरण के लिए, वार्षिक सदस्यता जो एक ग्राहक के लिए प्रत्येक वर्ष अगले वर्ष के लिए स्वत: नवीनीकृत होती है, का मूल्य 12 है.
  • सदस्यता राशि: सदस्यता नवीनीकरण के लिए ग्राहक द्वारा भुगतान की जाने वाली मुद्रा की राशि। यह सदस्यताओं के विभिन्न स्तरों के लिए पैटर्न की पहचान करने में मदद कर सकता है.
• 50% ग्राहकों के लिए कम से कम दो गतिविधि रिकॉर्ड जिनके लिए आप मंथन की गणना करना चाहते हैं। ग्राहक गतिविधियों में शामिल होना चाहिए:
  • प्राथमिक कुंजी: किसी गतिविधि के लिए अद्वितीय पहचानकर्ता. उदाहरण के लिए, वेबसाइट पर जाने या उपयोग का रिकॉर्ड जो ग्राहक द्वारा देखे गए टीवी शो एपिसोड को दिखाता है.
  • टाइमस्टैम्प: प्राथमिक कुंजी द्वारा पहचाने गए ईवेंट की तिथि और समय।
  • इवेंट: उस इवेंट का नाम जिसका आप इस्तेमाल करना चाहते हैं. उदाहरण के लिए, स्ट्रीमिंग वीडियो सेवा में "UserAction" नामक फ़ील्ड में "देखा गया" का मूल्य हो सकता है.
  • विवरण: घटना के बारे में विस्तृत जानकारी। उदाहरण के लिए, स्ट्रीमिंग वीडियो सेवा में "ShowTitle" नामक फ़ील्ड में ग्राहक द्वारा देखे गए वीडियो का मूल्य हो सकता है.
• प्रदान की गई तालिका के डेटा फ़ील्ड में 20% से कम अनुपलब्ध मान।

एक सदस्यता मंथन पूर्वानुमान बनाएं

पूर्वानुमान को ड्राफ़्ट के रूप में सहेजने के लिए किसी भी समय ड्राफ़्ट सहेजें चुनें . ड्राफ़्ट पूर्वानुमान मेरे पूर्वानुमान टैब में प्रदर्शित होता है .

1. अहम जानकारी के पूर्वानुमान> परजाएं.

2. बनाएँ टैब पर, ग्राहक मंथन मॉडल टाइल पर मॉडल का उपयोग करें का चयन करें .

3. मंथन के प्रकार के लिए सदस्यता का चयन करें और फिर आरंभ करें।

4. इस मॉडल और आउटपुट तालिका नाम को अन्य मॉडलों या तालिकाओं से अलग करने के लिए नाम दें।

5. अगला चुनें.

ग्राहक मंथन को परिभाषित करें

1. सदस्यता समाप्त होने के बाद से दिनों की संख्या दर्ज करें कि आपका व्यवसाय किसी ग्राहक को मंथन की स्थिति में मानता है। यह अवधि आम तौर पर व्यावसायिक गतिविधियों जैसे ऑफ़र या अन्य मार्केटिंग प्रयासों से जुड़ी होती है जो ग्राहक को खोने से रोकने की कोशिश कर रहे हैं।

2. मंथन की भविष्यवाणी करने के लिए भविष्य की जांच करने के लिए दिनों की संख्या दर्ज करें। उदाहरण के लिए, अपने मार्केटिंग अवधारण प्रयासों से जुड़ने के लिए अगले 90 दिनों में अपने ग्राहकों के लिए चर्न के जोखिम का पूर्वानुमान करें. लंबे समय तक या कम अवधि के लिए चर्ण के जोखिम का पूर्वानुमान करने से आपके विशिष्ट व्यावसायिक आवश्यकताओं के आधार पर आपके चर्ण के जोखिम के प्रोफ़ाइल में कारकों को संबोधित करना अधिक कठिन हो सकता है.

3. अगला चुनें.

आवश्यक डेटा जोड़ें

1. सदस्यता इतिहास के लिए डेटा जोड़ें चुनें.

2. सिमेंटिक गतिविधि प्रकार सदस्यता का चयन करें जिसमें आवश्यक सदस्यता इतिहास जानकारी है। यदि गतिविधि सेट नहीं की गई है, तो यहां चुनें और इसे बनाएं।

3. गतिविधियाँ के अंतर्गत, यदि गतिविधि बनाते समय गतिविधि विशेषताएँ शब्दार्थ रूप से मैप की गई थीं, तो वे विशिष्ट विशेषताएँ या तालिका चुनें, जिन पर आप परिकलन पर ध्यान केंद्रित करना चाहते हैं. यदि सिमेंटिक मैपिंग नहीं हुई है, तो संपादित करें चुनें और अपना डेटा मैप करें।

   

4. अगला चुनें और इस मॉडल के लिए आवश्यक विशेषताओं की समीक्षा करें।

5. सहेजें चुनें.

6. ग्राहक गतिविधियों के लिए डेटा जोड़ें चुनें.

7. सिमेंटिक गतिविधि प्रकार का चयन करें जो ग्राहक गतिविधि जानकारी प्रदान करता है. यदि गतिविधि सेट नहीं की गई है, तो यहां चुनें और इसे बनाएं।

8. गतिविधियाँ के अंतर्गत, यदि गतिविधि बनाते समय गतिविधि विशेषताएँ शब्दार्थ रूप से मैप की गई थीं, तो वे विशिष्ट विशेषताएँ या तालिका चुनें, जिन पर आप परिकलन पर ध्यान केंद्रित करना चाहते हैं. यदि सिमेंटिक मैपिंग नहीं हुई है, तो संपादित करें चुनें और अपना डेटा मैप करें।

9. अगला चुनें और इस मॉडल के लिए आवश्यक विशेषताओं की समीक्षा करें।

10. सहेजें चुनें.

11. अधिक गतिविधियाँ जोड़ें या अगला चुनें .

अपडेट शेड्यूल सेट करें

1. अपने मॉडल को पुनः प्रशिक्षित करने के लिए आवृत्ति चुनें. नए डेटा को इन्जेस्ट करने के कारण यह सेटिंग पूर्वानुमानों की सटीकता को अद्यतन करने के लिए महत्वपूर्ण है. अधिकांश व्यवसाय प्रति माह एक बार फिर से सिखा सकते हैं और उनके पूर्वानुमान के लिए अच्छी सटीकता प्राप्त कर सकते हैं.

2. अगला चुनें.

मॉडल कॉन्फ़िगरेशन की समीक्षा करें और रन करें

समीक्षा करें और चलाएं चरण कॉन्फ़िगरेशन का सारांश दिखाता है और आपको पूर्वानुमान बनाने से पहले परिवर्तन करने का अवसर प्रदान करता है।

1. समीक्षा करने और कोई भी परिवर्तन करने के लिए किसी भी चरण पर संपादित करें का चयन करें।

2. यदि आप अपने चयन से संतुष्ट हैं, तो मॉडल चलाना शुरू करने के लिए सहेजें और चलाएँ का चयन करें। पूर्ण चयन करें. पूर्वानुमान बनाते समय मेरी भविष्यवाणियां टैब प्रदर्शित होता है। पूर्वानुमान में उपयोग किए गए डेटा की मात्रा के आधार पर प्रक्रिया को पूरा करने में कई घंटे लग सकते हैं.

टिप

कार्यों और प्रक्रियाओं के लिए स्थितियाँ हैं। अधिकांश प्रक्रियाएं अन्य अपस्ट्रीम प्रक्रियाओं पर निर्भर करती हैं, जैसे कि डेटा स्रोत और डेटा प्रोफाइलिंग रीफ्रेश।

प्रगति विवरण फलक खोलने और कार्यों की प्रगति देखने के लिए स्थिति का चयन करें। कार्य रद्द करने के लिए, फलक के नीचे कार्य रद्द करें का चयन करें.

प्रत्येक कार्य के अंतर्गत, आप अधिक प्रगति जानकारी के लिए विवरण देखें का चयन कर सकते हैं, जैसे कि प्रसंस्करण समय, अंतिम प्रसंस्करण तिथि, तथा कार्य या प्रक्रिया से संबंधित कोई भी लागू त्रुटियाँ और चेतावनियाँ। सिस्टम में अन्य प्रक्रियाओं को देखने के लिए पैनल के नीचे सिस्टम स्थिति देखें का चयन करें।

पूर्वानुमान परिणाम देखें

1. अहम जानकारी के पूर्वानुमान> परजाएं.

2. मेरी भविष्यवाणियां टैब में, वह पूर्वानुमान चुनें जिसे आप देखना चाहते हैं।

नतीजे पृष्ठ के भीतर डेटा के तीन प्राथमिक अनुभाग हैं:

• प्रशिक्षण मॉडल प्रदर्शन: ग्रेड A, B, या C पूर्वानुमान के प्रदर्शन को इंगित करते हैं और आउटपुट तालिका में संग्रहीत परिणामों का उपयोग करने का निर्णय लेने में आपकी सहायता कर सकते हैं।

  

  ग्रेड निम्नलिखित नियमों के आधार पर निर्धारित किए जाते हैं:

  • जब मॉडल ने कुल पूर्वानुमानों में से कम से कम 50% का सटीक पूर्वानुमान लगाया हो, और जब ग्राहकों के लिए सटीक पूर्वानुमानों का प्रतिशत ऐतिहासिक औसत चर्न दर से कम से कम 10% अधिक हो।
  • B जब मॉडल ने कुल पूर्वानुमानों में से कम से कम 50% का सटीक पूर्वानुमान लगाया हो, और जब ग्राहकों के लिए सटीक पूर्वानुमानों का प्रतिशत ऐतिहासिक औसत चर्न दर से 10% अधिक हो।
  • C जब मॉडल ने कुल पूर्वानुमानों में से 50% से कम का सटीक पूर्वानुमान लगाया हो, या जब ग्राहकों के लिए सटीक पूर्वानुमानों का प्रतिशत ऐतिहासिक औसत चर्न दर से कम हो।

• ग्राहकों के चले जाने की संभावना (ग्राहकों की संख्या): ग्राहकों के समूह, उनके चले जाने के पूर्वानुमानित जोखिम के आधार पर। वैकल्पिक रूप से, उच्च मंथन जोखिम वाले ग्राहकों के खंड बनाएं। ऐसे सेगमेंट यह समझने में मदद करते हैं कि सेगमेंट सदस्यता के लिए आपका कटऑफ कहां होना चाहिए.

  

• सबसे प्रभावशाली कारक: आपका पूर्वानुमान बनाते समय कई कारकों को ध्यान में रखा जाता है। प्रत्येक कारक का अपना महत्व है जिसकी मॉडल बनाने वाली कुल पूर्वानुमानों के लिए गणना की जाती है. अपने पूर्वानुमान परिणामों को मान्य करने में सहायता के लिए इन कारकों का उपयोग करें। या फिर इस जानकारी का उपयोग बाद में ऐसे सेगमेंट बनाने के लिए करें जो ग्राहकों के लिए चर्न जोखिम को प्रभावित करने में मदद कर सकें।

  

नोट

इस मॉडल के लिए आउटपुट तालिका में, ChurnScore मंथन की अनुमानित संभावना है और IsChurn 0.5 थ्रेशोल्ड के साथ ChurnScore पर आधारित एक बाइनरी लेबल है। यदि यह डिफ़ॉल्ट सीमा आपके परिदृश्य के लिए काम नहीं करती है, तो अपनी पसंदीदा सीमा के साथ एक नया अनुभाग बनाएँ। चर्न स्कोर देखने के लिए, डेटा>तालिकाएँ पर जाएँ और इस मॉडल के लिए आपके द्वारा परिभाषित आउटपुट तालिका के लिए डेटा टैब देखें।