लेन-देन मंथन की भविष्यवाणी करें

लेन-देन मंथन पूर्वानुमान यह अनुमान लगाने में मदद करता है कि क्या कोई ग्राहक किसी निश्चित समय अवधि में आपके उत्पाद या सेवाएं नहीं खरीदता है। लेन-देन मंथन उन ग्राहकों को खोजने के लिए उपयोगी है जो निर्धारित मंथन अवधि के दौरान किसी भी समय उत्पाद नहीं खरीद रहे हैं। उन ग्राहकों को खोजने के लिए जो अपनी पूर्व निर्धारित चल रही खरीदारी को रद्द कर सकते हैं, हम सदस्यता मंथन मॉडल का उपयोग करने की सलाह देते हैं।

आपके व्यवसाय के लिए मंथन का क्या अर्थ है, यह समझने के लिए आपको व्यावसायिक ज्ञान होना चाहिए। उदाहरण के लिए, वार्षिक आयोजन करने वाला व्यवसाय अपने मंथन को वर्षों में माप सकता है, जबकि साप्ताहिक बिक्री करने वाला व्यवसाय अपने मंथन को महीनों में माप सकता है। हम समय-आधारित चर्न परिभाषाओं का समर्थन करते हैं, जिसका अर्थ है कि एक ग्राहक को कुछ समय तक कोई खरीदारी न करने के बाद चर्न माना जाता है।

उदाहरण के लिए, कॉन्टोसो यह जानना चाहता है कि ग्राहक प्रतिधारण के लिए समर्पित ईमेल अभियान के प्रति कितने प्रतिबद्ध हैं। कॉन्टोसो के ग्राहक अलग-अलग आधार पर स्टोरफ्रंट पर आते हैं, अधिकतर वे महीने में 3-4 बार आते हैं। उनके लेन-देन अनियमित हैं, जिससे यह निर्धारित करना कठिन हो जाता है कि ग्राहक ने कॉन्टोसो ब्रांड खरीदना कब बंद कर दिया है। लेन-देन मंथन मॉडल के माध्यम से, कॉन्टोसो यह निर्धारित कर सकता है कि ग्राहक दोबारा खरीदारी करेंगे या नहीं। वे उन प्रमुख पैटर्न को देख सकते हैं जिनके कारण ग्राहक ब्रांड को छोड़ रहे हैं, जिससे उन्हें अन्य रणनीतियों को समायोजित करने में सहायता मिलती है।

पूर्वावश्यकताएँ

• कम से कम सहयोगी अनुमतियां।
• कम से कम 500 ग्राहक प्रोफाइल, अधिमानतः 1,000 से अधिक विशिष्ट ग्राहक।
• ग्राहक पहचानकर्ता, आपके ग्राहकों के साथ लेनदेन का मिलान करने के लिए एक अद्वितीय पहचानकर्ता।
• चयनित समय अवधि से कम से कम दोगुने समय के लिए लेनदेन डेटा, जैसे कि दो से तीन वर्षों का लेनदेन इतिहास। आदर्शतः प्रति ग्राहक कम से कम दो लेनदेन होने चाहिए। लेन-देन इतिहास में निम्नलिखित शामिल होना चाहिए:
  • लेन-देन आईडी: खरीदारी या लेन-देन का विशिष्ट पहचानकर्ता।
  • लेन-देन तिथि: खरीदारी या लेन-देन की तिथि.
  • लेन-देन का मूल्य: लेन-देन की मुद्रा या संख्यात्मक मूल्य राशि.
  • विशिष्ट उत्पाद आईडी: यदि आपका डेटा लाइन आइटम स्तर पर है तो खरीदे गए उत्पाद या सेवा की आईडी.
  • क्या यह लेनदेन एक रिटर्न था: एक सत्य/असत्य फ़ील्ड जो यह पहचानता है कि लेनदेन एक रिटर्न था या नहीं। यदि लेनदेन का मूल्य ऋणात्मक है, तो हम रिटर्न का अनुमान लगाते हैं।
• ग्राहक गतिविधि डेटा:
  • ग्राहक पहचानकर्ता, आपके ग्राहकों की गतिविधियों को मैप करने के लिए एक अद्वितीय पहचानकर्ता।
  • प्राथमिक कुंजी: किसी गतिविधि के लिए अद्वितीय पहचानकर्ता. उदाहरण के लिए, वेबसाइट पर जाना या उपयोग रिकॉर्ड जो उस ग्राहक को दिखा रहा है जिसने आपके उत्पाद का नमूना लेने की कोशिश की.
  • 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, ग्रॉसरी स्टोर में "UserAction" नामक एक फ़ील्ड ग्राहक द्वारा उपयोग किया गया एक कूपन हो सकता है.
  • विवरण: घटना के बारे में विस्तृत जानकारी। उदाहरण के लिए, ग्रॉसरी स्टोर में "CouponValue" नामक एक फ़ील्ड कूपन का मुद्रा मूल्य हो सकता है.
• प्रदान की गई तालिका के डेटा क्षेत्र में 20% से कम मान लुप्त हैं।

एक लेन-देन मंथन पूर्वानुमान बनाएँ

1. अहम जानकारी के पूर्वानुमान> परजाएं.

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

3. चर्न के प्रकार के लिए लेन-देन चुनें और फिर आरंभ करें चुनें.

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

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. पूर्वानुमान विंडो सेट 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. चर्न जोखिम का लंबे समय तक या कम समय के लिए पूर्वानुमान करना आपके चर्न जोखिम प्रोफ़ाइल में कारकों को संबोधित करना अधिक मुश्किल बना सकता है, लेकिन यह आपकी विशिष्ट व्यावसायिक आवश्यकताओं पर निर्भर करता है.

2. चर्न परिभाषा फ़ील्ड में चर्न को परिभाषित करने के लिए दिनों की संख्या दर्ज करें. उदाहरण के लिए, यदि किसी ग्राहक ने पिछले 30 दिनों में कोई खरीदारी नहीं की है, तो उसे आपके व्यवसाय से बाहर माना जा सकता है।

3. अगला चुनें.

खरीद इतिहास जोड़ें

1. ग्राहक लेनदेन इतिहास के लिए डेटा जोड़ेंचुनें.

2. वह सिमेंटिक गतिविधि प्रकार, SalesOrder या SalesOrderLine चुनें, जिसमें लेनदेन इतिहास की जानकारी शामिल हो. 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. अधिक गतिविधियाँ जोड़ें या अगला चुनें .

अधिक डेटा जोड़ें (वैकल्पिक)

1. ग्राहक गतिविधियों के लिए डेटा जोड़ें चुनें.

2. उस अर्थगत गतिविधि प्रकार का चयन करें जिसमें वह डेटा हो जिसे आप उपयोग करना चाहते हैं। 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. अगला चुनें.

अपडेट शेड्यूल सेट करें

1. डेटा अपडेट चरण के लिए, अपने मॉडल को पुनः प्रशिक्षित करने के लिए एक 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 इस प्रक्रिया को पूरा होने 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 आधार रेखा 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 आधार रेखा 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 आधार रेखा से कम हो।
  • बेसलाइन मॉडल के लिए पूर्वानुमान समय विंडो इनपुट लेता है (उदाहरण के लिए, एक वर्ष), और इसे 2 से विभाजित करके समय के विभिन्न अंश बनाता है जब तक कि यह एक महीने या उससे कम तक नहीं पहुंच जाता। यह उन अंशों का उपयोग उन ग्राहकों के लिए एक व्यवसाय नियम बनाने के लिए करता है, जिन्होंने इस समय सीमा में खरीद नहीं की है. इन ग्राहकों को चर्न किए गए के रूप में माना जाता है. समय-आधारित व्यवसाय नियम, जिसमें यह पूर्वानुमान लगाने की उच्चतम क्षमता होती है कि कौन कंपनी छोड़ने वाली है, को आधार रेखा मॉडल के रूप में चुना जाता है।

• 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: आपके पूर्वानुमान को 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 को दर्शाता 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। सभी ग्राहक जरूरी रूप से सक्रिय ग्राहक नहीं हैं. उनमें से कुछ ने लंबे समय से कोई भी गतिविधि नहीं किया है और पहले से ही चर्ण हो चुके के रूप में माने जाते हैं जो आपकी चर्ण की परिभाषा चर्ण पर आधारित हैं. पहले से ही चर्न हो चुके ग्राहकों के लिए चर्न जोखिम का पूर्वानुमान करना उपयोगी नहीं है क्योंकि वे वैसे ऑडियंस नहीं हैं, जिनमें दिलचस्पी हो.

चर्न स्कोर देखने के लिए, डेटा>तालिकाएँ पर जाएँ और इस मॉडल के लिए आपके द्वारा परिभाषित आउटपुट तालिका के लिए डेटा टैब देखें।