Tranzakció-lemorzsolódás előrejelzése

A tranzakciós lemorzsolódás segít előre jelezni, előrejelzés ha egy ügyfél már nem vásárolja meg termékeit vagy szolgáltatásait egy adott időablakban. A tranzakciólemorzsolódás akkor hasznos, ha olyan vevőket szeretne találni, akik a meghatározott lemorzsolódási időszak alatt már nem vásárolnak termékeket. Ha olyan ügyfeleket szeretne találni, akik lemondhatják az előre beállított folyamatban lévő vásárlásaikat, javasoljuk az előfizetés lemorzsolódási modelljének használatát.

Üzleti ismeretekkel kell rendelkeznie ahhoz, hogy megértse, mit jelent a lemorzsolódás az Ön vállalkozása számára. Például egy éves eseményekkel rendelkező vállalkozás meghatározhatja az években mért lemorzsolódást, míg a heti értékesítést ellátó vállalkozás hónapokban méri a lemorzsolódást. Támogatjuk az időalapú lemorzsolódási definíciókat, ami azt jelenti, hogy az ügyfél akkor is lemorzsolódottnak minősül, ha nem vásárol.

A Contoso például tudni szeretné, hogy az ügyfelek mennyire elkötelezettek egy megőrzésre szánt e-mail-kampányban. A Contoso ügyfelei változó alapon látogatnak el egy kirakatba, leggyakrabban havonta 3–4 alkalommal. A tranzakcióik szabálytalanok, ami megnehezíti annak meghatározását, hogy egy ügyfél mikor hagyja abba a Contoso márka megvásárlását. A tranzakcióváltozási modellen keresztül a Contoso meghatározhatja annak valószínűségét, hogy az ügyfelek újra vásárolnak. Láthatják azokat a vezető mintákat, amelyek az ügyfelek elhagyásához vezetnek a márkától, lehetővé téve számukra, hogy más stratégiákat módosítsanak.

Előfeltételek

• Legalább közreműködő engedélyeket.
• Legalább 500 ügyfélprofil, lehetőleg több mint 1000 egyedi ügyfél.
• Ügyfél-azonosító, egy egyedi azonosító, amely a tranzakciókat az ügyfelekhez társítja.
• Tranzakciós adatok a kiválasztott időablak legalább kétszeresére, például két-három éves tranzakciós előzményekre. Ideális esetben ügyfelenként legalább két tranzakció. A tranzakciós előzményeknek tartalmazniuk kell a következőket:
  • Tranzakcióazonosító: Egy vásárlás vagy tranzakció egyedi azonosítója.
  • Tranzakció dátuma: A vásárlás vagy tranzakció dátuma.
  • A tranzakció értéke: A tranzakció pénzneme vagy számszerű értéke.
  • Egyedi termékazonosító: A megvásárolt termék vagy szolgáltatás azonosítója, ha az adatok a sor szintjén vannak.
  • Azt határozza meg, hogy a tranzakció visszáru volt-e: Igaz/hamis mező, amely azonosítja, hogy a tranzakció visszáru volt-e vagy sem. Ha a tranzakció értéke negatív, hozamra következtetünk.
• Ügyfélaktivitási adatok:
  • Ügyfél-azonosító, egy egyedi azonosító, amely leképezi a tevékenységeket az ügyfelekre.
  • Elsődleges kulcs: Egy tevékenység egyedi azonosítója. Például, ha egy webhelylátogatás vagy egy használati rekord azt mutatja, hogy az ügyfél kipróbálta az egyik mintatermékét.
  • Időbélyeg: Az elsődleges kulccsal azonosított esemény dátuma és időpontja.
  • Esemény: A használni kívánt esemény neve. Például, ha egy mező neve "FelhasználóiMűvelet" egy élelmiszerboltban, ez egy ügyfél által történő kuponhasználatot jelenthet.
  • Részletek: Részletes információk az eseményről. Például, ha egy mező neve "KuponÉrték" egy élelmiszerboltban, ez a kupon pénznembeli értékét jelentheti.
• A hiányzó értékek kevesebb mint 20%-a a megadott táblázat adatmezőjében.

Tranzakciólemorzsolódási előrejelzés létrehozása

1. Ugrás az Elemzések előrejelzései> oldalra.

2. A Létrehozás lapon válassza a Modell használata lehetőséget az Ügyfél-lemorzsolódási modell csempén.

3. Válassza a Tranzakció lehetőséget az adatváltozás típusához, majd az Első lépések lehetőséget.

4. Nevezze el ezt a modellt és a kimeneti tábla nevét , hogy megkülönböztesse őket más modellektől vagy tábláktól.

5. Válassza a Következő lehetőséget.

Ügyfél-lemorzsolódás meghatározása

Válassza a Piszkozat mentése lehetőséget bármikor, ha a előrejelzés piszkozatként szeretné menteni. A piszkozat előrejelzés megjelenik a Saját előrejelzések lapon.

1. Állítsa be a előrejelzés ablakot. Például, megjósolhatja a lemorzsolódás kockázatát egy ügyfele esetében, a következő 90 napban, hogy ehhez igazíthassa marketingmegőrzési törekvéseit. A lemorzsolódási kockázat becslése egy hosszabb vagy rövidebb időintervallumra megnehezítheti a tényezők kezelését a lemorzsolódási kockázat-profiljában, de ez leginkább az Ön által meghatározott üzleti igényektől függ.

2. Adja meg, hogy hány napig szeretné meghatározni az adatváltozást a Lemorzsolódás definíciója mezőben. Ha például egy ügyfél nem vásárolt az elmúlt 30 napban, akkor előfordulhat, hogy a vállalkozás számára lemorzsolódottnak minősül.

3. Válassza a Következő lehetőséget.

Vásárlási előzmények hozzáadása

1. Válassza az Adatok hozzáadása az Ügyfél tranzakciós előzményeihez lehetőséget.

2. Válassza ki a szemantikai tevékenységtípust ( SalesOrder vagy SalesOrderLine), amely a tranzakcióelőzmények adatait tartalmazza. Ha a tevékenység nincs beállítva, válassza ki itt , és hozza létre.

3. Ha a tevékenység létrehozásakor a tevékenységattribútumok szemantikailag le voltak képezve, a Tevékenységek alattválassza ki azokat az attribútumokat vagy táblákat, amelyekre a számítást összpontosítani szeretné. Ha nem történt szemantikai leképezés, válassza az Adatok szerkesztése és leképezése lehetőséget .

   

4. Válassza a Tovább gombot , és tekintse át a modellhez szükséges attribútumokat.

5. Válassza a Mentés parancsot.

6. Adjon hozzá további tevékenységeket, vagy válassza a Tovább lehetőséget .

További adatok hozzáadása (nem kötelező)

1. Válassza az Adatok hozzáadása az ügyféltevékenységekhez lehetőséget.

2. Válassza ki a használni kívánt adatokat tartalmazó szemantikai tevékenységtípust. Ha a tevékenység nincs beállítva, válassza ki itt , és hozza létre.

3. Ha a tevékenység létrehozásakor a tevékenységattribútumok szemantikailag le voltak képezve, a Tevékenységek alattválassza ki azokat az attribútumokat vagy táblákat, amelyekre a számítást összpontosítani szeretné. Ha nem történt szemantikai leképezés, válassza az Adatok szerkesztése és leképezése lehetőséget .

4. Válassza a Tovább gombot , és tekintse át a modellhez szükséges attribútumokat.

5. Válassza a Mentés parancsot.

6. Válassza a Következő lehetőséget.

Frissítési ütemezés beállítása

1. Az Adatfrissítések lépéshez válassza ki a modell újratanításának gyakoriságát. Ez a beállítás fontos, hogy frissíthesse az előrejelzéseinek pontosságát, ahogy új adat kerül betöltésre. A legtöbb cég havonta egyszer végez újratanítást, és pontos előrejelzésekhez tud jutni.

2. Válassza a Következő lehetőséget.

A modellkonfiguráció áttekintése és futtatása

Az Áttekintés és futtatás lépés a konfiguráció összegzését jeleníti meg, és lehetőséget biztosít a módosítások elvégzésére a előrejelzés létrehozása előtt.

1. Válassza a Szerkesztés lehetőséget bármelyik lépésben az áttekintéshez és a módosítások elvégzéséhez.

2. Ha elégedett a választásokkal, válassza a Mentés és futtatás lehetőséget a modell futtatásának megkezdéséhez. Válassza a Kész lehetőséget. A Saját előrejelzések lap a előrejelzés létrehozása közben jelenik meg. A folyamat a előrejelzés használt adatok mennyiségétől függően több órát is igénybe vehet.

Tipp.

A feladatoknak és folyamatoknak vannak állapotai . A legtöbb folyamat más felsőbb rétegbeli folyamatoktól, például az adatforrásoktól és az adatprofil-készítés frissítéseitől függ.

Válassza ki az állapotot a Folyamat részletei ablaktábla megnyitásához és a tevékenységek előrehaladásának megtekintéséhez. A feladat megszakításához válassza a panel alján található Feladat megszakítása lehetőséget .

Az egyes feladatok alatt kiválaszthatja a Részletek megtekintése lehetőséget további előrehaladási információkért, például a feldolgozási időért, az utolsó feldolgozási dátumért, valamint a feladathoz vagy folyamathoz kapcsolódó hibákért és figyelmeztetésekért. Válassza a panel alján található Rendszerállapot megtekintése lehetőséget a rendszer egyéb folyamatainak megtekintéséhez.

Előrejelzés eredmények megtekintése

1. Ugrás az Elemzések előrejelzései> oldalra.

2. A Saját várható kifejezések lapon válassza ki a megtekinteni kívánt előrejelzés.

Az eredményoldalon lévő adatok három fő részben jelennek meg:

• Betanítási modell teljesítménye: Az A, B vagy C fokozatok jelzik a előrejelzés teljesítményét, és segíthetnek a kimeneti táblában tárolt eredmények használatában.

  Az osztályzatot a következő szabályok határozzák meg:

  • A , ha a modell az összes előrejelzés legalább 50%-át pontosan előrejelezte, és ha a pontos előrejelzések százalékos aránya a lemorzsolódott ügyfelek esetében legalább 10%-kal meghaladja az alapértéket.
  • B , ha a modell az összes előrejelzés legalább 50%-át pontosan előrejelezte, és ha a pontos előrejelzések százalékos aránya a lemorzsolódott ügyfelek esetében akár 10%-kal is nagyobb az alapértéknél.
  • C , ha a modell az összes előrejelzés kevesebb mint 50%-át jelezte előre pontosan, vagy ha a pontos előrejelzések százalékos aránya a lemorzsolódott ügyfelek esetében kisebb, mint az alapkonfiguráció.
  • Az alapterv a modell előrejelzés időablak-bemenetét veszi fel (például egy év), és különböző időtöredékeket hoz létre úgy, hogy elosztja 2-vel, amíg el nem éri az egy hónapot vagy kevesebbet. Ezen töredékek segítségével üzleti szabályokat hozhat létre azon ügyfeleknek, akik nem vásároltak ebben az időkeretben. Ezek az ügyfelek lemorzsolódónak vannak tekintve. Alapmodellként azt az időalapú üzleti szabályt választjuk, amely a legnagyobb mértékben képes megjósolni, hogy ki várható lemorzsolódásra.

• Lemorzsolódás valószínűsége (ügyfelek száma): Ügyfélcsoportok a lemorzsolódás várható kockázata alapján. Opcionálisan létrehozhat magas lemorzsolódási kockázatú ügyfélszegmenseket is. Az ilyen szegmensek segítségével felmérheti, hogy a szegmens tagsága esetén hol legyen a lezárás.

• A legbefolyásosabb tényezők: Számos tényezőt vesz figyelembe a előrejelzés létrehozásakor. A tényezők mindegyikének megvan a fontossága, az összesített előrejelzés számításaiban, melyet a modell hoz létre. Ezekkel a tényezőkkel ellenőrizheti a előrejelzés eredményeit. Vagy használja ezt az információt később olyan szegmensek létrehozásához, amelyek segíthetnek befolyásolni az ügyfelek lemorzsolódási kockázatát.

Feljegyzés

A modell kimeneti táblázatában a ChurnScore az adatváltozás előrejelzett valószínűségét jeleníti meg, az IsChurn pedig egy bináris címke, amely a ChurnScore függvényen alapul 0,5 küszöbértékkel. Ha ez az alapértelmezett küszöbérték nem működik az adott forgatókönyvben, hozzon létre egy új szegmenst a kívánt küszöbértékkel. Nem minden ügyfél feltétlenül aktív ügyfél. Némelyikük lehet, hogy már hosszú ideje nem végzett tevékenységet, és a már lemorzsolódottnak számít – az Ön lemorzsolódási definíciójától függően. A már lemorzsolódott ügyfeleknél a lemorzsolódási kockázat előrejelzése nem hasznos, mert nem ők az érdeklődő célközönség.

Az adatváltozási pontszám megtekintéséhez nyissa meg az Adattáblák> lapot, és tekintse meg a modellhez definiált kimeneti tábla Adatok lapját.