Prevedere l'abbandono delle transazioni

La previsione di abbandono transazionale ti consente di prevedere se un cliente non acquisterà più i tuoi prodotti o servizi in un determinato intervallo di tempo. Il tasso di abbandono delle transazioni è utile per trovare i clienti che non acquistano più prodotti in qualsiasi momento durante la finestra di abbandono definita. Per trovare clienti che potrebbero annullare gli acquisti in corso preimpostati, ti consigliamo di utilizzare il modello di abbandono dell'abbonamento.

È necessaria la conoscenza dell'azienda per capire cosa significa l'abbandono per la tua azienda. Ad esempio, un'azienda con eventi annuali può definire il proprio abbandono misurato in anni, mentre un'azienda che si occupa di vendite settimanali misura il proprio abbandono in mesi. Supportiamo definizioni di abbandono basate sul tempo, ovvero un cliente è considerato come perso dopo un periodo sena acquisti.

Ad esempio, Contoso vuole sapere quanto sono coinvolti i clienti in modo che possano eseguire una campagna di posta elettronica dedicata alla fidelizzazione. I clienti di Contoso visitano un negozio con frequenza variabile, nella maggior parte dei casi circa 3-4 volte al mese. Le transazioni sono irregolari, il che rende difficile determinare quando un cliente smette di acquistare il marchio Contoso. Attraverso il modello di abbandono delle transazioni, Contoso può determinare la probabilità che i clienti acquistino nuovamente. Possono vedere i modelli principali che portano i clienti a lasciare il marchio, consentendo loro di adattare altre strategie.

Prerequisiti

• Autorizzazioni di collaboratore come minimo.
• Almeno 500 profili cliente, preferibilmente più di 1.000 clienti univoci.
• Identificatore cliente, un identificatore univoco per abbinare le transazioni ai clienti.
• Dati delle transazioni per almeno il doppio della finestra temporale selezionata, ad esempio da due a tre anni di cronologia delle transazioni. Idealmente, almeno due transazioni per cliente. La cronologia delle transazioni deve includere:
  • ID transazione: un identificatore univoco di un acquisto o di una transazione.
  • Data transazione: la data dell'acquisto o della transazione.
  • Valore della transazione: l'importo in valuta o in valore numerico della transazione.
  • ID prodotto univoco: l'ID del prodotto o del servizio acquistato se i tuoi dati sono a livello di voce singola.
  • Specifica se la transazione è stata un reso: un campo vero/falso che identifica se la transazione era un reso o meno. Se il Valore della transazione è negativo, se ne può dedurre che si trattava di un reso.
• Dati attività cliente:
  • Identificatore cliente, un identificatore univoco per associare le attività ai clienti.
  • Chiave primaria: identificatore univoco per un'attività. Ad esempio, una visita al sito Web o un record di utilizzo che mostra che il cliente ha provato un campione del prodotto.
  • Timestamp: data e ora dell'evento identificato dalla chiave primaria.
  • Evento: nome dell'evento che si desidera utilizzare. Ad esempio, un campo denominato "UserAction" in un negozio di alimentari potrebbe essere un coupon utilizzato dal cliente.
  • Dettagli: informazioni dettagliate sull'evento. Ad esempio, un campo denominato "CouponValue" in un negozio di alimentari potrebbe essere il valore monetario del coupon.
• Meno del 20% dei valori mancanti nel campo dati della tabella fornita.

Creare una previsione di abbandono delle transazioni

1. Vai a Informazioni dettagliate>Previsioni.

2. Nella scheda Crea seleziona Usa modello nel riquadro Modello di abbandono dei clienti.

3. Seleziona Transazione per il tipo di abbandono, quindi seleziona Operazioni preliminari.

4. Assegna un nome a questo modello e Nome tabella di output per distinguerli da altri modelli o tabelle.

5. Seleziona Avanti.

Definisci abbandono cliente

Seleziona Salva bozza in qualsiasi momento per salvare la previsione come bozza. La previsione della bozza sarà visibile nella scheda Previsioni personali.

1. Imposta la finestra Previsione. Ad esempio, prevedi il rischio di abbandono dei clienti nei prossimi 90 giorni per allinearti agli sforzi di fidelizzazione del marketing. La previsione del rischio di abbandono per un periodo di tempo più o meno lungo può rendere più difficile prendere in considerazione i fattori nel profilo di rischio di abbandono, ma dipende dalle esigenze aziendali specifiche.

2. Immetti il numero di giorni per definire l'abbandono nel campo Definizione abbandono. Ad esempio, se un cliente non ha effettuato acquisti negli ultimi 30 giorni, potrebbe essere considerato come perso per la tua attività.

3. Selezionare Avanti.

Aggiungi cronologia acquisti

1. Seleziona Aggiungi dati per Cronologia transazioni cliente.

2. Seleziona il tipo di attività semantica, SalesOrder o SalesOrderLine, che contiene le informazioni sulla cronologia delle transazioni. Se l'attività non è impostata, seleziona qui e creala.

3. In Attività, se gli attributi dell'attività erano stati mappati a livello semantico al momento della creazione dell'attività, scegli gli attributi o la tabella specifici su cui dovranno essere basati i calcoli. Se la mappatura semantica non si è verificata, seleziona Modifica e mappa i tuoi dati.

   

4. Seleziona Avanti e rivedi gli attributi richiesti per questo modello.

5. Seleziona Salva.

6. Aggiungi ulteriori attività oppure seleziona Avanti.

Aggiungi dati facoltativi (opzionali)

1. Seleziona Aggiungi dati per Attività dei clienti.

2. Seleziona il tipo di attività semantica che contiene i dati che vuoi usare. Se l'attività non è stata impostata, seleziona qui e creala.

3. In Attività, se gli attributi dell'attività erano stati mappati a livello semantico al momento della creazione dell'attività, scegli gli attributi o la tabella specifici su cui dovranno essere basati i calcoli. Se la mappatura semantica non si è verificata, seleziona Modifica e mappa i tuoi dati.

4. Seleziona Avanti e rivedi gli attributi richiesti per questo modello.

5. Seleziona Salva.

6. Seleziona Avanti.

Impostare la pianificazione di aggiornamento

1. Per il passaggio Aggiornamenti dei dati scegli una frequenza per ripetere il training del modello. Questa impostazione è importante per aggiornare la precisione delle previsioni a mano a mano che vengono inseriti nuovi dati. La maggior parte delle aziende può ripetere il training una volta al mese e ottenere una buona precisione per le loro previsioni.

2. Selezionare Avanti.

Rivedere ed eseguire la configurazione del modello

Il passaggio Rivedi ed esegui mostra un riepilogo della configurazione e offre la possibilità di apportare modifiche prima di creare la previsione.

1. Seleziona Modifica per una qualsiasi delle fasi per rivedere e apportare modifiche.

2. Se sei soddisfatto delle tue selezioni, seleziona Salva ed esegui per iniziare a eseguire il modello. Seleziona Fatto. La scheda Previsioni personali viene visualizzata durante la creazione della previsione. Il completamento del processo potrebbe richiedere diverse ore a seconda della quantità di dati utilizzati nella previsione.

Mancia

Essitono stati per attività e processi. La maggior parte dei processi dipende da altri processi upstream, come origini dati e aggiornamenti di profiling dei dati.

Seleziona lo stato per aprire il riquadro Dettagli stato e visualizza lo stato delle attività. Per annullare il processo, seleziona Annulla processo nella parte inferiore del riquadro.

In ogni attività puoi selezionare il collegamento Vedi dettagli per altre informazioni sullo stato, ad esempio tempo di elaborazione, data dell'ultima elaborazione ed eventuali errori e avvisi applicabili associati all'attività o al processo. Seleziona Visualizza stato del sistema nella parte inferiore del pannello per vedere altri processi nel sistema.

Visualizzare i risultati della previsione

1. Vai a Informazioni dettagliate>Previsioni.

2. Nella scheda Previsioni personali seleziona la previsione che vuoi visualizzare.

Esistono tre sezioni principali di dati nella pagina dei risultati:

• Prestazioni modello di training: i voti A, B o C indicano le prestazioni della previsione e possono aiutarti a prendere la decisione di usare i risultati archiviati nella tabella di output.

  I voti sono determinati in base alle seguenti regole:

  • A quando il modello ha previsto con precisione almeno il 50% delle previsioni totali e quando la percentuale di previsioni accurate per i clienti che hanno abbandonato è superiore al tasso di riferimento di almeno il 10%.
  • B quando il modello ha previsto con precisione almeno il 50% delle previsioni totali e quando la percentuale di previsioni accurate per i clienti che hanno abbandonato è fino al 10% superiore al tasso di riferimento.
  • C quando il modello ha previsto con precisione meno del 50% delle previsioni totali o quando la percentuale di previsioni accurate per i clienti che hanno abbandonato è inferiore al tasso di riferimento.
  • Baseline prende l'input della finestra temporale di previsione per il modello (per esempio, un anno), e crea diverse frazioni di tempo dividendolo per 2 fino a raggiungere un mese o meno. Utilizza queste frazioni per creare una regola aziendale per i clienti che non hanno effettuato acquisti durante tale periodo di tempo. Questi clienti vengono considerati come persi. La regola di business basata sul tempo con la più alta capacità di prevedere chi può abbandonare viene scelta come modello di base.

• Probabilità di abbandono (numero di clienti): Gruppi di clienti basati sul loro rischio previsto di abbandono. Facoltativamente, crea segmenti di clienti con rischio elevato di abbandono. Tali segmenti aiutano a capire dove dovrebbe posizionare il limite per l'appartenenza al segmento.

• Ifattori più influenti: ci sono molti fattori che vengono presi in considerazione quando si crea la tua previsione. Ciascuno dei fattori ha la sua importanza calcolata per le previsioni aggregate create da un modello. Usa questi fattori per convalidare i risultati della previsione. Oppure, usa queste informazioni in seguito per creare segmenti che potrebbero contribuire a influenzare il rischio di abbandono per i clienti.

Nota

Nella tabella di output per questo modello, ChurnScore mostra la probabilità prevista di abbandono e IsChurn è un'etichetta binaria basata su ChurnScore con soglia di 0,5. Se questa soglia predefinita non funziona per il tuo scenario, crea un nuovo segmento con la tua soglia preferita. Non tutti i clienti sono necessariamente clienti attivi. Alcuni di loro potrebbero non aver avuto alcun impegno per molto tempo e sono già considerati come abbandonati, in base alla tua definizione di abbandono. Prevedere il rischio di abbandono per i clienti che hanno già abbandonato non è utile perché non sono il pubblico di interesse.

Per visualizzare il punteggio di abbandono, vai a Dati>Tabelle e visualizza la scheda dei dati per la tabella di output definita per questo modello.