Przewidywana rezygnacji z subskrypcji

Przewiduj, czy istnieje zagrożenie, że klient przestanie używać subskrypcji na produkty lub usługi Twojej firmy. Dane subskrypcji obejmują aktywne i nieaktywne subskrypcje dla każdego klienta, więc może istnieć wiele wpisów na identyfikator klienta. Aby znaleźć ryzyko rezygnacji dla klientów, którzy nie dokonują zaplanowanych zakupów, użyj modelu rezygnacji transakcji.

Należy posiadać wiedzę biznesową, pozwalającą zrozumieć co rezygnacja oznacza dla działalności. Na przykład firma z zdarzeniami rocznymi może definiować swoje wpływy miary po lata, podczas gdy firma, która pozwala na sprzedaż tygodniową, może być rozsyłana w miesiącach. Obsługujemy definicje rezygnacji czasowych, co oznacza, że uważamy, że klient zrezygnował na pewien czas po zakończeniu subskrypcji.

Na przykład firma Contoso oferuje miesięczną usługę kawową. Chcą wiedzieć, którzy klienci mogą wypowiedzieć pytanie o odnowienie usługi, aby mogli zaoferować im rabat. W modelu rozsyłania subskrypcji firma Contoso może zobaczyć, którzy klienci mogą nie odnowić usługi w następnym roku i jaka może być liczba populacji.

Porada

Wypróbuj przewidywanie rezygnacji z subskrypcji za pomocą przykładowych danych: Przykładowy przewodnik dotyczący prognozowania rezygnacji z subskrypcji (wersja zapoznawcza).

Wymagania wstępne

• Co najmniej uprawnienia współautora.
• Co najmniej 1000 profilów klientów w żądanym oknie przewidywania.
• Identyfikator klientów, unikatowy identyfikator umożliwiający dopasowanie subskrypcji do klientów.
• Dane subskrypcji dla co najmniej podwójnego wybranego okna czasowego. Najlepiej dwa do trzech lat danych subskrypcji. Historia subskrypcji musi zawierać:
  • Identyfikator subskrypcji: unikatowy identyfikator subskrypcji.
  • Data zakończenia subskrypcji: data wygaśnięcia subskrypcji klienta.
  • Data rozpoczęcia subskrypcji: data rozpoczęcia subskrypcji klienta.
  • Data transakcji: data wystąpienia zmiany w subskrypcji. Na przykład klient, który kupuję lub anuluje subskrypcję.
  • Czy jest to subskrypcja cykliczna: pole logiczne prawda/fałsz które określa, czy subskrypcja zostanie odnowiona z takim samym identyfikatorem subskrypcji bez interwencji klienta
  • Częstotliwość powtarzania (w miesiącach): dla subskrypcji cyklicznych miesiąc, na jakim subskrypcja jest odnawiana. Na przykład roczna subskrypcja, która jest automatycznie odnawiana dla klienta co roku na kolejny rok ma wartość 12.
  • Kwota subskrypcji: kwota płacona przez klienta za odnowienie subskrypcji. Może to pomóc w określeniu wzorów dla różnych poziomów subskrypcji.
• Dla 50% klientów, dla których ma być obliczona wartość zmian, co najmniej dwa rekordy działań. Szczegóły działań klienta muszą zawierać:
  • Klucz podstawowy: unikatowy identyfikator działania. Na przykład wizyta w witrynie sieci Web lub rekord użycia ukazujący, że w klient obejrzał odcinek serialu telewizyjnego.
  • Sygnatura czasowa: data i godzina zdarzenia identyfikowanego przez klucz podstawowy.
  • Zdarzenie: nazwa zdarzenia, którego chcesz użyć. Na przykład pole o nazwie "UserAction" w usłudze przesyłania strumieniowego wideo może mieć wartość "Obejrzany".
  • Szczegóły: Szczegółowe informacje o zdarzeniu. Na przykład pole o nazwie "ShowTitle" w usłudze przesyłania strumieniowego wideo może mieć wartość wideo obejrzanego przez klienta.
• Mniej niż 20% brakujących wartości w polu dostarczonej tabeli.

Utwórz prognozę rezygnacji z subskrypcji

W dowolnym momencie wybierz opcję Zapisz roboczą, aby zapisać przewidywanie jako roboczą. Wersja robocza wyświetla się na karcie Moje prognozy.

1. Przejdź do opcji Szczegółowe informacje>Przewidywania.

2. Na karcie Utwórz wybierz Model użycia na kafelku Model rezygnacji klienta.

3. Wybierz opcję Subskrypcja dla typu rozsyłania, a następnie wybierz opcję Rozpocznij.

4. Nazwij ten model i Nazwa tabeli wyjściowej, aby odróżnić je od innych modeli lub tabel.

5. Wybierz Dalej.

Definiuj rezygnację klienta

1. Wprowadź liczbę Dni od zakończenia subskrypcji, przez które firma uważa, że klient jest w stanie rezygnacji. Ten okres zazwyczaj jest powiązany z działaniami biznesowymi, takimi jak oferty, lub inne działania marketingowe, które usiłują zapobiec utracie klienta.

2. Wprowadź Liczbę dni w przyszłości na potrzeby przewidywania rezygnacji. Na przykład prognozuj ryzyko odejścia klientów w ciągu najbliższych 90 dni, aby dostosować się do działań marketingowych dotyczących utrzymania klientów. Przewidywanie ryzyka rezygnacji przez dłuższe lub krótsze okresy może jednak znacznie utrudnić branie pod uwagę czynników w profilu ryzyka rezygnacji w zależności od konkretnych wymagań biznesowych.

3. Wybierz Dalej.

Dodaj wymagane dane

1. Wybierz Dodaj dane dla Historii subskrypcji.

2. Wybierz semantyczny typ działania Subskrypcja, które zawiera informacje o historii subskrypcji. Jeśli działanie nie zostało jeszcze ustawione, zaznacz go tutaj i utwórz.

3. W obszarze Działania, jeśli atrybuty działania zostały semantycznie zamapowane podczas tworzenia działania, wybierz określone atrybuty lub tabelę, na których chcesz skupić obliczenia. Jeśli mapowanie mapowań mapowań nie zostanie nastąpi, wybierz opcję Edytuj i zamapuj dane.

   

4. Wybierz opcję Dalej i przejrzyj atrybuty wymagane dla tego modelu.

5. Wybierz pozycję Zapisz.

6. Wybierz Dodaj dane do Działań klienta.

7. Wybierz typ semantycznego działania, który pozwala uzyskać informacje o działaniu klienta. Jeśli działanie nie zostało jeszcze ustawione, zaznacz go tutaj i utwórz.

8. W obszarze Działania, jeśli atrybuty działania zostały semantycznie zamapowane podczas tworzenia działania, wybierz określone atrybuty lub tabelę, na których chcesz skupić obliczenia. Jeśli mapowanie mapowań mapowań nie zostanie nastąpi, wybierz opcję Edytuj i zamapuj dane.

9. Wybierz opcję Dalej i przejrzyj atrybuty wymagane dla tego modelu.

10. Wybierz pozycję Zapisz.

11. Dodaj więcej działań lub wybierz Dalej.

Ustaw harmonogram aktualizacji

1. Wybierz częstotliwość ponownego uczenia modelu. To ustawienie jest ważne, aby zaktualizować dokładność prognoz w miarę pozyskiwania nowych danych. Większość firm może przeprowadzać ponowne szkolenia raz w miesiącu i uzyskać dobrą dokładność przewidywań.

2. Wybierz Dalej.

Przegląd i uruchamianie konfiguracji modelu

W kroku Przejrzyj i uruchom przedstawiono podsumowanie konfiguracji i użytkownik może wprowadzić zmiany przed utworzeniem przewidywania.

1. Wybierz Edytuj na każdym z etapów, aby przejrzeć i wprowadzić ewentualne zmiany.

2. Jeśli wybór jest zadowalający, wybierz polecenie Zapisz i uruchom, aby rozpocząć uruchamianie modelu. Wybierz pozycję Gotowe. Podczas tworzenia przewidywanie jest wyświetlana karta Moje prognozy. Przeprowadzanie procesu może potrwać kilka godzin, w zależności od ilości danych użytych w przewidywaniu.

Napiwek

Zadania i procesy mają swoje stany. Większość procesów zależy od innych procesów nadrzędnych, takich jak źródła danych i odświeżenia profilowania danych.

Wybierz stan obok okienka Szczegóły postępu, aby wyświetlić postęp zadania. Aby anulować zadanie, wybierz opcję Anuluj zadanie w dolnej części okienka.

Pod każdym zadaniem możesz wybrać Zobacz szczegóły, aby uzyskać więcej informacji o postępie, takich jak czas przetwarzania, data ostatniego przetwarzania oraz wszystkie odpowiednie błędy i ostrzeżenia związane z zadaniem lub procesem. Wybierz Wyświetl stan systemu u dołu panelu, aby wyświetlić inne procesy w systemie.

Wyświetl wyniki przewidywania

1. Przejdź do opcji Szczegółowe informacje>Przewidywania.

2. Na karcie Moje przewidywania wybierz przewidywanie, które chcesz wyświetlić.

Na stronie wyników wyszukiwania znajdują się trzy podstawowe sekcje danych:

• Wydajność modelu szkolenia: oceny A, B lub C wskazują wydajność prognozy i może pomóc w podjęciu decyzji o użyciu wyników przechowywanych w tabeli wyjściowej.

  

  Oceny są określane na podstawie następujących reguł:

  • A kiedy model dokładnie przewidział co najmniej 50% wszystkich prognoz, a odsetek trafnych prognoz dla klientów, którzy zrezygnowali, jest większy od wskaźnika historycznego średniego współczynnika rezygnacji o co najmniej 10%.
  • B kiedy model dokładnie przewidział co najmniej 50% wszystkich prognoz, a odsetek trafnych prognoz dla klientów, którzy zrezygnowali, jest większy od wskaźnika historycznego średniego współczynnika rezygnacji do 10%.
  • C, kiedy model precyzyjnie przewidział mniej niż 50% łącznych przewidywań, lub kiedy procent dokładnych prognoz dla klientów, którzy zrezygnowali jest mniejszy niż historyczny średni współczynnik rezygnacji.

• Prawdopodobieństwo rezygnacji (liczba klientów): grupy klientów na podstawie ich przewidywanego ryzyka rezygnacji. Opcjonalnie można utworzyć segmenty klientów o wysokim ryzyku rezygnacji. Takie segmenty ułatwiają zrozumienie tego, w którym miejscu powinien się znaleźć próg dla członkostwa w segmencie.

  

• Czynniki mające największy wpływ: Istnieje wiele czynników branych pod uwagę podczas tworzenia przewidywania. Każdy z czynników ma swoją wagę obliczoną dla zagregowanych prognoz tworzonych przez model. Tych czynników można użyć w celu sprawdzenia poprawności wyników przewidywania. Lub użyj tych informacji później, aby utworzyć segmenty, które mogą wpłynąć na ryzyko rezygnacji dla klientów.

  

Uwaga

W tabeli wyjściowej dla tego modelu ChurnScore jest prawdopodobieństwem rezygnacji, a IsChurn jest binarnym poziomem na podstawie wyniku ChurnScore z progiem 0,5. Jeśli ten domyślny próg nie działa w tym scenariuszu, utwórz nowy segment z wybranym progiem. Aby wyświetlić wynik rezygnacji, przejdź do Dane>Tabele i wyświetl kartę danych dla tabeli wyjściowej zdefiniowanej dla tego modelu.