Prever abandono de transações

A previsão de abandono transacional ajuda a prever se um cliente não compra mais os seus produtos ou serviços num determinado período de tempo. O abandono de transações é útil para encontrar clientes que já não estão a comprar produtos em nenhum momento durante a janela de abandono definida. Para encontrar clientes que podem cancelar compras em curso predefinidas, recomendamos que utilize o Modelo de abandono de subscrição.

Tem de ter conhecimento do negócio para entender o que o abandono significa para o seu negócio. Por exemplo, uma empresa com eventos anuais pode definir o abandono medido em anos, enquanto uma empresa que se foca em vendas semanais mede o abandono em meses. Apoiamos definições de abandono baseadas no tempo, o que significa que um cliente é considerado como abandonado após um período de ausência de compras.

Por exemplo, a Contoso pretende saber como estão os clientes envolvidos para uma campanha de e-mail dedicada à retenção. Os clientes da Contoso visitam uma loja de forma variável, geralmente cerca de 3 a 4 vezes por mês. As suas transações são irregulares, tornando difícil determinar quando um cliente para de comprar a marca Contoso. Através do modelo de abandono de transações, a Contoso pode determinar a probabilidade de os clientes comprarem novamente. Podem ver os padrões principais que levam os clientes a deixar a marca, permitindo-lhes ajustar outras estratégias.

Pré-requisitos

• Pelo menos Permissões do contribuinte.
• Pelo menos, 500 perfis de clientes, de preferência mais de 1.000 clientes exclusivos.
• Identificador de Cliente, um identificador exclusivo para corresponder transcrições com os seus clientes.
• Dados de transações para, pelo menos, o dobro da janela de tempo selecionada, tal como dois a três anos do histórico de transações. Idealmente, pelo menos, duas transações por cliente. O histórico de transações tem de incluir:
  • ID da Transação: identificador exclusivo de uma compra ou transação.
  • Data da Transação: data da compra ou transação.
  • Valor da transação: valor monetário ou numérico da transação.
  • ID exclusivo do produto:: ID do produto ou serviço comprado se os seus dados estiverem a um nível de item de linha.
  • Se esta transação foi uma devolução: um campo verdadeiro/falso que identifica se a transação foi uma devolução ou não. Se o Valor da transação é negativo, inferimos uma devolução.
• Dados de atividade do cliente:
  • Identificador de Cliente, um identificador exclusivo para mapear atividades para os seus clientes.
  • Chave primária: identificador exclusivo para uma atividade. Por exemplo, uma visita ao website ou um registo de utilização que mostre que o cliente experimentou uma amostra do seu produto.
  • Carimbo de data/hora: data e hora do evento identificadas pela chave primária.
  • Evento: nome do evento que pretende utilizar. Por exemplo, um campo chamado "UserAction" numa mercearia pode ser um cupão de utilização pelo cliente.
  • Detalhes: Informações detalhadas sobre o evento. Por exemplo, um campo chamado "CouponValue" numa mercearia pode ser o valor monetário do cupão.
• Menos de 20% de valores em falta no campo de dados da tabela fornecida.

Criar uma predição de abandono de transações

1. Aceda a Informações>Predições.

2. No separador Criar, selecione Utilizar modelo no mosaico Modelo de abandono de clientes.

3. Selecione Transação para o tipo de abandono e, em seguida, Começar.

4. Nomeie este modelo e o Nome da tabela de saída para distingui-los de outros modelos ou entidades.

5. Selecione Seguinte.

Definir abandono do cliente

Selecione Guardar rascunho a qualquer momento para guardar a predição como rascunho. A predição de rascunho é apresentada no separador A minhas predições.

1. Defina a Janela de predição. Por exemplo, prever o risco de abandono para os seus clientes durante os próximos 90 dias para se alinhar com os seus esforços de retenção de marketing. Prever o risco de abandono durante um período de tempo mais ou menos longo pode tornar mais difícil abordar os fatores no seu perfil de risco de abandono, mas depende das suas necessidades específicas de negócio.

2. Introduza o número de dias para definir o abandono no campo Definição de abandono. Por exemplo, se um cliente não tiver compras nos últimos 30 dias, pode ser considerado como abandonado para o seu negócio.

3. Selecione Seguinte.

Adicionar histórico de compras

1. Selecione Adicionar dados para Histórico de transações do cliente.

2. Selecione o tipo de atividade semântica SalesOrder ou SalesOrderLine que contém as informações do histórico de transações. Se a atividade não estiver configurada, selecione aqui e crie-a.

3. Em Atividades, se os atributos de atividade foram mapeados semanticamente quando a atividade foi criada, escolha os atributos ou a tabela específicos em que gostaria que o cálculo se focasse. Se não tiver ocorrido mapeamento semântico, selecione Editar e mapeie os dados.

   

4. Selecione Seguinte e reveja os atributos necessários para este modelo.

5. Selecione Guardar.

6. Adicione mais atividades ou selecione Seguinte.

Adicionar mais dados (opcional)

1. Selecione Adicionar dados para Atividades do cliente.

2. Selecione o tipo de atividade semântica que contém os dados que pretende utilizar. Se a atividade não tiver sido configurada, selecione aqui e crie-a.

3. Em Atividades, se os atributos de atividade foram mapeados semanticamente quando a atividade foi criada, escolha os atributos ou a tabela específicos em que gostaria que o cálculo se focasse. Se não tiver ocorrido mapeamento semântico, selecione Editar e mapeie os dados.

4. Selecione Seguinte e reveja os atributos necessários para este modelo.

5. Selecione Guardar.

6. Selecione Seguinte.

Definir agenda de atualização

1. Para o passo Atualizações de dados, escolha uma frequência para reeducar o modelo. Esta definição é importante para atualizar a exatidão das predições à medida que novos dados são ingeridos. A maioria das empresas pode reeducar uma vez por mês e obter uma boa precisão para a sua previsão.

2. Selecione Seguinte.

Rever e executar a configuração do modelo

O passo Rever e executar mostra um resumo da configuração e fornece uma oportunidade de efetuar alterações antes de criar a predição.

1. Selecione Editar em qualquer um dos passos para rever e efetuar quaisquer alterações.

2. Se estiver satisfeito com as seleções, selecione Guardar e executar para começar a executar o modelo. Selecionar Concluído. O separador As minhas predições é apresentado enquanto a predição está a ser criada. O processo pode demorar várias horas a ser concluído dependendo da quantidade de dados utilizados na previsão.

Sugestão

Existem estados para tarefas e processos. A maioria dos processos depende de outros processos de origem, tais como origens de dados e atualizações da criação de perfis de dados.

Selecione o estado para abrir o painel Detalhes do progresso e ver o progresso das tarefas. Para cancelar a tarefa, selecione Cancelar tarefa na parte inferior do painel.

Em cada tarefa, pode selecionar Ver detalhes para obter mais informações sobre o progresso, tais como o tempo de processamento, a data do último processamento, e quaisquer erros e avisos aplicáveis associados à tarefa ou ao processo. Selecione Ver estado do sistema na parte inferior do painel para ver outros processos no sistema.

Ver resultados da predição

1. Aceda a Informações>Predições.

2. No separador As minhas predições, selecione a predição que pretende ver.

Existem três secções primárias de dados dentro da página de resultados:

• Desempenho do modelo de preparação: as notas A, B e C indicam o desempenho da predição e podem ajudá-lo a tomar a decisão de utilizar os resultados armazenados na tabela de saída.

  Os níveis são determinados com base nas seguintes regras:

  • A quando o modelo previu com precisão pelo menos 50% do total das predições, e quando a percentagem de predições exatas para os clientes que abandonaram é superior à base de referência em pelo menos 10%.
  • B quando o modelo previu com precisão pelo menos 50% do total das predições, e quando a percentagem de predições exatas para os clientes que abandonaram é até 10% superior à base de referência.
  • C quando o modelo previu com precisão menos de 50% do total das predições, ou quando a percentagem de predições exatas para os clientes que abandonaram é inferior à base de referência.
  • Linha de base toma a entrada do período de predição para o modelo (por exemplo, um ano) e cria diferentes frações de tempo dividindo-o por 2 até chegar a um mês ou menos. Utiliza estas frações para criar uma regra de negócio para clientes que não tenham efetuado compras neste período de tempo. Estes clientes são considerados como tendo abandonado. A regra empresarial baseada no tempo com a maior capacidade de predição de quem é suscetível de abandono é escolhida como o modelo de linha de base.

• Probabilidade de abandono (número de clientes): grupos de clientes com base no risco previsto de abandono. Opcionalmente, pode criar segmentos de clientes com risco de abandono elevado. Estes segmentos ajudam a entender onde o seu limite dever ser para a adesão ao segmento.

• Fatores mais influentes: há muitos fatores que são tidos em conta na criação da sua previsão. Cada um dos fatores tem a sua importância calculada para as predições agregadas que um modelo cria. Utilize estes fatores para ajudar a validar os resultados da sua predição. Ou utilize estas informações mais tarde para criar segmentos que possam ajudar a influenciar o risco de abandono para os clientes.

Nota

Na tabela de saída para este modelo, ChurnScore mostra a probabilidade prevista de abandono e IsChurn é uma etiqueta binária baseada em ChurnScore com limiar de 0,5. Se este limiar predefinido não funcionar para o seu cenário, pode criar um novo segmento com o seu limiar preferido. Nem todos os clientes são necessariamente clientes ativos. Alguns deles podem não ter qualquer atividade há muito tempo e já são considerados como tendo abandonado, com base na sua definição de abandono. Prever o risco de abandono de clientes que já efetuaram o abandono não é útil porque não são a audiência de interesse.

Para ver a classificação de abandono, aceda a Dados>Tabelas e veja o separador de dados para a tabela de saída que definiu para este modelo.