Previzionați retragere din tranzacții

Renunțarea tranzacțională predicție ajută la prezicerea dacă un client nu mai achiziționează produsele sau serviciile dvs. într-o anumită fereastră de timp. Renunțarea la tranzacții este utilă pentru a găsi clienți care nu mai achiziționează produse în niciun moment în timpul ferestrei de renunțare definite. Pentru a găsi clienți care ar putea anula achizițiile în curs prestabilite, vă recomandăm să utilizați modelul de renunțare la abonament.

Trebuie să aveți cunoștințe de afaceri pentru a înțelege ce înseamnă churn pentru afacerea dvs. De exemplu, o afacere cu evenimente anuale își poate defini churn-ul măsurat în ani, în timp ce o afacere care se ocupă de măsurile săptămânale de vânzări scade în luni. Acceptăm definiții de renunțare bazate pe timp, ceea ce înseamnă că un client este considerat ca fiind agitat după o perioadă fără achiziții.

De exemplu, Contoso dorește să știe cât de implicați sunt clienții pentru o campanie de e-mail dedicată retenției. Clienții Contoso vizitează o vitrină în mod variabil, cel mai adesea în jur de 3-4 ori pe lună. Tranzacțiile lor sunt neregulate, ceea ce face dificilă determinarea momentului în care un client încetează să mai achiziționeze marca Contoso. Prin modelul de renunțare la tranzacții, Contoso poate determina probabilitatea ca clienții să cumpere din nou. Ei pot vedea modelele principale care duc la părăsirea mărcii de către clienți, permițându-le să ajusteze alte strategii.

Cerințe preliminare

• Cel puțin permisiunile colaboratorilor.
• Cel puțin 500 de profiluri de clienți, de preferință mai mult de 1.000 de clienți unici.
• Identificatorul clientului, un identificator unic pentru a potrivi tranzacțiile cu clienții dvs.
• Datele tranzacțiilor pentru cel puțin dublul ferestrei de timp selectate, cum ar fi doi până la trei ani de istoric al tranzacțiilor. În mod ideal, cel puțin două tranzacții per client. Istoricul tranzacțiilor trebuie să includă:
  • ID tranzacție: identificator unic al unei achiziții sau tranzacții.
  • Data tranzacției: Data achiziției sau a tranzacției.
  • Valoarea tranzacției: moneda sau valoarea numerică a tranzacției.
  • Cod unic de produs: codul produsului sau serviciului achiziționat, dacă datele sunt la nivel de element rând.
  • Dacă această tranzacție a fost o returnare: Un câmp adevărat/fals care identifică dacă tranzacția a fost o rentabilitate sau nu. Dacă Valoarea tranzacției este negativă, deducem o rentabilitate.
• Date privind activitatea clienților:
  • Identificator client, un identificator unic pentru maparea activităților cu clienții dvs.
  • Cheie primară: identificator unic pentru o activitate. De exemplu, o vizită pe site sau o înregistrare de utilizare care arată că clientul a încercat un eșantion de produs.
  • Marcaj temporal: Data și ora evenimentului identificate prin cheia primară.
  • Eveniment: Numele evenimentului pe care doriți să îl utilizați. De exemplu, un câmp numit „UserAction” într-un magazin alimentar ar putea fi o utilizare a cuponului de către client.
  • Detalii: Informații detaliate despre eveniment. De exemplu, un câmp numit „CouponValue” într-un magazin alimentar ar putea fi valoarea valutară a cuponului.
• Mai puțin de 20% din valorile lipsă din câmpul de date din tabelul furnizat.

Creați o predicție de retragere din tranzacții

1. Accesează Statistici>predicții.

2. Pe fila Creare , selectați Utilizare model pe dala Model renunțare client.

3. Selectați Tranzacție pentru tipul de renunțare, apoi Începeți.

4. Denumiți acest model și numele tabelului de ieșire pentru a le distinge de alte modele sau tabele.

5. Selectați Următorul.

Definiți retragerea clienților

Selectați Salvați schița în orice moment pentru a salva predicție ca schiță. Schița predicție se afișează în fila Predicțiile mele.

1. Setați fereastra predicție. De exemplu, preziceți riscul de retragere pentru clienții dvs. în următoarele 90 de zile pentru a se alinia la eforturile dvs. de marketing de retenție. Predicția riscului de retragere pentru o perioadă mai lungă sau mai scurtă de timp poate face mai dificilă abordarea factorilor din profilul dvs. de risc de retragere, dar depinde de cerințele dvs. de afaceri specifice.

2. Introduceți numărul de zile pentru a defini renunțarea în câmpul de definiție Churn. De exemplu, dacă un client nu a făcut nicio achiziție în ultimele 30 de zile, acesta poate fi considerat ca fiind agitat pentru compania ta.

3. Selectați Următorul.

Adăugați istoricul achizițiilor

1. Selectați Adăugați date pentru istoricul tranzacțiilor clienților.

2. Selectați tipul de activitate semantică, SalesOrder sau SalesOrderLine, care conține informațiile despre istoricul tranzacțiilor. Dacă activitatea nu este configurată, selectați aici și creați-o.

3. Sub Activități, dacă atributele activității au fost mapate semantic atunci când a fost creată activitatea, alegeți atributele specifice sau tabelul pe care doriți să se concentreze calculul. Dacă nu au apărut mapare semantice, selectați Editați și mapați datele.

   

4. Selectați Următorul și examinați atributele necesare pentru acest model.

5. Selectați Salvați.

6. Adăugați mai multe activități sau selectați Următorul.

Adăugați mai multe date (opțional)

1. Selectați Adăugați date pentru activitățile clientului.

2. Selectați tipul de activitate semantică care conține datele pe care doriți să le utilizați. Dacă activitatea nu a fost configurată, selectați aici și creați-o.

3. Sub Activități, dacă atributele activității au fost mapate semantic atunci când a fost creată activitatea, alegeți atributele specifice sau tabelul pe care doriți să se concentreze calculul. Dacă nu au apărut mapare semantice, selectați Editați și mapați datele.

4. Selectați Următorul și examinați atributele necesare pentru acest model.

5. Selectați Salvați.

6. Selectați Următorul.

Configurați planificarea actualizărilor

1. Pentru actualizările datelor pas, alegeți o frecvență pentru a vă recalifica modelul. Această setare este importantă pentru a actualiza precizia predicțiilor pe măsură ce sunt ingerate date noi. Majoritatea firmelor pot reinstrui o dată pe lună și pot obține o precizie bună pentru predicția lor.

2. Selectați Următorul.

Examinați și rulați configurația modelului

Examinare și rulare pas arată un rezumat al configurației și oferă șansa de a face modificări înainte de a crea predicție.

1. Selectați Editați pentru oricare dintre pașii pentru a examina și a face orice modificări.

2. Dacă sunteți mulțumit de selecția dvs., selectați Salvați și rulați pentru a începe să rulați modelul. Selectați Terminat. Fila Predicțiile mele se afișează în timpul creării predicție. Procesul poate dura câteva ore, în funcție de cantitatea de date utilizate în predicție.

Sfat

Există stări pentru sarcini și procese. Majoritatea proceselor depind de alte procese din amonte, cum ar fi sursele de date și profilarea datelor reîmprospătările.

Selectați starea pentru a deschide panoul Detalii progres și vizualizați progresul sarcinilor. Pentru a anula lucrarea, selectați Anulare lucrare în partea de jos a panoului.

Sub fiecare sarcină, puteți selecta Vedeți detalii pentru mai multe informații despre progres, cum ar fi timpul de procesare, data ultimei procesări și orice erori și avertismente aplicabile asociate sarcinii sau procesului. . Selectați Vizualizați starea sistemului din partea de jos a panoului pentru a vedea alte procese din sistem.

Vedeți rezultatele predicție

1. Accesează Statistici>predicții.

2. În fila Predicțiile mele , selectați predicție pe care doriți să îl vizualizați.

Există trei secțiuni principale de date în pagina de rezultate:

• Performanța modelului de antrenament: Notele A, B sau C indică performanța predicție și vă pot ajuta să luați decizia de a utiliza rezultatele stocate în tabelul de ieșire.

  Nivelurile sunt stabilite pe baza următoarelor reguli:

  • A atunci când modelul a prezis cu exactitate cel puțin 50% din predicțiile totale și când procentul de predicții exacte pentru clienții care au renunțat este mai mare decât rata de referință cu cel puțin 10%.
  • B atunci când modelul a prezis cu exactitate cel puțin 50% din totalul predicțiilor și când procentul de predicții exacte pentru clienții care au renunțat este cu până la 10% mai mare decât valoarea de referință.
  • C atunci când modelul a prezis cu exactitate mai puțin de 50% din totalul predicțiilor sau atunci când procentul de predicții exacte pentru clienții care au renunțat este mai mic decât valoarea de referință.
  • Linia de bază preia intrarea ferestrei de timp predicție pentru model (de exemplu, un an) și creează diferite fracțiuni de timp împărțind-o la 2 până când ajunge la o lună sau mai puțin. Utilizează aceste fracții pentru a crea o regulă de afaceri pentru clienții care nu au achiziționat în acest interval de timp. Acești clienți sunt considerați ca fiind retrași. Regula de afaceri bazată pe timp cu cea mai mare capacitate de a prezice cine este probabil să renunțe este aleasă ca model de bază.

• Probabilitatea de abandon (număr de clienți): grupuri de clienți bazate pe riscul estimat de abandon. Opțional, creați segmente de clienți cu risc ridicat de pierdere. Astfel de segmente vă ajută să înțelegeți unde ar trebui să fie delimitarea dvs. pentru membrii segmentului.

• Cei mai influenți factori: Există mulți factori care sunt luați în considerare atunci când vă creați predicție. Fiecare dintre factori are importanța sa calculată pentru predicțiile agregate pe care le creează un model. Folosiți acești factori pentru a vă valida rezultatele predicție. Sau folosiți aceste informații mai târziu pentru a crea segmente care ar putea contribui la influențarea riscului de retragere pentru clienți.

Notă

În tabelul de ieșire pentru acest model, ChurnScore arată probabilitatea prezisă de churn, iar IsChurn este o etichetă binară bazată pe ChurnScore cu pragul de 0,5. Dacă acest prag implicit nu funcționează pentru scenariul dvs., creați un nou segment cu pragul preferat. Nu toți clienții sunt în mod necesar clienți activi. Este posibil ca unii dintre ei să nu fi avut nicio activitate de mult timp și să fie considerați deja derutați, pe baza definiției dvs. de retragere. Prezicerea riscului de retragere pentru clienții care deja au retragere nu este utilă deoarece nu sunt publicul de interes.

Pentru a vedea scorul de abandon, accesați Date>Tabele și vizualizați fila de date pentru tabelul de ieșire pe care l-ați definit pentru acest model.