คาดคะเนการเลิกใช้บริการสมัครสมาชิก

คาดคะเนว่าลูกค้ามีความเสี่ยงในการเลิกใช้ผลิตภัณฑ์หรือบริการเป็นระยะของการสมัครสมาชิกของบริษัทของคุณหรือไม่ ข้อมูลการสมัครสมาชิกประกอบด้วยการสมัครสมาชิกที่ใช้งานอยู่และไม่ได้ใช้งานสำหรับลูกค้าแต่ละราย ดังนั้นจึงอาจมีหลายรายการต่อรหัสลูกค้า หากต้องการค้นหาความเสี่ยงในการเลิกใช้งานสำหรับลูกค้าที่ไม่ได้ทำการซื้อตามกำหนดเวลา ให้ใช้ โมเดลการเลิกทำธุรกรรม

คุณต้องมีความรู้ทางธุรกิจเพื่อทำความเข้าใจว่าการเลิกใช้บริการส่งผลต่อธุรกิจของคุณอย่างไร ตัวอย่างเช่น ธุรกิจที่มีกิจกรรมประจำปีสามารถกำหนดการเลิกใช้งานโดยวัดเป็นปี ในขณะที่ธุรกิจที่เน้นการขายรายสัปดาห์อาจวัดการเลิกใช้งานเป็นเดือน เรารองรับคำจำกัดความของการเลิกใช้บริการตามเวลา หมายถึงลูกค้าจะได้รับการพิจารณาว่ามีการเลิกใช้บริการในช่วงระยะเวลาหนึ่งหลังจากบริการสมัครสมาชิกสิ้นสุดลง

ตัวอย่างเช่น Contoso เสนอบริการกาแฟรายเดือน พวกเขาต้องการทราบว่าลูกค้ารายใดที่อาจตั้งคำถามเกี่ยวกับการต่ออายุบริการ เพื่อให้สามารถเสนอส่วนลดได้ ด้วยรูปแบบการเปลี่ยนใจการสมัครใช้งาน Contoso สามารถดูว่าลูกค้ารายใดอาจไม่ต่ออายุบริการในปีหน้า และจำนวนประชากรนั้นอาจมีขนาดใหญ่เพียงใด

เคล็ดลับ

ลองใช้การคาดคะเนการเลิกใช้บริการสมัครสมาชิกโดยใช้ข้อมูลตัวอย่าง: คู่มือตัวอย่างการคาดคะเนการเลิกใช้บริการสมัครสมาชิก

ข้อกำหนดเบื้องต้น

• อย่างน้อยมี สิทธิ์ของผู้สนับสนุน
• โปรไฟล์ลูกค้าอย่างน้อย 1,000 รายภายในหน้าต่างการคาดคะเนที่ต้องการ
• รหัสลูกค้า: รหัสเฉพาะเพื่อจับคู่บริการสมัครสมาชิกกับลูกค้าของคุณ
• ข้อมูลบริการสมัครสมาชิกอย่างน้อยสองเท่าของกรอบเวลาที่เลือก โดยเฉพาะอย่างยิ่งข้อมูลการสมัครสมาชิกสองถึงสามปี ประวัติบริการสมัครสมาชิกต้องรวมถึง:
  • รหัสบริการสมัครสมาชิก: ตัวบ่งชี้เฉพาะของบริการสมัครสมาชิก
  • วันทีบริการสมัครสมาชิกสิ้นสุด: วันที่บริการสมัครสมาชิกหมดอายุสำหรับลูกค้า
  • วันทีเริ่มบริการสมัครสมาชิก: วันที่บริการสมัครสมาชิกเริ่มขึ้นสำหรับลูกค้า
  • วันที่ทำธุรกรรม: วันที่การเปลี่ยนแปลงของบริการสมัครสมาชิกเกิดขึ้น ตัวอย่างเช่น ลูกค้าที่ซื้อหรือยกเลิกบริการสมัครสมาชิก
  • เป็นการสมัครรับข้อมูลที่เกิดขึ้นซ้ำ: ฟิลด์บูลีนจริง/เท็จที่พิจารณาว่าบริการสมัครสมาชิกจะต่ออายุด้วยรหัสบริการสมัครสมาชิกเดียวกันโดยไม่มีการแทรกแซงของลูกค้า
  • ความถี่การเกิดซ้ำ (เป็นเดือน): สำหรับบริการสมัครสมาชิกที่เกิดซ้ำ คือเดือนที่บริการสมัครสมาชิกจะต่ออายุ ตัวอย่างเช่น บริการสมัครสมาชิกรายปีที่ต่ออายุโดยอัตโนมัติทุกปีสำหรับลูกค้าเพื่อสมัครใช้งานอีกปี มีค่า 12
  • จำนวนบริการสมัครสมาชิก: จำนวนสกุลเงินที่ลูกค้าจ่ายสำหรับการต่ออายุบริการสมัครสมาชิก มันสามารถช่วยระบุรูปแบบสำหรับบริการสมัครสมาชิกระดับต่างๆ ได้
• ต้องมีเรกคอร์ดกิจกรรมอย่างน้อยสองรายการสำหรับลูกค้า 50% ที่คุณต้องการคำนวณการเลิกใช้บริการ กิจกรรมลูกค้าต้องมี:
  • คีย์หลัก: รหัสเฉพาะสำหรับกิจกรรม ตัวอย่างเช่น การเยี่ยมชมเว็บไซต์หรือบันทึกการใช้งานที่แสดงว่าลูกค้าดูรายการทีวีตอนหนึ่ง
  • ประทับเวลา: วันที่และเวลาของเหตุการณ์ที่ระบุโดยคีย์หลัก
  • เหตุการณ์: ชื่อของกลุ่มเหตุการณ์ที่คุณต้องการใช้ ตัวอย่างเช่น ฟิลด์ชื่อ "UserAction" ในบริการวิดีโอสตรีมมิ่งอาจมีค่าเป็น "ดูแล้ว"
  • รายละเอียด: ข้อมูลรายละเอียดเกี่ยวกับเหตุการณ์ ตัวอย่างเช่น ฟิลด์ชื่อ "ShowTitle" ในบริการวิดีโอสตรีมมิ่งอาจมีค่าเป็นวิดีโอที่ลูกค้ารับชม
• น้อยกว่า 20% ของค่าที่ขาดหายไปในฟิลด์ข้อมูลของตารางที่ระบุ

สร้างการคาดคะเนการเลิกใช้บริการสมัครสมาชิก

เลือก บันทึกแบบร่าง เพื่อบันทึกการคาดคะเนเป็นแบบร่างได้ตลอดเวลา การคาดคะเนแบบร่างแสดงในแท็บ การคาดคะเนของฉัน

1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

2. บนแท็บ สร้าง เลือก ใช้แบบจำลอง บนไทล์ แบบจำลองการเลิกใช้บริการของลูกค้า

3. เลือก บริการสมัครสมาชิก สำหรับชนิดของการเลิกใช้บริการแล้ว เริ่มต้นใช้งาน

4. ตั้งชื่อโมเดลนี้ และ ชื่อตารางผลลัพธ์ เพื่อแยกออกจากโมเดลหรือตารางอื่น ๆ

5. เลือก ถัดไป

กำหนดการเลิกใช้บริการของลูกค้า

1. ใส่จำนวนของ วันนับตั้งแต่สิ้นสุดบริการสมัครสมาชิก ที่ธุรกิจของคุณพิจารณาว่าลูกค้าอยู่ในสถานะการเลิกใช้บริการ ช่วงนี้มักจะเชื่อมโยงกับกิจกรรมทางธุรกิจ เช่น ข้อเสนอ หรือความพยายามทางการตลาดอื่นๆ เพื่อพยายามป้องกันการสูญเสียลูกค้า

2. ป้อนจำนวน วันที่จะมองไปในอนาคตเพื่อคาดคะเนการเลิกใช้งาน ตัวอย่างเช่น คาดคะเนความเสี่ยงที่ลูกค้าจะเลิกใช้บริการใน 90 วันข้างหน้าเพื่อให้สอดคล้องกับความพยายามในการรักษาลูกค้าทางการตลาดของคุณ การคาดคะเนความเสี่ยงจากการเลิกใช้งานเป็นระยะเวลานานขึ้นหรือสั้นลงอาจทำให้ยากขึ้นในการจัดการกับปัจจัยในโปรไฟล์ความเสี่ยงของการเลิกใช้งาน ทั้งนี้ขึ้นอยู่กับข้อกำหนดทางธุรกิจเฉพาะของคุณ

3. เลือก ถัดไป

เพิ่มข้อมูลที่จำเป็น

1. เลือก เพิ่มข้อมูล สำหรับ ประวัติบริการสมัครสมาชิก

2. เลือกชนิดกิจกรรมความหมาย บริการสมัครสมาชิก ที่มีข้อมูลประวัติบริการสมัครสมาชิกที่จำเป็น หากยังไม่ได้ตั้งค่ากิจกรรม ให้เลือก ที่นี่ และสร้างกิจกรรมขึ้นมา

3. ภายใต้ กิจกรรม หากแอตทริบิวต์ของกิจกรรมถูกแมปตามความหมายเมื่อสร้างกิจกรรม ให้เลือกแอตทริบิวต์หรือตารางเฉพาะที่คุณต้องการให้การคำนวณเน้น หากการแมปความหมายไม่เกิดขึ้น ให้เลือก แก้ไข และแมปข้อมูลของคุณ

   

4. เลือก ต่อไป และตรวจสอบคุณสมบัติที่จำเป็นสำหรับแบบจำลองนี้

5. เลือก บันทึก

6. เลือก เพิ่มข้อมูล สำหรับ กิจกรรมของลูกค้า

7. เลือกชนิดกิจกรรมเชิงความหมายที่ให้ข้อมูลกิจกรรมของลูกค้า หากยังไม่ได้ตั้งค่ากิจกรรม ให้เลือก ที่นี่ และสร้างกิจกรรมขึ้นมา

8. ภายใต้ กิจกรรม หากแอตทริบิวต์ของกิจกรรมถูกแมปตามความหมายเมื่อสร้างกิจกรรม ให้เลือกแอตทริบิวต์หรือตารางเฉพาะที่คุณต้องการให้การคำนวณเน้น หากการแมปความหมายไม่เกิดขึ้น ให้เลือก แก้ไข และแมปข้อมูลของคุณ

9. เลือก ต่อไป และตรวจสอบคุณสมบัติที่จำเป็นสำหรับแบบจำลองนี้

10. เลือก บันทึก

11. เพิ่มกิจกรรมเพิ่มเติมหรือเลือก ต่อไป

ตั้งค่ากำหนดการอัปเดต

1. เลือกความถี่เพื่อฝึกฝนแบบจำลองของคุณ การตั้งค่านี้มีความสำคัญในการปรับปรุงความถูกต้องของการคาดคะเนเนื่องจากมีการนำเข้าข้อมูลใหม่ ธุรกิจส่วนใหญ่สามารถฝึกใหม่เดือนละครั้งและได้รับความแม่นยำที่ดีสำหรับการคาดคะเนของธุรกิจ

2. เลือก ถัดไป

ตรวจสอบและรันการกำหนดค่าแบบจำลอง

ขั้นตอน ตรวจสอบและเรียกใช้ จะแสดงสรุปการกำหนดค่าและให้โอกาสในการเปลี่ยนแปลงก่อนที่คุณจะสร้างการคาดคะเน

1. เลือก แก้ไข ในขั้นตอนเพื่อตรวจสอบและทำการเปลี่ยนแปลงใดๆ

2. หากคุณพอใจกับสิ่งที่คุณเลือก ให้เลือก บันทึกและเรียกใช้ เพื่อเริ่มรันโมเดล เลือก เสร็จ แท็บ การคาดคะเนของฉัน จะปรากฏขึ้นขณะสร้างการคาดคะเน กระบวนการนี้อาจใช้เวลาหลายชั่วโมงกว่าจะเสร็จสมบูรณ์ ทั้งนี้ขึ้นอยู่กับปริมาณข้อมูลที่ใช้ในการคาดคะเน

เคล็ดลับ

มี สถานะ สำหรับงานและกระบวนการ กระบวนการส่วนใหญ่ขึ้นอยู่กับกระบวนการต้นทางอื่นๆ เช่น แหล่งข้อมูลและ การรีเฟรช การทำโปรไฟล์ข้อมูล

เลือกสถานะเพื่อเปิดบานหน้าต่าง รายละเอียดความคืบหน้า และดูความคืบหน้าของงาน หากต้องการยกเลิกงาน ให้เลือก ยกเลิกงาน ที่ด้านล่างของบานหน้าต่าง

ในแต่ละงาน คุณสามารถเลือก ดูรายละเอียด เพื่อดูข้อมูลความคืบหน้าเพิ่มเติม เช่น เวลาประมวลผล วันที่ประมวลผลล่าสุด และข้อผิดพลาดและคำเตือนที่เกี่ยวข้องใดๆ ที่เกี่ยวข้องกับงานหรือกระบวนการ เลือก ดูสถานะของระบบ ที่ด้านล่างของแผงเพื่อดูกระบวนการอื่นๆ ในระบบ

ดูผลลัพธ์การคาดคะเน

1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

2. บนแท็บ การคาดคะเนของฉัน ให้เลือกการคาดคะเนที่คุณต้องการดู

มีข้อมูลหลักสามส่วนภายในหน้าผลลัพธ์:

• ประสิทธิภาพรูปแบบการฝึกอบร: เกรด A, B, หรือ C บ่งชี้ประสิทธิภาพของการคาดคะเน และสามารถช่วยคุณในการตัดสินใจใช้ผลลัพธ์ที่เก็บไว้ในตารางผลลัพธ์

  

  เกรดจะพิจารณาจากกฎต่อไปนี้:

  • A เมื่อโมเดลคาดคะเนแม่นยำอย่างน้อย 50% ของการคาดคะเนทั้งหมดและเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการมากกว่าอัตราการเปลี่ยนแปลงเฉลี่ยในอดีตอย่างน้อย 10%
  • B เมื่อโมเดลคาดคะเนแม่นยำอย่างน้อย 50% ของการคาดคะเนทั้งหมดและเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการมากกว่าถึง 10% ของอัตราการเปลี่ยนแปลงเฉลี่ยในอดีต
  • C เมื่อโมเดลทำนายอย่างถูกต้องน้อยกว่า 50% ของการคาดการณ์ทั้งหมด หรือเมื่อเปอร์เซ็นต์ของการคาดการณ์ที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการต่ำกว่าอัตราการเปลี่ยนแปลงเฉลี่ยในอดีต

• โอกาสที่จะเลิกใช้บริการ (จำนวนลูกค้า): กลุ่มลูกค้าขึ้นอยู่กับความเสี่ยงที่คาดคะเนไว้ของการเลิกใช้บริการ หรือ สร้างเซ็กเมนต์ของลูกค้า ที่มีความเสี่ยงในการเลิกใช้บริการสูง เซ็กเมนต์ดังกล่าวช่วยให้เข้าใจว่าการตัดยอดของคุณควรเป็นอย่างไรสำหรับการเป็นสมาชิกเซ็กเมนต์

  

• ปัจจัยที่มีอิทธิพลมากที่สุด: มีหลายปัจจัยที่นำมาพิจารณาเมื่อสร้างการคาดคะเนของคุณ ปัจจัยแต่ละอย่างมีความสำคัญในการคำนวณสำหรับการคาดคะเนแบบรวมที่โมเดลสร้าง ใช้ปัจจัยเหล่านี้เพื่อช่วยตรวจสอบผลการคาดคะเนของคุณ หรือใช้ข้อมูลนี้ในภายหลังเพื่อ สร้างเซ็กเมนต์ ที่สามารถช่วยโน้มน้าวความเสี่ยงในการเลิกใช้บริการให้กับลูกค้า

  

หมายเหตุ

ในตารางผลลัพธ์สำหรับโมเดลนี้ ChurnScore เป็นความน่าจะเป็นที่คาดคะเนไว้ของการเลิกใช้บริการ และ IsChurn เป็นป้ายชื่อไบนารีที่ยึดตาม ChurnScore ด้วยเกณฑ์ 0.5 หากค่าเกณฑ์เริ่มต้นนี้ใช้ไม่ได้กับสถานการณ์ของคุณ สร้างเซ็กเมนต์ใหม่ ด้วยเกณฑ์ที่คุณต้องการ หากต้องการดูคะแนนการเลิกใช้บริการ ไปที่ ข้อมูล>ตาราง และดูแท็บข้อมูลสำหรับตารางผลลัพธ์ที่คุณกำหนดสำหรับโมเดลนี้