Abonelik erime tahmini

Bir müşterinin artık şirketinizin abonelik ürünlerini veya düzenli hizmetlerini kullanmama riski taşıyıp taşımadığını tahmin edin. Abonelik verileri, her müşteri için etkin ve etkin olmayan abonelikleri içerir, böylece müşteri kimliği başına birden fazla giriş olabilir. Zamanlanmış satın alma işlemleri yapmayan müşteriler için erime riskini bulmak üzere İşlem erime modelini kullanın.

İşletmeniz için erimenin ne demek olduğunu anlamanıza yardımcı olacak iş bilginiz olması gerekir. Örneğin, yıllık etkinlikleri olan bir işletme, yıllar içinde ölçülen erimeyi tanımlayabilirken, haftalık satışlara yapılan bir işletme aylar içindeki erimeyi ölçebilir. Zaman tabanlı erime tanımlarını destekliyoruz. Bu, bir müşterinin abonelik sona erdikten sonra bir süre kaybı anlamına gelir.

Örneğin, Contoso aylık bir kahve hizmeti sunar. İndirim sunabilmek için hangi müşterilerin hizmet yenilemesi sorguladığını bilmek istiyorlar. Abonelik erime modeli aracılığıyla Contoso, gelecek yıl hangi müşterilerin hizmeti yenilemeyebileceğini ve bu grubun ne kadar büyük olabileceğini görebilir.

İpucu

Örnek verileri kullanarak abonelik erimesi tahminini deneyin: Abonelik erimesi tahmini örnek kılavuzu.

Önkoşullar

• En az Katkıda bulunan izinleri.
• İstenen tahmin aralağında en az 1.000 müşteri profili.
• Müşteri Tanımlayıcısı: Abonelikleri müşterilerinizle eşleştiren benzersiz tanımlayıcı.
• Abonelik verileri en az seçili zaman penceresini ikiye katmıyor. Tercihen iki ile üç yıllık abonelik verisi. Abonelik geçmişi aşağıdakileri içermelidir:
  • Abonelik Kimliği: Aboneliğin benzersiz tanımlayıcısı.
  • Abonelik Bitiş Tarihi: Aboneliğin müşteri için sona erdiği tarih.
  • Abonelik Başlangıç Tarihi: Aboneliğin müşteri için başladığı tarih.
  • İşlem Tarihi: Abonelik değişikliğinin gerçekleştiği tarih. Örneğin, bir müşteri bir abonelik satın alıyor veya iptal ediyor.
  • Bu yinelenen bir abonelik mi: Aboneliğin müşteri müdahalesi olmadan aynı abonelik kimliğiyle yenilenip yenilenmeyeceğini belirleyen Boole doğru/yanlış alanı
  • Yineleme Sıklığı (ay olarak): Yinelenen abonelikler için bu, aboneliğin yenileneceği aydır. Örneğin, bir müşterinin yeni yıl için otomatik olarak yenilenen yıllık aboneliği 12 değerine sahiptir.
  • Abonelik Tutarı: Müşterinin aboneliğin yenilemesi için ödeme yaptığı para birimi tutarı. Farklı abonelik düzeyleri için kalıpların tanımlanmasına yardımcı olabilir.
• Kaybı hesaplamak istediğiniz müşterilerin %50'si için en az iki aktivite kaydı gerekir. Müşteri etkinlikleri şunları içermelidir:
  • Birincil anahtar: Etkinliğin benzersiz tanımlayıcısı. Örneğin, bir web sitesi ziyareti veya müşterinin bir televizyon dizisinin bir bölümünü izlediğini gösteren kullanım kaydı.
  • Zaman Damgası: Birincil anahtarla belirtilen olayın tarihi ve saati.
  • Etkinlik: Kullanmak istediğiniz etkinliğin adı. Örneğin, video akış hizmetinde "UserAction" adlı bir alan "Görüntülendi" değerine sahip olabilir.
  • Ayrıntılar: Etkinlikle ilgili ayrıntılı bilgiler. Örneğin, video akış hizmetinde "ShowTitle" adlı bir alan müşterinin izlediği bir video değerine sahip olabilir.
• Sağlanan tablonun veri alanında eksik değerin %20'den az olması.

Abonelik erime tahmini oluşturma

Tahmini taslak olarak kaydetmek için istediğiniz zaman Taslağı kaydet'i seçin. Tahminlerim sekmesinde taslak tahmini görüntülenir.

1. İçgörüler>Tahminler'e gidin.

2. Oluştur sekmesinde, Müşteri erimesi modeli kutucuğunda Modeli kullan öğesini seçin.

3. Erime türü için Abonelik'i seçin ve sonra Başlayın.

4. Bunları diğer modeller veya tablolardan ayırt etmek için Bu modeli adlandırın ve Çıkış tablosu adı'nı seçin.

5. İleri'yi seçin.

Müşteri erimesini tanımlayın

1. İşletmenizin, bir müşteriyi kayıp durumunda kabul edildiği Abonelik sona erdikten sonra geçen gün sayısını girin. Bu dönem genellikle müşteriyi kaybetmeme amacı taşıyan teklifler veya diğer pazarlama faaliyetleriyle ilgili iş etkinlikleriyle bağlantılıdır.

2. Erimeyi tahmin etmek üzere gelecekte bakılacak gün sayısı değerini girin. Örneğin, pazarlamayı elde tutma çabalarınıza yön vermesi için önümüzdeki 90 gün içinde erime riskine sahip müşterileri tahmin edin. Karmaşıklık tehlikesini daha uzun veya daha kısa bir süre için tahmin etmek, iş gereksinimlerinize bağlı olarak, karmaşıklığı riskli profilinizdeki faktörlerin daha zor olmasını zorlaştırır.

3. İleri'yi seçin.

Gerekli verileri ekleyin

1. Abonelik geçmişi için Veri ekle'yi seçin.

2. Gerekli abonelik geçmiş bilgilerini içeren semantik etkinlik türü Abonelik'i seçin. Etkinlik ayarlanmamışsa, buradan seçin ve oluşturun.

3. Etkinlikler altında, aktivite oluşturulduğunda etkinlik öznitelikleri anlam olarak eşlenmişse, odaklanacağı hesaplamanın olduğu belirli öznitelikleri veya tabloyu seçin. Semantik eşleme gerçekleşmediyse Düzenle'yi seçin ve verilerinizi eşleyin.

   

4. İleri'yi seçin ve bu model için gereken özellikleri gözden geçirin.

5. Kaydet'i seçin.

6. Müşteri etkinlikleri için Veri ekle'yi seçin.

7. Müşteri aktivite bilgilerini sağlayan anlamsal aktivite türünü seçin. Etkinlik ayarlanmamışsa, buradan seçin ve oluşturun.

8. Etkinlikler altında, aktivite oluşturulduğunda etkinlik öznitelikleri anlam olarak eşlenmişse, odaklanacağı hesaplamanın olduğu belirli öznitelikleri veya tabloyu seçin. Semantik eşleme gerçekleşmediyse Düzenle'yi seçin ve verilerinizi eşleyin.

9. İleri'yi seçin ve bu model için gereken özellikleri gözden geçirin.

10. Kaydet'i seçin.

11. Daha fazla faaliyet ekleyin veya İleri'yi seçin.

Güncelleştirme zamanlamasını ayarlama

1. Modelinizin yeniden eğitileceği sıklığı seçin. Bu ayar, yeni veriler alındıkça tahminlerin doğruluğunu güncelleştirmek için önemlidir. Çoğu işletme, modellerini ayda bir kez yeniden eğitir ve daha iyi bir tahmin doğruluk derecesi elde eder.

2. İleri'yi seçin.

Model yapılandırmasını gözden geçirme ve çalıştırma

Gözden geçirme ve çalıştırma adımı, yapılandırmanın özetini gösterir ve tahmin oluşturmadan önce değişiklik yapma şansı sağlar.

1. Gözden geçirmek ve tüm değişiklikleri yapmak için, basamaklarını üzerinde Düzenleme'yi seçin.

2. Seçimlerinizden memnunsanız, modeli çalıştırmaya başlamak için Kaydet ve çalıştır'ı seçin. Bitti'yi seçin. Tahmin oluşturulurken Tahminlerim sekmesi görüntülenir. İşlemin tamamlanması, tahminde kullanılan veri miktarına bağlı olarak birkaç saat sürebilir.

Bahşiş

Görevler ve işlemlerin durumları vardır. Çoğu işlem, veri kaynakları ve veri profili yenilemeleri gibi yukarı akış yönündeki işlemlere bağlıdır.

İlerleme ayrıntıları bölmesini açmak ve görevlerin ilerlemesini görüntülemek için durumu seçin. İşi iptal etmek için bölmenin alt kısmında İşi iptal et seçeneğini belirleyin.

Her görevin altında işleme süresi, son işleme tarihi ve görevle veya işlemle ilişkili herhangi bir ilgili hata ve uyarı gibi daha fazla ilerleme durumu bilgisi için Ayrıntıları görüntüle'yi seçebilirsiniz. Sistemdeki diğer işlemleri görmek için panelin alt kısmında Sistem durumunu görüntüle'yi seçin.

Tahmin sonuçlarını görüntüleme

1. İçgörüler>Tahminler'e gidin.

2. Tahminlerim sekmesinde, görüntülemek istediğiniz tahmini seçin.

Sonuçlar sayfası içinde verilerin üç ana bölümü bulunur:

• Eğitim model performansı: A, B veya C dereceleri, tahminin performansını belirtir ve çıkış tablosunda depolanan sonuçları kullanmaya karar vermenize yardımcı olabilir.

  

  Dereceler aşağıdaki kurallara göre belirlenir:

  • A; model, toplam tahminlerin en az %50'sini doğru bir şekilde tahmin ettiğinde ve eriyen müşteriler için doğru tahminlerin yüzdesi ortamala erime oranından en az %10 daha yüksek olduğunda.
  • B; model, toplam tahminlerin en az %50'sini doğru bir şekilde tahmin ettiğinde ve eriyen müşteriler için doğru tahminlerin yüzdesi ortamala erime oranından %10'a kadar daha yüksek olduğunda.
  • C model toplam tahminlerin %50'sinden azını doğru tahmin ettiğinde veya kaybedilen müşteriler için doğru tahminlerin yüzdesi, geçmiş ortalama erime oranından düşük olduğunda.

• Erime olasılığı (müşteri sayısı): Tahmin edilen erime risklerine göre müşteri grupları. İsteğe bağlı olarak, yüksek karmaşıklık riski bulunan müşterilerin segmentlerini oluşturun. Bu tür segmentler, segment üyeliği için ayrımın nerede olması gerektiğini anlamaya yardımcı olur.

  

• En etkili faktörler: Tahmininizi oluştururken dikkate alınacak çok sayıda faktör vardır. Modelin oluşturduğu toplu tahminler için faktörlerin her birinin hesaplanan bir önem derecesi vardır. Bu faktörleri, tahmin sonuçlarınızı doğrulamak için kullanın. Alternatif olarak bu bilgileri daha sonra müşterilerin erime riskini etkilemeye yardımcı olabilecek segmentler oluşturmak için kullanın.

  

Not

Bu model için çıkış tablosuunda ChurnScore karmaşıklık olasılığı tahmini olasılığıdır ve IsChurn 0,5 eşiğindeki ChurnScore tabanlı bir ikili etikettir. Bu varsayılan eşik senaryonuz için çalışmazsa, tercih edilen eşiğe sahip yeni bir segment oluşturun. Erime puanı görüntülemek için, Veri>Tablolar'a gidin ve bu model için tanımladığınız çıkış tablosu için veri sekmesini görüntüleyin.