Aracılığıyla paylaş


İşlem erime tahmin etme

İşlem tabanlı erime tahmini, bir müşterinin belirli bir zaman aralığında artık ürünlerinizi veya hizmetlerinizi satın alıp almayacağını tahmin etmeye yardımcı olur. İşlem erimesi, tanımlanan erime penceresi sırasında artık ürün satın almayan müşterileri bulmak için kullanışlıdır. Önceden ayarlanmış devam eden satın alma işlemlerini iptal edebilecek müşterileri bulmak için Abonelik erime modeli kullanmayı öneririz.

İşletmeniz için erimenin ne demek olduğunu anlamanıza yardımcı olacak iş bilginiz olması gerekir. Örneğin, yıllık etkinliklere sahip bir işletme, yıllar içinde ölçülen erimeyi tanımlayabilirken, haftalık satışlarla hizmet veren bir işletme aylık olarak erimeyi ölçer. Zaman tabanlı erime tanımlarını destekleriz. Yani, bir müşterinin herhangi bir satın alma işlemi yapmadığı belirli bir süre sonunda erimiş kabul edilir.

Örneğin Contoso, müşteri tutmaya yönelik bir e-posta kampanyası için müşterilerin ne kadar bağlı olduğunu öğrenmek ister. Contoso'nun müşterileri bir mağazayı değişken aralıklarla, genellikle ayda 3-4 kez ziyaret etmektedir. İşlemleri düzensizdir; müşterilerini Contoso markasından alışveriş yapmayı bıraktığında bu durumun belirlenmesi zordur. İşlem erime modeli aracılığıyla, Contoso müşterilerin tekrar satın alma olasılığını belirleyebilir. Müşterilerin markadan ayrılmasına yol açan kalıpları görebilir ve diğer stratejileri ayarlayabilir.

Önkoşullar

  • En az Katkıda bulunan izinleri.
  • En az 500 müşteri profili (tercihen 1.000 benzersiz müşteri).
  • Müşteri Tanımlayıcısı: İşlemleri müşterilerinizle eşleştiren benzersiz tanımlayıcı.
  • İki ila üç yıllık hareket geçmişi gibi seçili zaman aralığının en az iki katı için hareket verileri. İdeal olarak, müşteri başına en az iki hareket. İşlem geçmişi aşağıdakileri içermelidir:
    • İşlem Kimliği: Bir satın almanın veya bir işlemin benzersiz tanıtıcısı.
    • İşlem Tarihi: Satın alma veya işlemin tarihi.
    • İşlemin değeri: İşlemin para birimi veya sayısal cinsten tutarı.
    • Benzersiz ürün kimliği: Verileriniz satır öğesi düzeyindeyse satın alınan ürün veya hizmetin kimliği.
    • Bu işlemin iade olup olmadığı: İşlemin iade olup olmadığını tanımlayan doğru/yanlış alanı. İşlemin değeri negatifse bir iade çıkarımı yaparız.
  • Müşteri etkinliği verileri:
    • Müşteri Tanımlayıcısı: Faaliyetleri müşterilerinizle eşleyen benzersiz tanımlayıcı.
    • Birincil anahtar: Etkinliğin benzersiz tanımlayıcısı. Örneğin, müşterinin ürününüzün bir örneğini denediğini gösteren bir web sitesi ziyareti veya kullanım kaydı.
    • Zaman Damgası: Birincil anahtarla belirtilen olayın tarihi ve saati.
    • Etkinlik: Kullanmak istediğiniz etkinliğin adı. Örneğin, bir marketteki "UserAction" adlı alan, müşteri tarafından kullanılan bir kupon olabilir.
    • Ayrıntılar: Etkinlikle ilgili ayrıntılı bilgiler. Örneğin, bir marketteki "CouponValue" adlı alan, kuponun para birimi değeri olabilir.
  • Sağlanan tablonun veri alanında eksik değerin %20'den az olması.

İşlem erime tahmini oluşturma

  1. İçgörüler>Tahminler'e gidin.

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

  3. Erime türü için Hareketi 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

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

  1. Tahmin zaman aralığı'nı ayarlayın. Örneğin, pazarlamayı elde tutma çabalarınıza yön vermesi için önümüzdeki 90 gün içinde erime riskine sahip müşterileri tahmin edin. Daha uzun veya daha kısa bir süre için erime riskini tahmin etmek erime riski, profilinizdeki faktörleri ele almayı zorlaştırabilir ancak bu, özel iş gereksinimlerinize göre değişir.

  2. Erime tanımı alanına erimenin tanımlanacağı gün sayısını girin. Örneğin, bir müşteri son 30 gün içinde hiç satın alma işlemi yapmadıysa bu durumdaki müşteriler işletmeniz için kaybedilmiş olarak kabul edilebilir.

  3. İleri'yi seçin.

Satın alma geçmişi ekleyin

  1. Müşteri hareket geçmişi için Veri ekle'yi seçin.

  2. Hareket geçmişini içeren semantik etkinlik türü SalesOrder veya SalesOrderLine'ı 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.

    Anlam türü altında belirli etkinlikleri seçmeyi gösteren yan bölme.

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

  5. Kaydet'i seçin.

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

Daha fazla veri ekleme (isteğe bağlı)

  1. Müşteri etkinlikleri için Veri ekle'yi seçin.

  2. Kullanmak istediğiniz verileri içeren anlamsal faaliyet türünü seçin. Aktivite ayarlanmamışsa, burayı 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. İleri'yi seçin.

Güncelleştirme zamanlamasını ayarlama

  1. Veri güncelleştirmeleri adımı için modelinize yeniden eğitme sıklığını 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 taban çizgisi 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 taban çizgisinden %10'a kadar yüksek olduğunda.
    • C; model, toplam tahminlerin %50'sinden daha azını doğru bir şekilde tahmin ettiğinde ve eriyen müşteriler için doğru tahminlerin yüzdesi taban çizgisinden daha düşük olduğunda.
    • Taban Çizgisi, model için tahmin zaman aralığı girişini (örneğin, bir yıl) alır ve bir ay veya daha kısa bir süreye ulaşana kadar modeli 2'ye bölerek farklı zaman kesirleri oluşturur. Bu zaman diliminde satın alma yapmamış müşteriler için bir iş kuralı oluşturmak üzere bu kesirleri kullanır. Bu müşteriler erimiş kabul edilir. Taban çizgisi modeli olarak, kimin muhtemelen eriyeceğini tahmin etme konusunda en yüksek beceriye sahip zaman tabanlı iş kuralı seçilmiştir.
  • 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 tablosunda 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. Tüm müşterilerin etkin müşteri olması gerekmez. Bunların bazılarında, uzun bir süre için herhangi bir etkinlik yapılmamış olabilir ve siz karmaşıklığı tanımına göre önceden yapılmış olarak kabul edilir. Zaten erimesi yapılan müşterilerin erime riskini tahmin etmek, hedef kitle olmadıklarından yararlı değildir.

Erime puanı görüntülemek için, Veri>Tablolar'a gidin ve bu model için tanımladığınız çıkış tablosu için veri sekmesini görüntüleyin.