预测订阅流失

项目
01/31/2024

预测客户是否存在不再使用贵公司的订阅产品或定期服务的风险。订阅数据包括每个客户的活动和非活动订阅，因此每个客户 ID 可以有多个条目。要查找未完成计划购买的客户的流失风险，使用交易流失模型。

您必须具有了解流失对您的业务意味着什么所必需的业务知识。例如，一家举办年度活动的企业可以用年来衡量流失率，而一家每周进行促销的企业可以用月来衡量流失率。我们支持基于时间的流失定义，这意味着客户被视为在其订阅结束后已流失了一段时间。

例如，Contoso 提供每月咖啡服务。他们想知道哪些客户可能会询问服务续订，以提供折扣。通过订阅流失模型，Contoso 可以看到哪些客户明年可能不会续订服务，以及这批客户数量可能有多少。

小费

请试用使用示例数据的订阅流失预测：订阅流失预测示例指南。

先决条件

至少具有参与者权限。
在期望的预测窗口内至少有 1,000 个客户配置文件。
客户标识符，用于使订阅与客户匹配的唯一标识符。
订阅数据至少是所选时间窗口数据的两倍。最好是两到三年的订阅数据。订阅历史记录必须包括：
- 订阅 ID：订阅的唯一标识符。
- 订阅结束日期：客户的订阅到期日期。
- 订阅开始日期：客户的订阅开始日期。
- 事务日期：订阅更改的发生日期。例如，客户购买或取消订阅的日期。
- 是否为定期订阅：一个布尔型 true/false 字段，用于确定订阅是否将使用同样的订阅 ID 续订而不需要客户干预。
- 重复频率（以月为单位）：对于定期订阅，这是订阅将续订的月数。例如，每年自动为客户续订一年的年度订阅的值是 12。
- 订阅金额：客户为续订订阅而支付的货币金额。它可以帮助确定不同订阅级别的模式。
要为其计算流失的客户有 50% 至少有两个活动记录。客户活动必须包括：
- 主键：活动的唯一标识符。例如，用于表明客户观看电视节目剧集的网站访问或使用记录。
- 时间戳：主键所标识事件的日期和时间。
- 事件：您要使用的事件的名称。例如，流视频服务中的一个名为“UserAction”的字段所具有的值可能为“已查看”。
- 详细信息：有关事件的详细信息。例如，流视频服务中的一个名为“ShowTitle”的字段所具有的值可能是客户观看过的视频。
在所提供表的数据字段中，缺失值在 20% 以下。

创建订阅流失预测

随时选择保存草稿，将预测保存为草稿。草稿预测将显示在我的预测选项卡中。

转到见解>预测。
在创建选项卡上，在客户流失模型磁贴上选择使用模型。
选择订阅作为流失类型，然后选择开始。
用于与其他模型或表区分开来的为此模型命名和输出表名称。
选择下一步。

定义客户流失

输入导致您的企业认为客户将处于流失状态的自订阅结束以来的天数。这段时间通常与报价或其他试图防止失去客户的市场营销工作等业务活动关联。
输入为预测流失而要查看的未来天数。例如，预测客户在接下来的 90 天内流失的风险，以调整您的市场营销保留工作。根据您的特定业务要求，预测更长或更短时间的流失风险可能会使您难以解决流失风险配置文件中的因素。
选择下一步。

添加所需数据

为订阅历史记录选择添加数据。
选择包含所需订阅历史记录信息的语义活动类型 Subscription。如果活动尚未设置，在此处选择，创建活动。
在活动下，如果创建活动时活动属性已进行语义映射，选择您希望计算关注的特定属性或表。如果没有进行语义映射，选择编辑并映射数据。
选择下一步，查看此模型所需的属性。
选择保存。
为客户活动选择添加数据。
选择提供客户活动信息的语义活动类型。如果活动尚未设置，在此处选择，创建活动。
在活动下，如果创建活动时活动属性已进行语义映射，选择您希望计算关注的特定属性或表。如果没有进行语义映射，选择编辑并映射数据。
选择下一步，查看此模型所需的属性。
选择保存。
添加更多活动或选择下一步。

设置更新计划

选择频率来重新训练您的模型。引入新数据时，若要更新预测的准确性，此设置非常重要。大多数企业每个月可以重新进行一次训练，并取得良好的预测准确度。
选择下一步。

查看并运行模型配置

查看并运行步骤显示配置的摘要，并在创建预测之前提供进行更改的机会。

在任何步骤中选择编辑查看并进行任何更改。
如果您对自己的选择感到满意，选择保存并运行开始运行模型。选择完成。创建预测时，将显示我的预测选项卡。完成该过程可能需要几个小时，具体取决于预测中使用的数据量。

小费

任务和流程有状态。大多数流程依赖于其他上游流程，例如数据源和数据分析刷新。

选择状态以打开进度详细信息窗格，并查看任务的进度。要取消作业，选择窗格底部的取消作业。

在每个任务下，您可以选择查看详细信息来获取更多进度信息，例如处理时间、上次处理日期以及与任务或流程相关的任何适用的错误和警告。选择面板底部的查看系统状态可以查看系统中的其他流程。

查看预测结果

转到见解>预测。
在我的预测选项卡中，选择您要查看的预测。

结果页中有三个主要部分的数据：

训练模型的性能：等级 A、B 或 C 表示预测的性能，可以帮助您做出决定来使用存储在输出表中的结果。

等级是根据以下规则确定的：
- A，当模型准确预测总预测的至少 50% 时，以及当已流失客户的准确预测百分比大于历史平均流失率至少 10% 时。
- B，当模型准确预测总预测的至少 50% 时，以及当当流失客户的准确预测百分比比历史平均流失率最高高出 10% 时。
- C，模型准确预测不到总预测的 50%，或者对流失客户的准确预测百分比低于历史平均流失率时。
流失的可能性（客户数量）：基于预测的客户流失风险的客户组。或者，创建具有高流失风险的客户细分。此类客户细分有助于了解客户细分成员资格应在何处截止。
最具影响力的因素：创建预测时考虑了许多因素。每个因素都有针对模型所创建的聚合预测而计算的重要性。使用这些因素来帮助验证预测结果。或者，在以后使用该信息创建客户细分，这些客户细分可能有助于影响客户流失风险。

备注

在此模型的输出表中，ChurnScore 是预测的流失概率，IsChurn 是基于 ChurnScore 的二进制标签，阈值为 0.5。如果此默认阈值不适用于您的场景，使用您的首选阈值创建新客户细分。要查看流失分数，转到数据>表，查看您为此模型定义的输出表的数据选项卡。

通过