預測訂閱流失率

發行項
01/30/2024

預測客戶是否面臨不再使用您公司的訂閱產品或定期服務的風險。訂閱資料包含每個客戶的使用中和非使用中訂閱，因此每個客戶識別碼都可以有多個項目。若要尋找客戶未按預定時間進行購買的流失風險，請使用交易流失模型。

您必須具備商務知識，了解流失對您的業務有何影響。例如，有年度活動的企業可以定義以年為單位來衡量流失率，而配合每週銷售需求的企業可以按月來衡量流失率。我們支援以時間為基礎的流失定義，意指客戶在訂閱結束一段時間後仍未續訂，即視為已流失。

例如，Contoso 提供每月咖啡服務。他們想要知道哪些客戶可能對服務續訂提出質疑，以便提供折扣優惠。 Contoso 可以透過訂閱流失模型，了解哪些客戶明年可能不再續訂服務，以及這部分族群有多大。

提示

嘗試使用範例資料的訂閱流失預測：訂閱流失預測範例指南。

先決條件

至少參與者權限。
所需預測視窗中至少 1,000 個客戶設定檔。
客戶識別碼，用來配對訂閱與客戶的唯一識別碼。
訂閱資料至少要是所選時窗的兩倍。最好有二到三年的訂閱資料。訂閱歷史記錄必須包括：
- 訂閱識別碼：訂閱的唯一識別碼。
- 訂閱結束日期：客戶的訂閱到期日。
- 訂閱開始日期：客戶的訂閱起始日。
- 交易日期：訂閱發生變更的日期。例如，客戶購買或取消訂閱。
- 是否為定期訂閱：布林值 [是/否] 欄位，可在不干預客戶的情況下，判斷訂閱是否使用相同的訂閱識別碼續訂。
- 重複頻率 (以月為單位)：如果是定期訂閱，即訂閱將續約的月份。例如，每年自動為客戶續訂另一年期的年度訂閱，其值為 12。
- 訂閱金額：客戶支付訂閱續約的貨幣金額。這有助於識別不同等級訂閱的模式。
至少需要您要計算流失的客戶中， 50% 客戶的兩個活動記錄。客戶活動必須包括：
- 主索引鍵：活動的唯一識別碼。例如，顯示客戶所觀看電視節目影集的網站瀏覽或使用記錄。
- 時間戳記：由主索引鍵辨識出的事件日期和時間。
- 事件：您要使用的事件名稱。例如，串流視訊服務中名為「使用者動作」的欄位可能會有「已觀看」的值。
- 詳細資料：關於事件的詳細資訊。例如，串流視訊服務中名為「節目標題」的欄位可能會有「客戶已觀看的影片」的值。
提供資料表中的資料欄位缺失值少於 20% 。

建立訂閱流失預測

隨時選取儲存草稿以將預測儲存為草稿。草稿預測會顯示在我的預測索引標籤中。

請移至深入解析>預測。
在建立索引標籤上，選取客戶流失模型圖標上的使用模型。
選取流失類型的訂閱，然後選取開始。
命名此模型及輸出資料表名稱，將它們與其他模型或資料表區分開來。
選取下一步。

定義客戶流失

輸入訂閱結束後經過的天數的數值，表示您的業務考量中將客戶視為已流失狀態的天數。這段期間通常會連到像是優惠方案，或其他為了避免失去客戶而從事的行銷工作等商務活動。
輸入要預測流失需要觀察的未來天數。例如預測您的客戶在未來 90 天流失的風險，以便符合您的行銷留客心血。根據您的特定業務需求不同，預測較長或較短時間的流失風險可能會更難解決在流失風險個人資料中的因素。
選取下一步。

新增必要資料

選取對訂閱歷程紀錄新增資料 。
選取包含所需訂閱歷程記錄資訊的語義活動類型訂閱。如果尚未設定活動，請選取此處並建立活動。
如果活動屬性在建立活動時已語義對應，請在活動下方，選擇要進行集中計算的特定屬性或資料表。如果未發生語意對應，請選取編輯，並對應您的資料。
選取下一步並查看此模型所需的屬性。
選取儲存。
選取為客戶活動新增資料。
選取提供客戶活動資訊的語義活動類型。如果尚未設定活動，請選取此處並建立活動。
如果活動屬性在建立活動時已語義對應，請在活動下方，選擇要進行集中計算的特定屬性或資料表。如果未發生語意對應，請選取編輯，並對應您的資料。
選取下一步並查看此模型所需的屬性。
選取儲存。
新增更多活動或選取下一步。

設定更新排程

選擇重新定型模型的頻率。此設定對更新預測準確度很重要，因為新資料已經內嵌。大部分企業都可以每月重新定型一次，讓他們的預測取得良好的準確度。
選取下一步。

審查並執行模型設定

檢視和執行步驟會顯示設定的摘要，並提供您在建立預測之前進行變更的機會。

若要檢視並進行任何變更，請在任一步驟上選取編輯。
如果對您的選擇感到滿意，請選取儲存並執行以開始執行模型。選取完成。在建立預測時，會顯示我的預測索引標籤。視預測中使用的資料量而定，此程序可能需要數個小時才能完成。

小費

工作和程序的狀態。大部分程序都是依靠其他上游程序而定，例如：資料來源和資料分析重新整理。

選取狀態打開進度詳細資料窗格並查看工作的進度。若要取消作業，請在窗格下方選取取消作業。

在每個工作下方，您可以選取查看詳細資料取得更多的進度資訊，例如：處理時間、上次處理日期以及可取得的任何與工作或程序相關的錯誤和警告。選取面板下方的查看系統狀態，以查看系統中的其他程序。

查看預測結果

請移至深入解析>預測。
在我的預測索引標籤中，選取您想要查看的預測。

結果頁面中有三個主要的資料區段：

定型模型效能：A、B 或 C 分表示預測的效能並可協助您決定是否使用輸出資料表中儲存的結果。

評分是根據下列規則而定：
- A 當模型準確預測數至少佔總預測數的 50% ，且當已流失客戶的準確預測百分比大於歷史平均流失率至少 10% 時。
- B 當模型準確預測數至少佔總預測數的 50% ，且當已流失客戶的準確預測百分比大於歷史平均流失率最多達 10% 時。
- C 當模型的準確預測數不到總預測數的 50% ，或當已流失客戶的準確預測百分比小於歷史平均流失率時。
流失可能性 (客戶人數)：根據他們預測的流失風險編列的客戶群組。或者，建立客戶的客戶細分，這些客戶具有高流失風險。這類客戶細分有助於了解客戶細分成員分界所在的位置。
最具影響力的因素：建立預測時，有許多納入考慮的因素。每個因素都會根據模型建立的彙總預測來計算其重要性。使用這些因素來協助驗證您的預測結果。也可以稍後再使用此資訊來建立客戶細分，這可能有助於影響客戶的流失風險。

注意

在此模型的輸出資料表中，ChurnScore 是預測的流失可能性，而 IsChurn 是根據 ChurnScore 加上 0.5 閾值的二進位標籤。如果這個預設閾值不適用於您的案例，請以您偏好的閾值建立新的客戶細分。若要查看流失分數，請移至資料>資料表 ，並查看您為此模型定義的輸出資料表的資料索引標籤。

共用方式為