Eksempelvejledning til forudsigelse af abonnementsafgang

Denne guide guider dig gennem et end-to-end eksempel på forudsigelse af abonnementsafgang ved brug af prøvedata. Prøv denne forudsigelse i et nyt miljø.

Scenarie: forudsigelse af abonnementsfrafald for Contoso Coffee

Contoso er en virksomhed, der producerer kaffe- og kaffemaskiner af høj kvalitet. De sælger produkterne via deres Contoso Coffee hjemmeside. De har for nylig startet en abonnementsforretning, så deres kunder kan få kaffe med jævne mellemrum. Deres mål er at forstå, hvilke abonnerende kunder der muligvis opsiger deres abonnement i løbet af de næste par måneder. At vide, hvilke af deres kunder der sandsynligvis vil falde fra, kan hjælpe dem med at spare på marketingindsatsen ved at fokusere på at fastholde dem.

Forudsætninger

Opgave 1 – indfødningsdata

Gennemse artiklerne om dataindtagelse og oprettelse af forbindelse til en Power Query-datakilde. Følgende oplysninger forudsætter, at du generelt er fortrolig med indlæsning af data.

Indfødning af kundedata fra e-handelsplatform

  1. Opret en power-forespørgselsdatakilde med navnet e-handel, og vælg text/CSV-connectoren .

  2. Angiv URL-adressen til e-handelskontakter https://aka.ms/ciadclasscontacts.

  3. Mens du redigerer dataene, skal du vælge Transformér og derefter Bruge den første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • DateOfBirth: Dato
    • CreatedOn: Dato/klokkeslæt/zone

    Skærmbillede af Power Query, der viser DateOfBirth-kolonnens datatype sat til Date.

  5. I feltet Navn i ruden til højre skal du omdøbe din datakilde til eCommerceContacts

  6. Gem datakilden.

Indfødning af kundedata fra loyalitetsskema

  1. Opret en datakilde med navnet LoyaltyScheme, og vælg Text/CSV-connectoren .

  2. Angiv URL-adressen til loyalitetskunder https://aka.ms/ciadclasscustomerloyalty.

  3. Mens du redigerer dataene, skal du vælge Transformér og derefter Bruge den første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • DateOfBirth: Dato
    • RewardsPoints: Heltal
    • CreatedOn: Dato/klokkeslæt

  5. I feltet Navn i ruden til højre skal du omdøbe din datakilde til loyCustomers.

  6. Gem datakilden.

Oplysninger om indfødning af abonnement

  1. Opret en datakilde med navnet SubscriptionHistory, og vælg connectoren Text/CSV .

  2. Angiv URL-adressen til abonnementer https://aka.ms/ciadchurnsubscriptionhistory.

  3. Mens du redigerer dataene, skal du vælge Transformér og derefter Bruge den første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • SubscriptionID: Heltal
    • SubscriptionAmount: Valuta
    • Abonnementsslutdato: Dato/klokkeslæt
    • Startdato for abonnement: Dato/klokkeslæt
    • Transaktionsdato: Dato/klokkeslæt
    • IsRecurring: Sandt/falsk
    • Is_auto_renew: Sandt/Falsk
    • TilbagevendendeFrekvensIMåneder: Heltal

  5. I feltet Navn i ruden til højre skal du omdøbe datakilden til SubscriptionHistory.

  6. Gem datakilden.

Indfødning af kundedata fra anmeldelser af websteder

  1. Opret en datakilde med navnet Websted, og vælg connectoren Text/CSV .

  2. Angiv URL-adressen til webstedsgennemgange https://aka.ms/ciadclasswebsite.

  3. Mens du redigerer dataene, skal du vælge Transformér og derefter Bruge den første række som overskrifter.

  4. Opdater datatypen for de kolonner, der er angivet nedenfor:

    • ReviewRating: Heltal
    • Anmeldelsesdato: Dato

  5. I feltet Navn i ruden til højre skal du omdøbe datakilden til webReviews.

Opgave 2 – datasammenføring

Gennemse artiklen om datasammenføring. Følgende oplysninger forudsætter, at du har kendskab til datasammenføring generelt.

Når du har hentet dataene, skal du starte datasammenføringsprocessen for at oprette en samlet kundeprofil. Du kan få flere oplysninger under Datasammenføring.

Beskriv de kundedata, der skal samles

  1. Når du har hentet dataene, skal du knytte kontakter fra e-handel og loyalitetsdata til almindelige datatyper. Gå til Data>unify.

  2. Vælg de tabeller, der repræsenterer kundeprofilen – eCommerceContacts og loyCustomers.

    samle datakilder for e-handel og loyalitet.

  3. Vælg ContactId som den primære nøgle for eCommerceContacts og LoyaltyID som den primære nøgle for loyCustomers.

  4. Vælg Næste. Spring dublerede poster over, og vælg Næste.

Definer matchende regler

  1. Vælg eCommerceContacts: eCommerce som den primære tabel, og medtag alle poster.

  2. Vælg loyCustomers: LoyaltyScheme, og medtag alle poster.

  3. Tilføj en regel:

    • Vælg FullName for både eCommerceContacts og loyCustomers.
    • Vælg Type (Telefon, Navn, Adresse, ...) for Normaliser.
    • Angiv præcisionsniveau: Grundlæggende og Værdi: Høj.

  4. Tilføj en anden betingelse for mailadresse:

    • Vælg Mail for både eCommerceContacts og loyCustomers.
    • Lad Normaliser være tom.
    • Angiv præcisionsniveau: Grundlæggende og Værdi: Høj.
    • Angiv FullName, Mail for navnet.

    Saml matchningsreglen for navn og e-mail.

  5. Vælg Udført.

  6. Vælg Næste.

Få vist samlede data

  1. Omdøb tabellen ContactId for loyCustomers til ContactIdLOYALTY for at skelne det fra de andre id'er, der er indtaget.

  2. Vælg Næste for at gennemse, og vælg derefter Opret kundeprofiler.

Opgave 3 – Opret aktivitet for transaktionshistorik

Gennemse artiklen om kundeaktiviteter. Følgende oplysninger forudsætter, at du er fortrolig med at oprette aktiviteter generelt.

  1. Opret aktiviteter med tabellen Abonnement og tabellen Anmeldelser:Websted .

  2. For Abonnement skal du vælge Abonnement for aktivitetstypen og CustomerId for den primære nøgle.

  3. For Anmeldelser:Websted skal du vælge Gennemse for aktivitetstypen og ReviewID for den primære nøgle.

  4. Angiv følgende oplysninger om abonnementsaktiviteten:

    • Aktivitetsnavn: SubscriptionHistory
    • Tidsstempel: AbonnementEndDate
    • Hændelsesaktivitet: SubscriptionType
    • Transaktions-id: TransactionID
    • Transaktionsdato: Transaktionsdato
    • Abonnements-id: SubscriptionID
    • Startdato for abonnement: Startdato for abonnement
    • Abonnementets slutdato: Abonnementets slutdato

  5. Angiv følgende oplysninger for webgennemsynsaktiviteten:

    • Aktivitetsnavn: WebReviews
    • Tidsstempel: Anmeldelsesdato
    • Hændelsesaktivitet: ActivityTypeDisplay
    • Yderligere oplysninger: ReviewRating

  6. Opret en relation mellem SubscriptionHistory:Subscription og eCommerceContacts:eCommerce med CustomerID som den fremmede nøgle for at forbinde de to tabeller.

  7. Opret en relation mellem Websted og eCommerceContacts med UserId som fremmed nøgle.

  8. Gennemse dine ændringer, og vælg derefter Opret aktiviteter.

Opgave 4 – Konfigurer forudsigelsen for abonnementsafgang

Når de samlede kundeprofiler er på plads, og aktiviteten er oprettet, kan du køre forudsigelsen om abonnementsafgang. Du kan finde detaljerede trin under Forudsigelse af abonnementsafgang.

  1. Gå til Indsigt>Forudsigelser.

  2. Gå til fanen Opret, og vælg Brug model i feltet Model til kundeafgang.

  3. Vælg Abonnement for typen af kundeafgang og derefter Start her.

  4. Navngiv modellen OOB Subscription Churn Prediction og outputtabellen OOBSubscriptionChurnPrediction.

  5. Definer modelindstillinger:

    • Dage siden abonnementet sluttede: 60 dage for at angive, at en kunde anses for at være afbrudt, hvis vedkommende ikke fornyer abonnementet i denne periode, efter at deres abonnement er afsluttet.
    • Dage til at se nærmere på fremtiden for at forudsige fald: 93 dage, hvilket er den varighed, som modellen forudsiger, hvilke kunder der kan falde. Jo længere i fremtiden du ser ud, jo mindre præcise resultater.

    Skærmbillede af trin i modelpræferencerne, der viser dagene siden abonnementet sluttede, og dage til at kigge på fremtidige indstillinger.

  6. Vælg Næste.

  7. I trinnet Påkrævede data skal du vælge Tilføj data for at angive abonnementshistorik.

  8. Vælg Abonnement og tabellen SubscriptionHistory, og vælg Næste. De påkrævede data udfyldes automatisk fra aktiviteten. Vælg Gem.

  9. Under Kundeaktiviteter skal du vælge Tilføj data.

  10. I dette eksempel skal du tilføje webgennemsynsaktiviteten.

  11. Vælg Næste.

  12. I trinnet Dataopdateringer skal du vælge Månedligt for modelplanen.

  13. Når du har gennemset alle detaljerne, skal du vælge Gem og kør.

Opgave 5 – Gennemse modelresultater og forklaringer

Lad modellen fuldføre oplæringen og scoringen af dataene. Gennemse forklaringerne på abonnementsafgangsmodellen. Du kan få flere oplysninger under Få vist forudsigelsesresultater.

Opgave 6 – Opret et segment med kunder med høj faldrisiko

Når du kører modellen, oprettes der en ny tabel, som er angivet i Data>Tables>Output. Du kan oprette et nyt segment baseret på den tabel, der er oprettet af modellen.

  1. På resultatsiden skal du vælge Opret segment.

  2. Opret en regel ved hjælp af tabellen OOBSubscriptionChurnPrediction , og definer segmentet:

    • Felt: ChurnScore
    • Operator: større end
    • Værdi: 0,6

  3. Vælg Gem og kør segmentet.

Du har nu et segment, der opdateres dynamisk, hvilket identificerer kunder med høj faldrisiko for denne abonnementsforretning. Du kan få mere at vide under Opret og administrer segmenter.

Tips

Du kan også oprette et segment for en forudsigelsesmodel på siden Indsigtssegmenter> ved at vælge Ny og vælge Opret fra>indsigt. Du kan få mere at vide under Opret et nyt segment med hurtige segmenter.

Næste trin

  • Last updated on