Przewidywanie rezygnacji z subskrypcji

Przewiduj, czy istnieje zagrożenie, że klient przestanie używać subskrypcji na produkty lub usługi Twojej firmy. Dane subskrypcji obejmują aktywne i nieaktywne subskrypcje dla każdego klienta, więc może istnieć wiele wpisów na identyfikator klienta. Aby znaleźć ryzyko rezygnacji dla klientów, którzy nie dokonują zaplanowanych zakupów, użyj modelu rezygnacji transakcji.

Zrozumienie, co oznacza "churn" dla Twojej firmy, pomaga uzyskać dokładne prognozy. Na przykład firma organizująca coroczne wydarzenia może definiować wskaźnik odpływu klientów w ujęciu rocznym, podczas gdy firma prowadząca cotygodniową sprzedaż może mierzyć ten wskaźnik w miesiącach. System obsługuje definicje odejrzeń oparte na czasie, więc klient uważa się, że przepracował określony okres po zakończeniu subskrypcji.

Na przykład firma Contoso oferuje miesięczną usługę kawową. Chcą wiedzieć, którzy klienci mogą wypowiedzieć pytanie o odnowienie usługi, aby mogli zaoferować im rabat. W modelu odpływu subskrypcji firma Contoso może zobaczyć, którzy klienci mogą nie odnowić usługi w następnym roku i jak duża może być ta populacja.

Podsumowanie wymagań wstępnych dotyczących danych

Aby uzyskać typowe wymagania dotyczące danych we wszystkich modelach przewidywania, zobacz Wymagania wstępne dotyczące danych dla modeli przewidywania.

Wymagania wstępne

• Co najmniej uprawnienia współautora.
• Co najmniej 1000 profilów klientów w żądanym oknie przewidywania.
• Identyfikator klienta, unikatowy identyfikator umożliwiający dopasowanie subskrypcji do klientów.
• Dane subskrypcji dla co najmniej podwójnego wybranego okna czasowego. Preferowane są dane subskrypcji z okresu dwóch do trzech lat. Historia subskrypcji musi zawierać:
  • Identyfikator subskrypcji: unikatowy identyfikator subskrypcji.
  • Data zakończenia subskrypcji: data wygaśnięcia subskrypcji klienta.
  • Data rozpoczęcia subskrypcji: data rozpoczęcia subskrypcji klienta.
  • Data transakcji: data wystąpienia zmiany w subskrypcji. Na przykład klient, który kupuję lub anuluje subskrypcję.
  • Czy jest to subskrypcja cykliczna: pole logiczne prawda/fałsz które określa, czy subskrypcja zostanie odnowiona z takim samym identyfikatorem subskrypcji bez interwencji klienta
  • Częstotliwość odnawiania (w miesiącach): Miesiąc, w którym odnawiana jest subskrypcja odnawialna. Na przykład roczna subskrypcja, która jest automatycznie odnawiana dla klienta co roku na kolejny rok ma wartość 12.
  • Kwota subskrypcji: kwota płacona przez klienta za odnowienie subskrypcji. Może to pomóc w określeniu wzorów dla różnych poziomów subskrypcji.
• Dla 50% klientów, dla których ma być obliczony wskaźnik utraty klientów, co najmniej dwa rekordy działań. Szczegóły działań klienta muszą zawierać:
  • Klucz podstawowy: unikatowy identyfikator działania. Na przykład wizyta w witrynie sieci Web lub rekord użycia ukazujący, że w klient obejrzał odcinek serialu telewizyjnego.
  • Sygnatura czasowa: data i godzina zdarzenia identyfikowanego przez klucz podstawowy.
  • Zdarzenie: nazwa zdarzenia, którego chcesz użyć. Na przykład pole o nazwie "UserAction" w usłudze przesyłania strumieniowego wideo może mieć wartość "Obejrzany".
  • Szczegóły: Szczegółowe informacje o zdarzeniu. Na przykład pole o nazwie „ShowTitle” w usłudze przesyłania strumieniowego wideo może mieć jako wartość film obejrzany przez klienta.
• Mniej niż 20% brakujących wartości w polu dostarczonej tabeli.

Utwórz prognozę rezygnacji z subskrypcji

W dowolnym momencie wybierz opcję Zapisz szkic, aby zapisać przewidywanie jako szkic. Wersja robocza wyświetla się na karcie Moje prognozy.

1. Przejdź do opcji Szczegółowe informacje>Przewidywania.

2. Na karcie Utwórz wybierz Model użycia na kafelku Model rezygnacji klienta.

3. Wybierz opcję Subskrypcja dla typu rozsyłania, a następnie wybierz opcję Rozpocznij.

4. Nazwij ten model i Nazwa tabeli wyjściowej, aby odróżnić je od innych modeli lub tabel.

5. Wybierz Dalej.

Definiuj rezygnację klienta

1. Wprowadź liczbę Dni od zakończenia subskrypcji, przez które firma uważa, że klient jest w stanie rezygnacji. Ten okres zazwyczaj jest powiązany z działaniami biznesowymi, takimi jak oferty, lub inne działania marketingowe, które usiłują zapobiec utracie klienta.

2. Wprowadź Liczbę dni w przyszłości na potrzeby przewidywania rezygnacji. Na przykład prognozuj ryzyko odejścia klientów w ciągu najbliższych 90 dni, aby dostosować się do działań marketingowych dotyczących utrzymania klientów. Przewidywanie ryzyka rezygnacji przez dłuższe lub krótsze okresy może jednak znacznie utrudnić branie pod uwagę czynników w profilu ryzyka rezygnacji w zależności od konkretnych wymagań biznesowych.

3. Wybierz Dalej.

Dodaj wymagane dane

1. Wybierz Dodaj dane dla Historii subskrypcji.

2. Wybierz semantyczny typ działania Subskrypcja, które zawiera informacje o historii subskrypcji. Jeśli działanie nie zostało jeszcze skonfigurowane, zaznacz je tutaj i utwórz.

3. W obszarze Działania, jeśli atrybuty działania zostały semantycznie zamapowane podczas tworzenia działania, wybierz określone atrybuty lub tabelę, na których chcesz skupić obliczenia. Jeśli mapowanie semantyczne nie nastąpiło, wybierz opcję Edytuj i zamapuj swoje dane.

   

4. Wybierz opcję Dalej i przejrzyj atrybuty wymagane dla tego modelu.

5. Wybierz Zapisz.

6. Wybierz Dodaj dane do Działań klienta.

7. Wybierz typ semantycznego działania, który pozwala uzyskać informacje o działaniu klienta. Jeśli działanie nie zostało jeszcze skonfigurowane, zaznacz je tutaj i utwórz.

8. W obszarze Działania, jeśli atrybuty działania zostały semantycznie zamapowane podczas tworzenia działania, wybierz określone atrybuty lub tabelę, na których chcesz skupić obliczenia. Jeśli mapowanie semantyczne nie nastąpiło, wybierz opcję Edytuj i zamapuj swoje dane.

9. Wybierz opcję Dalej i przejrzyj atrybuty wymagane dla tego modelu.

10. Wybierz Zapisz.

11. Dodaj więcej działań lub wybierz Dalej.

Ustaw harmonogram aktualizacji

1. Wybierz częstotliwość ponownego uczenia modelu. To ustawienie jest ważne, aby zaktualizować dokładność prognoz w miarę pozyskiwania nowych danych. Większość firm może przeprowadzać ponowne szkolenia raz w miesiącu i uzyskać dobrą dokładność przewidywań.

2. Wybierz Dalej.

Przegląd i uruchamianie konfiguracji modelu

W kroku Przejrzyj i uruchom przedstawiono podsumowanie konfiguracji i użytkownik może wprowadzić zmiany przed utworzeniem przewidywania.

1. Wybierz Edytuj na każdym z etapów, aby przejrzeć i wprowadzić ewentualne zmiany.

2. Jeśli wybór jest zadowalający, wybierz polecenie Zapisz i uruchom, aby rozpocząć uruchamianie modelu. Wybierz opcję Gotowe. Podczas tworzenia prognozy wyświetlana jest karta Moje prognozy. Przeprowadzanie procesu może potrwać kilka godzin, w zależności od ilości danych użytych w przewidywaniu.

Wyświetl wyniki przewidywania

1. Przejdź do opcji Szczegółowe informacje>Przewidywania.

2. Na karcie Moje przewidywania wybierz przewidywanie, które chcesz wyświetlić.

Strona wyników prezentuje trzy główne sekcje danych:

• Wydajność modelu szkolenia: oceny A, B lub C wskazują wydajność prognozy i może pomóc w podjęciu decyzji o użyciu wyników przechowywanych w tabeli wyjściowej.

  

  Oceny są określane na podstawie następujących reguł:

  • A kiedy model dokładnie przewidział co najmniej 50% wszystkich przewidywań, a odsetek trafnych przewidywań dla klientów, którzy zrezygnowali, jest większy od historycznej średniej stopy rezygnacji o co najmniej 10%.
  • B gdy model dokładnie przewidział co najmniej 50% wszystkich predykcji, a odsetek trafnych prognoz dla klientów, którzy zrezygnowali, jest do 10% większy niż historyczny średni współczynnik rezygnacji.
  • C, kiedy model dokładnie przewidział mniej niż 50% wszystkich przewidywań, lub gdy procent dokładnych prognoz dla klientów, którzy ulegli odpływowi, jest niższy od historycznego średniego wskaźnika odpływu.

• Prawdopodobieństwo rezygnacji (liczba klientów): grupy klientów na podstawie ich przewidywanego ryzyka rezygnacji. Opcjonalnie można utworzyć segmenty klientów o wysokim ryzyku rezygnacji. Takie segmenty ułatwiają zrozumienie tego, w którym miejscu powinien się znaleźć próg dla członkostwa w segmencie.

  

• Najbardziej wpływowe czynniki: Podczas tworzenia prognozy bierze się pod uwagę wiele czynników. Każdy czynnik ma swoje znaczenie obliczane dla zagregowanych prognoz tworzonych przez model. Tych czynników można użyć w celu sprawdzenia poprawności wyników przewidywania. Lub użyj tych informacji później, aby utworzyć segmenty, które mogą wpłynąć na ryzyko rezygnacji dla klientów.