คาดคะเนการเลิกใช้บริการสมัครสมาชิก

คาดคะเนว่าลูกค้ามีความเสี่ยงในการเลิกใช้ผลิตภัณฑ์หรือบริการเป็นระยะของการสมัครสมาชิกของบริษัทของคุณหรือไม่ ข้อมูลการสมัครสมาชิกประกอบด้วยการสมัครสมาชิกที่ใช้งานอยู่และไม่ได้ใช้งานสำหรับลูกค้าแต่ละราย ดังนั้นจึงอาจมีหลายรายการต่อรหัสลูกค้า หากต้องการค้นหาความเสี่ยงในการเลิกใช้งานสำหรับลูกค้าที่ไม่ได้ทำการซื้อตามกำหนดเวลา ให้ใช้ โมเดลการเลิกทำธุรกรรม

การทําความเข้าใจว่าการเลิกใช้บริการมีความหมายต่อธุรกิจของคุณอย่างไรจะช่วยให้คุณได้รับการคาดการณ์ที่แม่นยํา ตัวอย่างเช่น ธุรกิจที่มีกิจกรรมประจําปีอาจกําหนดการเลิกใช้บริการเป็นปี ในขณะที่ธุรกิจที่มียอดขายรายสัปดาห์อาจวัดการเลิกใช้บริการเป็นเดือน ระบบสนับสนุนข้อกําหนดการเลิกใช้บริการตามเวลา ดังนั้นลูกค้าจึงถือว่าได้เลิกใช้ช่วงเวลาที่กําหนดหลังจากการสมัครใช้งานสิ้นสุดลง

ตัวอย่างเช่น Contoso เสนอบริการกาแฟรายเดือน พวกเขาต้องการทราบว่าลูกค้ารายใดที่อาจตั้งคำถามเกี่ยวกับการต่ออายุบริการ เพื่อให้สามารถเสนอส่วนลดได้ ด้วยรูปแบบการเปลี่ยนใจการสมัครใช้งาน Contoso สามารถดูว่าลูกค้ารายใดอาจไม่ต่ออายุบริการในปีหน้า และจำนวนประชากรนั้นอาจมีขนาดใหญ่เพียงใด

สรุปข้อกําหนดเบื้องต้นของข้อมูล

สําหรับข้อกําหนดของข้อมูลทั่วไปในแบบจําลองการคาดการณ์ทั้งหมด ดูข้อกําหนดเบื้องต้นของข้อมูลสําหรับแบบจําลองคาดการณ์

ข้อกําหนดเบื้องต้น

• อย่างน้อยมี สิทธิ์ของผู้สนับสนุน
• โปรไฟล์ลูกค้าอย่างน้อย 1,000 รายภายในหน้าต่างการคาดคะเนที่ต้องการ
• รหัสลูกค้า: รหัสเฉพาะเพื่อจับคู่บริการสมัครสมาชิกกับลูกค้าของคุณ
• ข้อมูลบริการสมัครสมาชิกอย่างน้อยสองเท่าของกรอบเวลาที่เลือก โดยเฉพาะอย่างยิ่งข้อมูลการสมัครสมาชิกสองถึงสามปี ประวัติบริการสมัครสมาชิกต้องรวมถึง:
  • รหัสการสมัครใช้งาน: ตัวบ่งชี้เฉพาะของการสมัครใช้งาน
  • วันทีการสมัครใช้งานสิ้นสุด: วันที่การสมัครใช้งานหมดอายุสำหรับลูกค้า
  • วันทีเริ่มการสมัครใช้งาน: วันที่การสมัครใช้งานเริ่มขึ้นสำหรับลูกค้า
  • วันที่ทำธุรกรรม: วันที่การเปลี่ยนแปลงของการสมัครใช้งานเกิดขึ้น ตัวอย่างเช่น ลูกค้าที่ซื้อหรือยกเลิกบริการสมัครสมาชิก
  • เป็นการสมัครรับข้อมูลที่เกิดขึ้นซ้ำ: ฟิลด์บูลีนจริง/เท็จที่พิจารณาว่าการสมัครใช้งานจะต่ออายุด้วยรหัสการสมัครใช้งานเดียวกันโดยไม่มีการแทรกแซงของลูกค้า
  • ความถี่การเกิดซ้ำ (เป็นเดือน): สำหรับการสมัครใช้งานที่เกิดซ้ำ คือเดือนที่การสมัครใช้งานจะต่ออายุ ตัวอย่างเช่น บริการสมัครสมาชิกรายปีที่ต่ออายุโดยอัตโนมัติทุกปีสำหรับลูกค้าเพื่อสมัครใช้งานอีกปี มีค่า 12
  • จำนวนการสมัครใช้งาน: จำนวนสกุลเงินที่ลูกค้าจ่ายสำหรับการต่ออายุการสมัครใช้งาน มันสามารถช่วยระบุรูปแบบสำหรับบริการสมัครสมาชิกระดับต่างๆ ได้
• ต้องมีเรกคอร์ดกิจกรรมอย่างน้อยสองรายการสำหรับลูกค้า 50% ที่คุณต้องการคำนวณการเลิกใช้บริการ กิจกรรมลูกค้าต้องมี:
  • คีย์หลัก: รหัสเฉพาะสำหรับกิจกรรม ตัวอย่างเช่น การเยี่ยมชมเว็บไซต์หรือบันทึกการใช้งานที่แสดงว่าลูกค้าดูรายการทีวีตอนหนึ่ง
  • ประทับเวลา: วันที่และเวลาของเหตุการณ์ที่ระบุโดยคีย์หลัก
  • เหตุการณ์: ชื่อของกลุ่มเหตุการณ์ที่คุณต้องการใช้ ตัวอย่างเช่น ฟิลด์ชื่อ "UserAction" ในบริการวิดีโอสตรีมมิ่งอาจมีค่าเป็น "ดูแล้ว"
  • รายละเอียด: ข้อมูลรายละเอียดเกี่ยวกับเหตุการณ์ ตัวอย่างเช่น ฟิลด์ชื่อ "ShowTitle" ในบริการวิดีโอสตรีมมิ่งอาจมีค่าเป็นวิดีโอที่ลูกค้ารับชม
• น้อยกว่า 20% ของค่าที่ขาดหายไปในฟิลด์ข้อมูลของตารางที่ระบุ

สร้างการคาดคะเนการเลิกใช้บริการสมัครสมาชิก

เลือก บันทึกแบบร่าง ได้ตลอดเวลาเพื่อบันทึกการคาดการณ์เป็นแบบร่าง การคาดการณ์แบบร่างจะแสดงในแท็บ การคาดการณ์ของฉัน

1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

2. บนแท็บ สร้าง เลือก ใช้แบบจำลอง บนไทล์ แบบจำลองการเลิกใช้บริการของลูกค้า

3. เลือก บริการสมัครสมาชิก สำหรับชนิดของการเลิกใช้บริการแล้ว เริ่มต้นใช้งาน

4. ตั้งชื่อแบบจําลองนี้ และ ชื่อตารางผลลัพธ์ เพื่อแยกความแตกต่างจากแบบจําลองหรือตารางอื่น

5. เลือก ถัดไป

กำหนดการเลิกใช้บริการของลูกค้า

1. ใส่จำนวนของ วันนับตั้งแต่สิ้นสุดบริการสมัครสมาชิก ที่ธุรกิจของคุณพิจารณาว่าลูกค้าอยู่ในสถานะการเลิกใช้บริการ ช่วงนี้มักจะเชื่อมโยงกับกิจกรรมทางธุรกิจ เช่น ข้อเสนอ หรือความพยายามทางการตลาดอื่นๆ เพื่อพยายามป้องกันการสูญเสียลูกค้า

2. ป้อนจำนวน วันที่จะมองไปในอนาคตเพื่อคาดคะเนการเลิกใช้งาน ตัวอย่างเช่น คาดคะเนความเสี่ยงที่ลูกค้าจะเลิกใช้บริการใน 90 วันข้างหน้าเพื่อให้สอดคล้องกับความพยายามในการรักษาลูกค้าทางการตลาดของคุณ การคาดคะเนความเสี่ยงจากการเลิกใช้งานเป็นระยะเวลานานขึ้นหรือสั้นลงอาจทำให้ยากขึ้นในการจัดการกับปัจจัยในโปรไฟล์ความเสี่ยงของการเลิกใช้งาน ทั้งนี้ขึ้นอยู่กับข้อกำหนดทางธุรกิจเฉพาะของคุณ

3. เลือก ถัดไป

เพิ่มข้อมูลที่จําเป็น

1. เลือก เพิ่มข้อมูล สำหรับ ประวัติบริการสมัครสมาชิก

2. เลือกชนิดกิจกรรมความหมาย บริการสมัครสมาชิก ที่มีข้อมูลประวัติบริการสมัครสมาชิกที่จำเป็น หากยังไม่ได้ตั้งค่ากิจกรรม ให้เลือก ที่นี่ และสร้างกิจกรรมขึ้นมา

3. ภายใต้ กิจกรรม ถ้ามีการแมปแอตทริบิวต์กิจกรรมในเชิงความหมายเมื่อสร้างกิจกรรม ให้เลือกแอตทริบิวต์หรือตารางเฉพาะที่คุณต้องการให้การคํานวณเน้น หากการแมปความหมายไม่เกิดขึ้น ให้เลือก แก้ไข และแมปข้อมูลของคุณ

   

4. เลือก ต่อไป และตรวจสอบคุณสมบัติที่จำเป็นสำหรับแบบจำลองนี้

5. เลือก บันทึก

6. เลือก เพิ่มข้อมูล สำหรับ กิจกรรมของลูกค้า

7. เลือกชนิดกิจกรรมเชิงความหมายที่ให้ข้อมูลกิจกรรมของลูกค้า หากยังไม่ได้ตั้งค่ากิจกรรม ให้เลือก ที่นี่ และสร้างกิจกรรมขึ้นมา

8. ภายใต้ กิจกรรม ถ้ามีการแมปแอตทริบิวต์กิจกรรมในเชิงความหมายเมื่อสร้างกิจกรรม ให้เลือกแอตทริบิวต์หรือตารางเฉพาะที่คุณต้องการให้การคํานวณเน้น หากการแมปความหมายไม่เกิดขึ้น ให้เลือก แก้ไข และแมปข้อมูลของคุณ

9. เลือก ต่อไป และตรวจสอบคุณสมบัติที่จำเป็นสำหรับแบบจำลองนี้

10. เลือก บันทึก

11. เพิ่มกิจกรรมเพิ่มเติม หรือเลือก ถัดไป

ตั้งค่ากําหนดเวลาอัปเดต

1. เลือกความถี่เพื่อฝึกฝนแบบจำลองของคุณ การตั้งค่านี้เป็นสิ่งสําคัญในการอัปเดตความแม่นยําของการคาดการณ์เมื่อมีการนําเข้าข้อมูลใหม่ ธุรกิจส่วนใหญ่สามารถฝึกซ้ําได้หนึ่งครั้งต่อเดือนและได้รับความแม่นยําที่ดีสําหรับการคาดการณ์ของพวกเขา

2. เลือก ถัดไป

ตรวจสอบและรันการกำหนดค่าแบบจำลอง

ขั้นตอน ตรวจสอบและเรียกใช้ จะแสดงสรุปการกำหนดค่าและให้โอกาสในการเปลี่ยนแปลงก่อนที่คุณจะสร้างการคาดคะเน

1. เลือก แก้ไข บนขั้นตอนใด ๆ เพื่อตรวจสอบและทําการเปลี่ยนแปลง

2. หากคุณพอใจกับสิ่งที่คุณเลือก ให้เลือก บันทึกและเรียกใช้ เพื่อเริ่มรันโมเดล เลือก เสร็จสิ้น แท็บ การคาดคะเนของฉัน จะปรากฏขึ้นขณะสร้างการคาดคะเน กระบวนการนี้อาจใช้เวลาหลายชั่วโมงกว่าจะเสร็จสมบูรณ์ ทั้งนี้ขึ้นอยู่กับปริมาณข้อมูลที่ใช้ในการคาดคะเน

ดูผลลัพธ์การคาดการณ์

1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

2. ในแท็บ การคาดการณ์ของฉัน ให้เลือกการคาดการณ์ที่คุณต้องการดู

หน้าผลลัพธ์จะแสดงข้อมูลหลัก 3 ส่วน ดังนี้

• ประสิทธิภาพของแบบจําลองการฝึก: เกรด A, B หรือ C ระบุประสิทธิภาพของการคาดการณ์และสามารถช่วยให้คุณตัดสินใจที่จะใช้ผลลัพธ์ที่จัดเก็บไว้ในตารางผลลัพธ์

  

  เกรดจะถูกกําหนดตามกฎต่อไปนี้:

  • A เมื่อโมเดลคาดคะเนแม่นยำอย่างน้อย 50% ของการคาดคะเนทั้งหมดและเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการมากกว่าอัตราการเปลี่ยนแปลงเฉลี่ยในอดีตอย่างน้อย 10%
  • B เมื่อโมเดลคาดคะเนแม่นยำอย่างน้อย 50% ของการคาดคะเนทั้งหมดและเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการมากกว่าถึง 10% ของอัตราการเปลี่ยนแปลงเฉลี่ยในอดีต
  • C เมื่อโมเดลทำนายอย่างถูกต้องน้อยกว่า 50% ของการคาดการณ์ทั้งหมด หรือเมื่อเปอร์เซ็นต์ของการคาดการณ์ที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการต่ำกว่าอัตราการเปลี่ยนแปลงเฉลี่ยในอดีต

• โอกาสที่จะเลิกใช้บริการ (จำนวนลูกค้า): กลุ่มลูกค้าขึ้นอยู่กับความเสี่ยงที่คาดคะเนไว้ของการเลิกใช้บริการ หรือ สร้างเซ็กเมนต์ของลูกค้า ที่มีความเสี่ยงในการเลิกใช้บริการสูง เซ็กเมนต์ดังกล่าวช่วยให้เข้าใจว่าการตัดยอดของคุณควรเป็นอย่างไรสำหรับการเป็นสมาชิกเซ็กเมนต์

  

• ปัจจัยที่มีอิทธิพลมากที่สุด: มีหลายปัจจัยที่นํามาพิจารณาเมื่อสร้างการคาดการณ์ของคุณ แต่ละปัจจัยมีความสําคัญที่คํานวณสําหรับการคาดการณ์แบบรวมที่แบบจําลองสร้างขึ้น ใช้ปัจจัยเหล่านี้เพื่อช่วยในการตรวจสอบผลลัพธ์การคาดการณ์ของคุณ หรือใช้ข้อมูลนี้ในภายหลังเพื่อ สร้างเซ็กเมนต์ ที่สามารถช่วยโน้มน้าวความเสี่ยงในการเลิกใช้บริการให้กับลูกค้า