คาดคะเนการเลิกทำธุรกรรม

การคาดการณ์การเลิกใช้ธุรกรรมจะระบุลูกค้าที่มีแนวโน้มจะหยุดซื้อผลิตภัณฑ์หรือบริการของคุณภายในกรอบเวลาที่กําหนด ซึ่งเรียกว่ากรอบเวลาการเลิกใช้บริการ หากต้องการค้นหาลูกค้าที่อาจยกเลิกการซื้อต่อเนื่องที่ตั้งไว้ล่วงหน้าแทน ให้ใช้รูปแบบการเลิกใช้การสมัครใช้งาน

การทําความเข้าใจว่าการเลิกใช้บริการมีความหมายต่อธุรกิจของคุณอย่างไรจะช่วยให้คุณกําหนดค่าการคาดการณ์ที่แม่นยําได้ ตัวอย่างเช่น ธุรกิจที่มีกิจกรรมประจำปีสามารถกำหนดการเลิกใช้บริการโดยวัดเป็นปี ในขณะที่ธุรกิจที่มีการขายรายสัปดาห์จะวัดการเลิกใช้บริการเป็นเดือน ระบบรองรับคําจํากัดความการเลิกใช้บริการตามเวลา ซึ่งหมายความว่าลูกค้าจะถือว่าเลิกใช้บริการหลังจากไม่มีการซื้อเป็นระยะเวลาหนึ่ง

ตัวอย่างเช่น Contoso ต้องการทราบว่าลูกค้ามีส่วนร่วมอย่างไรกับแคมเปญอีเมลที่มีไว้เพื่อการรักษาลูกค้าโดยเฉพาะ ลูกค้าของ Contoso เยี่ยมชมหน้าร้านตามตัวแปร ซึ่งส่วนใหญ่มักจะประมาณ 3-4 ครั้งต่อเดือน ธุรกรรมของพวกเขาไม่สม่ำเสมอ ทำให้ยากต่อการระบุว่าลูกค้าหยุดซื้อแบรนด์ Contoso เมื่อใด ด้วยโมเดลการเลิกใช้บริการธุรกรรม Contoso สามารถกำหนดแนวโน้มที่ลูกค้าจะซื้ออีกครั้งได้ พวกเขาสามารถมองเห็นรูปแบบการละทิ้งที่นำไปสู่การที่ลูกค้าละทิ้งแบรนด์ ทำให้พวกเขาสามารถปรับกลยุทธ์อื่นๆ ได้

สรุปข้อกําหนดเบื้องต้นของข้อมูล

สําหรับข้อกําหนดของข้อมูลทั่วไปในแบบจําลองการคาดการณ์ทั้งหมด ดูข้อกําหนดเบื้องต้นของข้อมูลสําหรับแบบจําลองคาดการณ์

ข้อกําหนดเบื้องต้น

  • อย่างน้อยมี สิทธิ์ของผู้สนับสนุน
  • โปรไฟล์ลูกค้าอย่างน้อย 500 ราย ควรมีลูกค้ามากกว่า 1,000 รายที่ไม่ซ้ำกัน
  • รหัสลูกค้า: รหัสเฉพาะเพื่อจับคู่ธุรกรรมกับลูกค้าของคุณ
  • ข้อมูลธุรกรรมอย่างน้อยสองเท่าของกรอบเวลาที่เลือก เช่น ประวัติการทำธุรกรรมสองถึงสามปี ตามหลักการแล้ว ธุรกรรมอย่างน้อยสองรายการขึ้นไปต่อลูกค้า ประวัติธุรกรรมต้องรวมถึง:
    • รหัสธุรกรรม: รหัสเฉพาะของการซื้อหรือธุรกรรม
    • วันที่ทำธุรกรรม: วันที่ของการซื้อหรือธุรกรรม
    • มูลค่าของธุรกรรม: สกุลเงินหรือมูลค่าที่เป็นตัวเลขของธุรกรรม
    • รหัสผลิตภัณฑ์เฉพาะ: รหัสของผลิตภัณฑ์หรือบริการที่ซื้อหากข้อมูลของคุณอยู่ในระดับสินค้าในรายการ
    • การทำธุรกรรมนี้เป็นการคืนสินค้าหรือไม่: ฟิลด์จริง/เท็จที่ระบุว่าธุรกรรมเป็นการส่งคืนหรือไม่ ถ้า มูลค่าของธุรกรรม เป็นลบ เราจะอนุมานการส่งคืน
  • ข้อมูลกิจกรรมของลูกค้า:
    • รหัสลูกค้า: รหัสเฉพาะเพื่อแมปกิจกรรมกับลูกค้าของคุณ
    • คีย์หลัก: รหัสเฉพาะสำหรับกิจกรรม ตัวอย่างเช่น การเยี่ยมชมเว็บไซต์หรือเรกคอร์ดการใช้งานที่แสดงว่าลูกค้าได้ลองใช้ตัวอย่างผลิตภัณฑ์ของคุณ
    • ประทับเวลา: วันที่และเวลาของเหตุการณ์ที่ระบุโดยคีย์หลัก
    • เหตุการณ์: ชื่อของกลุ่มเหตุการณ์ที่คุณต้องการใช้ ตัวอย่างเช่น ฟิลด์ที่ชื่อว่า "UserAction" ในร้านขายของชำอาจเป็นคูปองที่ลูกค้าใช้
    • รายละเอียด: ข้อมูลรายละเอียดเกี่ยวกับเหตุการณ์ ตัวอย่างเช่น ฟิลด์ที่ชื่อว่า "CouponValue" ในร้านขายของชำอาจเป็นมูลค่าสกุลเงินของคูปอง
  • น้อยกว่า 20% ของค่าที่ขาดหายไปในฟิลด์ข้อมูลของตารางที่ระบุ

สร้างการคาดคะเนการเลิกทำธุรกรรม

  1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

  2. บนแท็บ สร้าง เลือก ใช้แบบจำลอง บนไทล์ แบบจำลองการเลิกใช้บริการของลูกค้า

  3. เลือก ธุรกรรม สำหรับชนิดของการเลิกใช้บริการแล้ว เริ่มต้นใช้งาน

  4. ตั้งชื่อแบบจําลองนี้ และ ชื่อตารางผลลัพธ์ เพื่อแยกความแตกต่างจากแบบจําลองหรือตารางอื่น

  5. เลือก ถัดไป

กำหนดการเลิกใช้บริการของลูกค้า

เลือก บันทึกแบบร่าง ได้ตลอดเวลาเพื่อบันทึกการคาดการณ์เป็นแบบร่าง การคาดการณ์แบบร่างจะแสดงในแท็บ การคาดการณ์ของฉัน

  1. ตั้งค่า กรอบเวลาการคาดคะเน ตัวอย่างเช่น คาดคะเนความเสี่ยงที่ลูกค้าจะเลิกใช้บริการใน 90 วันข้างหน้าเพื่อให้สอดคล้องกับความพยายามในการรักษาลูกค้าทางการตลาดของคุณ การคาดคะเนความเสี่ยงของการเลิกใช้บริการเป็นระยะเวลานานขึ้นหรือสั้นลงอาจทำให้ยากต่อการระบุปัจจัยในโปรไฟล์ความเสี่ยงของการเลิกใช้บริการ แต่ขึ้นอยู่กับข้อกำหนดทางธุรกิจเฉพาะ

  2. ป้อนจำนวนวันเพื่อกำหนดการเลิกใช้บริการในฟิลด์ คำนิยามการเลิกใช้บริการ ตัวอย่างเช่น หากลูกค้าไม่ได้มีการซื้อใดๆ ในช่วง 30 วันที่ผ่านมา พวกเขาอาจได้รับการพิจารณาว่าเลิกใช้บริการสำหรับธุรกิจของคุณ

  3. เลือก ถัดไป

เพิ่มประวัติการซื้อ

  1. เลือกเพิ่มข้อมูลสําหรับประวัติธุรกรรมของลูกค้า

  2. เลือกชนิดกิจกรรมเชิงความหมาย SalesOrder หรือ SalesOrderLine ที่มีข้อมูลประวัติการทำธุรกรรม หากยังไม่ได้ตั้งค่ากิจกรรม ให้เลือก ที่นี่ และสร้างกิจกรรมขึ้นมา

  3. ภายใต้ กิจกรรม ถ้ามีการแมปแอตทริบิวต์กิจกรรมในเชิงความหมายเมื่อสร้างกิจกรรม ให้เลือกแอตทริบิวต์หรือตารางเฉพาะที่คุณต้องการให้การคํานวณเน้น หากการแมปความหมายไม่เกิดขึ้น ให้เลือก แก้ไข และแมปข้อมูลของคุณ

    บานหน้าต่างด้านข้างแสดงการเลือกกิจกรรมเฉพาะภายใต้ชนิดทางความหมาย

  4. เลือก ต่อไป และตรวจสอบคุณสมบัติที่จำเป็นสำหรับแบบจำลองนี้

  5. เลือก บันทึก

  6. เพิ่มกิจกรรมเพิ่มเติม หรือเลือก ถัดไป

เพิ่มข้อมูลเพิ่มเติม (ตัวเลือก)

  1. เลือก เพิ่มข้อมูล สำหรับ กิจกรรมของลูกค้า

  2. เลือกชนิดกิจกรรมเชิงความหมายที่มีข้อมูลที่คุณต้องการใช้ หากยังไม่ได้ตั้งค่ากิจกรรม ให้เลือก ที่นี่ และสร้างกิจกรรมขึ้นมา

  3. ภายใต้ กิจกรรม ถ้ามีการแมปแอตทริบิวต์กิจกรรมในเชิงความหมายเมื่อสร้างกิจกรรม ให้เลือกแอตทริบิวต์หรือตารางเฉพาะที่คุณต้องการให้การคํานวณเน้น หากการแมปความหมายไม่เกิดขึ้น ให้เลือก แก้ไข และแมปข้อมูลของคุณ

  4. เลือก ต่อไป และตรวจสอบคุณสมบัติที่จำเป็นสำหรับแบบจำลองนี้

  5. เลือก บันทึก

  6. เลือก ถัดไป

ตั้งค่ากําหนดเวลาอัปเดต

  1. สำหรับขั้นตอน อัปเดตข้อมูล เลือกความถี่ในการฝึกแบบจำลองของคุณใหม่ 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

เคล็ดลับ

เลือกสถานะเพื่อเปิดบานหน้าต่าง รายละเอียดความคืบหน้า ซึ่งคุณสามารถดูความคืบหน้าของงานหรือเลือก ยกเลิกงาน เพื่อหยุดงาน

ดูผลลัพธ์การคาดการณ์

  1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

  2. ในแท็บ การคาดการณ์ของฉัน ให้เลือกการคาดการณ์ที่คุณต้องการดู

มีข้อมูลหลักสามส่วนภายในหน้าผลลัพธ์:

  • ประสิทธิภาพของแบบจําลองการฝึก: เกรด A, B หรือ C ระบุประสิทธิภาพของการคาดการณ์และสามารถช่วยให้คุณตัดสินใจที่จะใช้ผลลัพธ์ที่จัดเก็บไว้ในตารางผลลัพธ์

    เกรดจะถูกกําหนดตามกฎต่อไปนี้:

    • A เมื่อโมเดลคาดคะเนแม่นยำอย่างน้อย 50% ของการคาดคะเนทั้งหมดและเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการมากกว่าอัตราพื้นฐานอย่างน้อย 10%
    • B เมื่อโมเดลคาดคะเนแม่นยำอย่างน้อย 50% ของการคาดคะเนทั้งหมดและเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการมากกว่าอัตราพื้นฐานสูงสุด 10%
    • C เมื่อโมเดลคาดคะเนแม่นยำน้อยกว่า 50% ของการคาดคะเนทั้งหมด หรือเมื่อเปอร์เซ็นต์ของการคาดคะเนที่แม่นยำสำหรับลูกค้าที่เลิกใช้บริการน้อยกว่าอัตราพื้นฐาน
    • พื้นฐาน ใช้การป้อนข้อมูลกรอบเวลาการคาดคะเนสำหรับโมเดล (ตัวอย่างเช่น หนึ่งปี) และสร้างเศษส่วนของเวลาที่แตกต่างกันโดยหารด้วย 2 จนกว่าจะถึงหนึ่งเดือนหรือน้อยกว่านั้น โดยใช้เศษส่วนเหล่านี้เพื่อสร้างกฎธุรกิจสำหรับลูกค้าที่ไม่ได้ซื้อในกรอบเวลานี้ ลูกค้าเหล่านี้ถือว่าเลิกใช้บริการ กฎธุรกิจตามเวลาที่มีความสามารถสูงสุดในการคาดคะเนว่าใครมีแนวโน้มที่จะเลิกใช้บริการจะถูกเลือกเป็นโมเดลพื้นฐาน
  • โอกาสที่จะเลิกใช้บริการ (จำนวนลูกค้า): กลุ่มลูกค้าขึ้นอยู่กับความเสี่ยงที่คาดคะเนไว้ของการเลิกใช้บริการ หรือ สร้างเซ็กเมนต์ของลูกค้า ที่มีความเสี่ยงในการเลิกใช้บริการสูง เซ็กเมนต์ดังกล่าวช่วยให้เข้าใจว่าการตัดยอดของคุณควรเป็นอย่างไรสำหรับการเป็นสมาชิกเซ็กเมนต์

  • ปัจจัยที่มีอิทธิพลมากที่สุด: มีหลายปัจจัยที่นำมาพิจารณาเมื่อสร้างการคาดคะเนของคุณ ปัจจัยแต่ละอย่างมีความสำคัญในการคำนวณสำหรับการคาดคะเนแบบรวมที่โมเดลสร้าง ใช้ปัจจัยเหล่านี้เพื่อช่วยในการตรวจสอบผลลัพธ์การคาดการณ์ของคุณ หรือใช้ข้อมูลนี้ในภายหลังเพื่อ สร้างเซ็กเมนต์ ที่สามารถช่วยโน้มน้าวความเสี่ยงในการเลิกใช้บริการให้กับลูกค้า

โน้ต

ในตารางผลลัพธ์สำหรับโมเดลนี้ ChurnScore แสดงความน่าจะเป็นที่คาดคะเนไว้ของการเลิกใช้บริการ และ IsChurn เป็นป้ายชื่อไบนารีที่ยึดตาม ChurnScore ด้วยเกณฑ์ 0.5 หากค่าเกณฑ์เริ่มต้นนี้ใช้ไม่ได้กับสถานการณ์ของคุณ สร้างเซ็กเมนต์ใหม่ ด้วยเกณฑ์ที่คุณต้องการ ลูกค้าบางรายไม่จำเป็นต้องเป็นลูกค้าที่ใช้งานอยู่เสมอ บางรายการอาจไม่มีกิจกรรมใดๆ เป็นเวลานาน และถือว่าหลุดออกจากการใช้งานแล้วตามนิยามการหลุดออกจากการใช้งานของคุณ การคาดการณ์ความเสี่ยงในการเลิกใช้บริการสําหรับลูกค้าที่เลิกใช้บริการแล้วนั้นไม่มีประโยชน์เพราะพวกเขาไม่ใช่กลุ่มเป้าหมายที่สนใจ

หากต้องการดูคะแนนการเลิกใช้บริการ ให้ไปที่เอาต์พุต>> และดูแท็บข้อมูลสําหรับตารางผลลัพธ์ที่คุณกําหนดไว้สําหรับแบบจําลองนี้