Previsione dell'abbandono dei clienti

Machine Learning

Soluzione idea Solution Idea

Per ulteriori informazioni, dettagli sull'implementazione, indicazioni sui prezzi o esempi di codice, vedere l'articolo relativo all'espansione di questo articolo con commenti e suggerimenti su GitHub.If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

La stima di varianza dei clienti USA i componenti di Cortana Intelligence Suite per stimare la probabilità di varianza e aiuta a trovare modelli nei dati esistenti associati alla frequenza di varianza stimata.Customer Churn Prediction uses Cortana Intelligence Suite components to predict churn probability and helps find patterns in existing data associated with the predicted churn rate.

ArchitectureArchitecture

Diagramma dell'architettura scaricare un SVG di questa architettura.Architecture Diagram Download an SVG of this architecture.

DescrizioneDescription

Per altri dettagli su come viene compilata questa soluzione, vedere la guida alla soluzione in GitHub.For more details on how this solution is built, visit the solution guide in GitHub.

Mantenere i clienti esistenti è cinque volte più economico rispetto al costo del raggiungimento di nuovi clienti.Keeping existing customers is five times cheaper than the cost of attaining new ones. Per questo motivo, i dirigenti di marketing si trovano spesso a provare a stimare la probabilità di varianza del cliente e a individuare le azioni necessarie per ridurre al minimo la percentuale di varianza.For this reason, marketing executives often find themselves trying to estimate the likelihood of customer churn and finding the necessary actions to minimize the churn rate.

La stima della varianza dei clienti USA Azure Machine Learning per stimare la probabilità di varianza e consente di trovare modelli nei dati esistenti associati alla frequenza di varianza stimata.Customer Churn Prediction uses Azure Machine Learning to predict churn probability and helps find patterns in existing data associated with the predicted churn rate. Queste informazioni consentono alle aziende con funzionalità di Intelligence pratica di migliorare la fidelizzazione dei clienti e i margini di profitto.This information empowers businesses with actionable intelligence to improve customer retention and profit margins.

L'obiettivo di questa guida è quello di illustrare le pipeline di dati predittivi per i rivenditori per prevedere la varianza dei clienti.The objective of this guide is to demonstrate predictive data pipelines for retailers to predict customer churn. I rivenditori possono usare queste stime per evitare la varianza dei clienti usando le proprie conoscenze di dominio e le strategie di marketing appropriate per risolvere i clienti a rischio.Retailers can use these predictions to prevent customer churn by using their domain knowledge and proper marketing strategies to address at-risk customers. La guida illustra anche come è possibile ripetere il training dei modelli di varianza del cliente per sfruttare i dati aggiuntivi non appena diventano disponibili.The guide also shows how customer churn models can be retrained to leverage additional data as it becomes available.

Funzionalità dietro le quinteWhat's Under the Hood

La soluzione end-to-end viene implementata nel cloud, usando Microsoft Azure.The end-to-end solution is implemented in the cloud, using Microsoft Azure. La soluzione è composta da diversi componenti di Azure, tra cui inserimento di dati, archiviazione dei dati, spostamento dei dati, analisi e visualizzazione avanzate.The solution is composed of several Azure components, including data ingest, data storage, data movement, advanced analytics and visualization. Le analisi avanzate sono implementate in Azure Machine Learning, in cui è possibile usare il linguaggio Python o R per compilare modelli data science (o riutilizzare librerie interne o di terze parti esistenti).The advanced analytics are implemented in Azure Machine Learning, where one can use Python or R language to build data science models (or reuse existing in-house or third-party libraries). Con l'inserimento dei dati, la soluzione può eseguire stime basate sui dati trasferiti in Azure da un ambiente locale.With data ingest, the solution can make predictions based on data that being transferred to Azure from an on-premises environment.

Dashboard della soluzioneSolution Dashboard

Lo snapshot seguente mostra un dashboard di Power BI di esempio che fornisce informazioni dettagliate sulle percentuali di varianza stimate per la base del cliente.The snapshot below shows an example PowerBI dashboard that gives insights into the the predicted churn rates across the customer base.

Informazioni dettagliate