Przewidywanie rezygnacji klientów

Usługa Machine Learning

Pomysł rozwiązania Solution Idea

Jeśli chcesz się dowiedzieć, Rozszerz ten artykuł, aby uzyskać więcej informacji, szczegóły dotyczące implementacji, wskazówki dotyczące cen lub przykłady kodu, powiadom nas o opinii usługi 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!

Funkcja prognozowania zmian klientów używa Cortana Intelligence Suite składników do przewidywania prawdopodobieństwa zmian i pomaga w znalezieniu wzorców istniejących danych skojarzonych z przewidywalną szybkością zmian.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.

ArchitekturaArchitecture

Diagram architektury Pobiera plik SVG z tej architektury.Architecture Diagram Download an SVG of this architecture.

OpisDescription

Aby uzyskać więcej informacji o tym, jak to rozwiązanie zostało skompilowane, odwiedź Przewodnik po rozwiązaniu w witrynie GitHub.For more details on how this solution is built, visit the solution guide in GitHub.

Utrzymywanie obecnych klientów jest pięć razy tańsze niż koszt osiągnięcia nowych.Keeping existing customers is five times cheaper than the cost of attaining new ones. Z tego powodu kadry wykonawcze często nie próbują ocenić prawdopodobieństwa zmiany klienta i znalezienia niezbędnych działań, aby zminimalizować stopień zmian.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.

Funkcja prognozowania zmian klientów używa Azure Machine Learning do przewidywania prawdopodobieństwa zmian i pomaga w znalezieniu wzorców istniejących danych skojarzonych z przewidywalną szybkością zmian.Customer Churn Prediction uses Azure Machine Learning to predict churn probability and helps find patterns in existing data associated with the predicted churn rate. Te informacje umożliwiają firmom przeprowadzanie analizy z możliwością podejmowania działań w celu poprawy poziomu przechowywania klientów i marży zysku.This information empowers businesses with actionable intelligence to improve customer retention and profit margins.

Celem tego przewodnika jest przedstawienie potoków danych predykcyjnych dla sprzedawców detalicznych w celu przewidywania zmian klientów.The objective of this guide is to demonstrate predictive data pipelines for retailers to predict customer churn. Detaliści mogą korzystać z tych prognoz, aby zapobiec powstawaniu klientów, korzystając z wiedzy o domenie i odpowiednich strategii marketingowych, aby sprostać klientom z ryzykiem.Retailers can use these predictions to prevent customer churn by using their domain knowledge and proper marketing strategies to address at-risk customers. W tym przewodniku pokazano również, jak można ponownie przeszkolić modele zmian klientów, aby wykorzystać dodatkowe dane w miarę ich udostępniania.The guide also shows how customer churn models can be retrained to leverage additional data as it becomes available.

Co poniżej okapuWhat's Under the Hood

Kompleksowe rozwiązanie jest implementowane w chmurze przy użyciu Microsoft Azure.The end-to-end solution is implemented in the cloud, using Microsoft Azure. Rozwiązanie składa się z kilku składników platformy Azure, takich jak pozyskiwanie danych, przechowywanie danych, przenoszenie danych, Zaawansowana analiza i wizualizacja.The solution is composed of several Azure components, including data ingest, data storage, data movement, advanced analytics and visualization. Zaawansowana analiza jest implementowana w Azure Machine Learning, w której jeden może używać języka Python lub R do kompilowania modeli analizy danych (lub ponownego wykorzystania istniejących bibliotek wewnętrznych lub innych firm).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). Dzięki pozyskiwaniu danych rozwiązanie może wykonywać prognozy na podstawie danych transferowanych na platformę Azure z środowiska lokalnego.With data ingest, the solution can make predictions based on data that being transferred to Azure from an on-premises environment.

Pulpit nawigacyjny rozwiązaniaSolution Dashboard

Poniższa migawka przedstawia przykładowy pulpit nawigacyjny usługi Power BI, który zapewnia wgląd w przewidywalną szybkość zmian w ramach podstawy klienta.The snapshot below shows an example PowerBI dashboard that gives insights into the the predicted churn rates across the customer base.

Insights