Previzionați retragere din tranzacții

  • Articol

Schimbarea tranzacțională predicție ajută la estimarea dacă un client nu vă mai achiziționează produsele sau serviciile într-o anumită fereastră de timp. Schimbarea tranzacțiilor este utilă pentru a găsi clienți care nu mai cumpără produse în orice moment în timpul ferestrei de abandon definite. Pentru a găsi clienți care ar putea să-și anuleze achizițiile prestabilite în curs, vă recomandăm să utilizați modelul de eliminare a abonamentului.

Trebuie să aveți cunoștințe de afaceri pentru a înțelege ce înseamnă pierderea pentru afacerea dvs. De exemplu, o afacere cu evenimente anuale își poate defini rata de pierdere măsurată în ani, în timp ce o afacere care se adresează vânzărilor săptămânale măsoară rata de pierdere în luni. Acceptăm definițiile de retragere bazate pe timp, ceea ce înseamnă că un client este considerat ca fiind renuntat după o perioadă în care nu a făcut nicio achiziție.

De exemplu, Contoso dorește să știe cât de implicați sunt clienții pentru o campanie de e-mail dedicată reținerii. Clienții Contoso vizitează o vitrină în mod variabil, cel mai adesea de 3-4 ori pe lună. Tranzacțiile lor sunt neregulate, ceea ce face dificilă determinarea când un client încetează să cumpere marca Contoso. Prin modelul de pierdere a tranzacțiilor, Contoso poate determina probabilitatea ca clienții să cumpere din nou. Ei pot vedea modelele de conducere care conduc la părăsirea mărcii clienților, permițându-le să ajusteze alte strategii.

Cerințe preliminare

  • Cel puțin permisiuni de colaborator.
  • Cel puțin 500 de profiluri de clienți, de preferință mai mult de 1.000 de clienți unici.
  • Customer Identifier, un identificator unic pentru a potrivi tranzacțiile cu clienții dvs.
  • Date despre tranzacții pentru cel puțin două ori fereastra de timp selectată, cum ar fi doi până la trei ani de istoric al tranzacțiilor. În mod ideal, cel puțin două tranzacții per client. Istoricul tranzacțiilor trebuie să includă:
    • ID tranzacție: identificatorul unic al unei achiziții sau tranzacții.
    • Data tranzacției: data achiziției sau tranzacției.
    • Valoarea tranzacției: Valoarea monedei sau valoarea numerică a tranzacției.
    • ID unic de produs: ID-ul produsului sau serviciului achiziționat dacă datele dvs. se află la nivel de element rând.
    • Dacă această tranzacție a fost o returnare: un câmp adevărat/fals care identifică dacă tranzacția a fost o returnare sau nu. Dacă Valoarea tranzacției este negativă, deducem o rentabilitate.
  • Date despre activitatea clientului:
    • Customer Identifier, un identificator unic pentru a mapa activitățile clienților dvs.
    • Cheie primară: Identificator unic pentru o activitate. De exemplu, o vizită pe site sau o înregistrare de utilizare care arată că clientul a încercat un eșantion de produs.
    • Marca temporală: Data și ora evenimentului identificate prin cheia principală.
    • Eveniment: Numele evenimentului pe care doriți să-l utilizați. De exemplu, un câmp numit „UserAction” într-un magazin alimentar ar putea fi o utilizare a cuponului de către client.
    • Detalii: Informații detaliate despre eveniment. De exemplu, un câmp numit „CouponValue” într-un magazin alimentar ar putea fi valoarea valutară a cuponului.
  • Mai puțin de 20% din valorile lipsă în câmpul de date din tabelul furnizat.

Creați o predicție de retragere din tranzacții

  1. Accesați Insights>Predicții.

  2. În fila Creați , selectați Utilizați modelul pe Modelul de eliminare a clienților tigla.

  3. Selectați Tranzacție pentru tipul de abandon și apoi Începeți.

  4. Denumiți acest model și Numele tabelului de ieșire pentru a le distinge de alte modele sau tabele.

  5. Selectați Următorul.

Definiți retragerea clienților

Selectați Salvare schiță oricand pentru a salva predicție ca schiță. Schița predicție este afișată în fila Predicțiile mele .

  1. Setați predicție fereastra. De exemplu, preziceți riscul de retragere pentru clienții dvs. în următoarele 90 de zile pentru a se alinia la eforturile dvs. de marketing de retenție. Predicția riscului de retragere pentru o perioadă mai lungă sau mai scurtă de timp poate face mai dificilă abordarea factorilor din profilul dvs. de risc de retragere, dar depinde de cerințele dvs. de afaceri specifice.

  2. Introduceți numărul de zile pentru a defini retragerea în câmpul Definiție retragere . De exemplu, dacă un client nu a făcut nicio achiziție în ultimele 30 de zile, acesta ar putea fi considerat ca fiind prelucrat pentru afacerea dvs.

  3. Selectați Următorul.

Adăugați istoricul achizițiilor

  1. Selectați Adăugați date pentru Istoricul tranzacțiilor clientului.

  2. Selectați tipul de activitate semantică, SalesOrder sau SalesOrderLine, care conține informațiile despre istoricul tranzacțiilor. Dacă activitatea nu este configurată, selectați aici și creați-o.

  3. Sub Activități, dacă atributele activității au fost mapate semantic atunci când activitatea a fost creată, alegeți atributele specifice sau tabelul pe care doriți să se concentreze calculul. Dacă maparea semantică nu a avut loc, selectați Editați și mapați datele.

    Panoul lateral care arată alegerea activităților specifice sub tipul semantic.

  4. Selectați Înainte și examinați atributele necesare pentru acest model.

  5. Selectați Salvați.

  6. Adăugați mai multe activități sau selectați Următorul.

Adăugați mai multe date (opțional)

  1. Selectați Adăugați date pentru Activitățile clienților.

  2. Selectați tipul de activitate semantică care conține datele pe care doriți să le utilizați. Dacă activitatea nu a fost configurată, selectați aici și creați-o.

  3. Sub Activități, dacă atributele activității au fost mapate semantic atunci când activitatea a fost creată, alegeți atributele specifice sau tabelul pe care doriți să se concentreze calculul. Dacă maparea semantică nu a avut loc, selectați Editați și mapați datele.

  4. Selectați Înainte și examinați atributele necesare pentru acest model.

  5. Selectați Salvați.

  6. Selectați Următorul.

Configurați planificarea actualizărilor

  1. Pentru pasul Actualizări de date , alegeți o frecvență pentru a vă reanaliza modelul. Această setare este importantă pentru a actualiza precizia predicțiilor pe măsură ce sunt ingerate date noi. Majoritatea firmelor pot reinstrui o dată pe lună și pot obține o precizie bună pentru predicția lor.

  2. Selectați Următorul.

Examinați și rulați configurația modelului

Pasul Examinare și rulare afișează un rezumat al configurației și oferă șansa de a face modificări înainte de a crea predicție.

  1. Selectați Editați pentru oricare dintre pașii pentru a examina și a face orice modificări.

  2. Dacă sunteți mulțumit de selecțiile dvs., selectați Salvați și rulați pentru a începe să rulați modelul. Selectați Terminat. Fila Predicțiile mele se afișează în timpul creării predicție. Procesul poate dura câteva ore, în funcție de cantitatea de date utilizată în predicție.

Sfat

Există stări pentru sarcini și procese. Majoritatea proceselor depind de alte procese din amonte, cum ar fi sursele de date și profilarea datelor reîmprospătările.

Selectați starea pentru a deschide panoul Detalii progres și vizualizați progresul sarcinilor. Pentru a anula lucrarea, selectați Anulare lucrare în partea de jos a panoului.

Sub fiecare sarcină, puteți selecta Vedeți detalii pentru mai multe informații despre progres, cum ar fi timpul de procesare, data ultimei procesări și orice erori și avertismente aplicabile asociate sarcinii sau procesului. . Selectați Vizualizați starea sistemului din partea de jos a panoului pentru a vedea alte procese din sistem.

Vedeți rezultatele predicție

  1. Accesați Insights>Predicții.

  2. În fila Predicțiile mele , selectați predicție pe care doriți să-l vizualizați.

Există trei secțiuni principale de date în pagina de rezultate:

  • Performanța modelului de antrenament: Notele A, B sau C indică performanța predicție și vă pot ajuta să luați decizia de a utiliza rezultatele stocate în tabelul de ieșire.

    Nivelurile sunt stabilite pe baza următoarelor reguli:

    • A atunci când modelul a prezis cu exactitate cel puțin 50% din previziunile totale și când procentul de previziuni exacte pentru clienții care au făcut o evoluție este mai mare decât rata de referință cu cel puțin 10%.
    • B atunci când modelul a prezis cu exactitate cel puțin 50% din previziunile totale și când procentul de previziuni precise pentru clienții care au reușit este cu până la 10% mai mare decât valoarea de bază.
    • C atunci când modelul a prezis cu exactitate mai puțin de 50% din totalul previziunilor sau când procentul de predicții precise pentru clienții care au reușit este mai mic decât valoarea de referință.
    • Linia de bază prea intrarea în fereastra de timp predicție pentru model (de exemplu, un an) și creează diferite fracțiuni de timp, împărțind-o la 2, până când ajunge la o lună sau mai puțin. Utilizează aceste fracții pentru a crea o regulă de afaceri pentru clienții care nu au achiziționat în acest interval de timp. Acești clienți sunt considerați ca fiind retrași. Ca model de referință este aleasă regula de afaceri bazată pe timp, cu cea mai mare capacitate de a prezice cine este probabil să se retragă.

  • Probabilitatea de retragere (număr de clienți): grupuri de clienți bazate pe riscul estimat de retragere. Opțional, creați segmente de clienți cu risc ridicat de pierdere. Astfel de segmente vă ajută să înțelegeți unde ar trebui să fie delimitarea dvs. pentru membrii segmentului.

  • Cei mai influenți factori: există mulți factori care sunt luați în considerare atunci când vă creați predicție. Fiecare dintre factori are importanța sa calculată pentru predicțiile agregate pe care le creează un model. Utilizați acești factori pentru a vă valida rezultatele predicție. Sau folosiți aceste informații mai târziu pentru a crea segmente care ar putea contribui la influențarea riscului de retragere pentru clienți.

Notă

În tabelul de ieșire pentru acest model, ChurnScore arată probabilitatea estimată de abandon și IsChurn este o etichetă binară bazată pe pe ChurnScore cu un prag de 0,5. Dacă acest prag prestabilit nu funcționează pentru scenariul dvs., creați un nou segment cu pragul preferat. Nu toți clienții sunt în mod necesar clienți activi. Este posibil ca unii dintre ei să nu fi avut nicio activitate de mult timp și să fie considerați deja derutați, pe baza definiției dvs. de retragere. Prezicerea riscului de retragere pentru clienții care deja au retragere nu este utilă deoarece nu sunt publicul de interes.

Pentru a vedea scorul de abandon, accesați Date>Tabele și vizualizați fila de date pentru tabelul de ieșire pe care l-ați definit pentru acest model.