訂閱流失預測

文章
05/05/2022

訂閱流失預測有助於預測客戶是否面臨不再使用您公司的訂閱產品或服務的風險。您可以在智慧 > 預測頁面上建立新的訂閱流失預測。選取 我的預測 以查看您所建立的其他預測。

提示

試用以範例資料組成的訂購流失預測教學課程：訂閱流失預測範例指南。

先決條件

至少參與者權限。
可了解流失率對您的業務所具意義的商務知識。我們支援以時間為基礎的流失率定義，意指客戶在訂閱結束後經過一段時間仍未續訂，即視為已流失。
您的訂閱及其歷程記錄的相關資料：
- 訂閱識別碼，用於區分訂閱。
- 客戶識別碼，用於將訂閱與客戶相配。
- 訂閱事件日期，這些日期定義開始日期、結束日期以及訂閱事件發生日期。
- 訂閱資訊，用於定義此訂閱是否為定期訂閱，以及多久續訂一次。
- 訂閱的語意資料結構描述必須有下列資訊：
  - 訂閱識別碼： 訂閱的唯一識別碼。
  - 訂閱結束日期： 客戶的訂閱到期日。
  - 訂閱開始日期： 客戶的訂閱起始期日。
  - 交易日期： 訂閱發生變更的日期。例如，客戶購買或取消訂閱。
  - 是否為定期訂閱： 布林值 [是/否] 欄位，可判斷訂閱在客戶不干預的情況下，是否使用相同的訂閱識別碼續訂
  - 週期頻率 (以月為單位)： 如果是定期訂閱，即為訂閱將會續訂的一段期間。這是以月數來表示。例如，每年自動為客戶續訂另一年期的年度訂閱，其值為 12。
  - (選用) 訂閱金額： 客戶支付訂閱續訂的貨幣金額。這有助於識別不同等級訂閱的模式。
客戶活動的相關資料：
- 活動識別碼，用於區分相同類型的活動。
- 客戶識別碼，用於將活動對應至客戶。
- 活動資訊，包含活動的名稱和日期。
- 客戶活動的語意資料結構描述包含下列資訊：
  - 主索引鍵： 活動的唯一識別碼。例如，顯示客戶所觀看電視節目影集的網站瀏覽或使用記錄。
  - 時間戳記： 由主索引鍵所識別之事件的日期和時間。
  - 事件： 您要使用的事件的名稱。例如，串流視訊服務中名為「使用者動作」的欄位可能會有「已觀看」的值。
  - 詳細資料： 關於事件的詳細資訊。例如，串流視訊服務中名為「節目標題」的欄位可能會有「客戶已觀看的影片」的值。
建議的資料特性：
- 足夠的歷史資料：訂閱資料至少要是所選取時段的兩倍。最好有二到三年的訂閱資料。
- 訂閱狀態：資料包含每個客戶的使用中和非使用中的預訂，因此每個客戶識別碼有多個項目。
- 客戶數量：至少 10 個客戶個人資料，最好超過 1,000 個不重複客戶。少於 10 位客戶且歷史資料不足此模型將會失敗。
- 資料完整性：提供的實體，其中的資料欄位缺失值少於 20% 。
備註

您至少需要兩個您要計算其流失的 50% 客戶的活動記錄。

建立訂閱流失預測

請移至智慧 > 預測。
選取 訂閱流失模型 圖格，然後選取 使用此模型。

命名模型

提供模型的名稱，以便與其他模型有所區分。
使用數字和字母提供輸出實體的名稱，不含任何空格。這是模型實體將會使用的名稱。然後選取 下一步。

定義客戶流失

輸入 訂閱結束後經過的天數 的數值，表示您的業務考量中將客戶視為已流失狀態的天數。這段時間通常適合像優惠方案或其他為避免失去客戶而在行銷上所做努力這樣的商務活動。
輸入 展望未來以預測流失的天數 以設定要預測流失的時間範圍。例如，若要預測客戶在接下來 90 天的流失風險，以配合您的行銷挽留工作。根據您的特定業務需求不同，預測較長或較短時間的流失風險可能會更難解決在流失風險個人資料中的因素。選取 下一步 以繼續

提示

您隨時可以選取 儲存草稿，儲存預測草稿。您可在 我的預測 索引標籤中找到草稿預測來繼續。

新增必要資料

選取 訂閱歷程記錄 的 新增資料，然後選擇可提供先決條件中所述訂閱歷程記錄資訊的實體。
如果以下欄位未填入，請設定從您的訂閱歷程記錄實體到客戶實體的關聯。
1. 選取 訂閱歷程記錄實體。
2. 選取可識別訂閱歷程記錄實體中客戶的欄位。這必須與您的客戶實體的主要客戶識別碼相關。
3. 選取與主要客戶實體相配的 客戶實體。
4. 輸入描述此關聯的名稱。
選取 下一步。
將語意欄位對應至訂閱歷程記錄實體中的屬性，然後選取儲存。如需欄位的描述，請查看先決條件。
選取 客戶活動 的 新增資料，然後選擇可提供先決條件中所述客戶活動資訊的實體。
選取與您要設定之客戶活動類型相配的活動類型。如果看不到符合您所需活動類型的選項，請選取 建立新的 並提供名稱。
您必須設定從客戶活動實體到客戶實體的關聯。
1. 選取可識別客戶活動表格中客戶的欄位，此欄位可以直接與客戶實體的主要客戶識別碼相關聯。
2. 選取與主要客戶實體相配的客戶實體
3. 輸入描述此關聯的名稱。
選取 下一步。
將語意欄位對應至客戶活動實體中的屬性，然後選取儲存。如需欄位的描述，請查看先決條件。
(選用) 如果有任何您要加入的其他客戶活動，請重複上述步驟。
選取 下一步。

設定排程並檢閱設定

設定保留模型的頻率。此設定對更新預測準確度很重要，因為新資料會內嵌到 Customer Insights 中。大部分企業都可以每月重新定型一次，讓他們的預測取得良好的準確度。
選取 下一步。
檢閱設定。您可以選取顯示值底下的編輯，返回預測設定的任何一部分。或者，也可以從進度指示器中選取設定步驟。
如果所有的值都已正確設定，請選取 儲存並執行 以開始預測程序。在 我的預測 索引標籤中，您可以看到預測狀態。視預測中使用的資料量而定，此程序可能需要數個小時才能完成。

檢閱預測狀態與結果

移至智慧 > 預測上的 我的預測 索引標籤。
選取您要檢閱的預測。
- 預測名稱： 建立預測時提供的預測名稱。
- 預測類型： 預測使用的模型類型
- 輸出實體： 用於儲存預測輸出之實體的名稱。您可以在資料 > 實體中找到具有此名稱的實體。
  在輸出實體中，ChurnScore 是發生流失的可能性和 IsChurn 是根據 ChurnScore 加上 0.5 閾值的二元標籤。預設閾值可能不適用於您的案例。以您喜歡的閾值建立新的區段。
- 預測欄位： 此欄位只有某些類型的預測才會填入，並在訂閱流失預測中並未使用。
- 狀態： 預測的執行的目前狀態。
  - 已排入佇列： 預測目前正在等待其他要執行的程序。
  - 重新整理： 預測目前正在執行「分數」處理階段，以產生流入輸出實體的結果。
  - 失敗： 預測失敗。選取 記錄檔 以取得更多詳細資料。
  - 成功： 預測已成功。選取垂直省略符號下方的檢視來檢閱預測
- 已編輯： 變更預測設定的日期。
- 上次重新整理： 預測重新整理輸出實體中結果的日期。
選取您要檢閱結果的預測旁邊的垂直省略符號，並選取檢視。
結果頁面中有三個主要的資料區段：
1. 定型模型效能： A、B 或 C 是可能的分數。此分數表示預測的效能，可協助您做出決定以使用輸出實體中儲存的結果。
  - 分數是根據下列規則所決定：
    - A 當模型的準確預測至少佔預測總數的 50% 時，以及對客戶流失的準確預測百分比超過歷史平均流失率幅度至少 10% 時。
    - B 當模型的準確預測至少佔預測總數的 50% 時，以及對客戶流失的準確預測百分比超過歷史平均流失率幅度最多 10% 時。
    - C 當模型的準確預測佔預測總數低於 50% 時，或者對客戶流失的準確預測百分比小於歷史平均流失率時。
2. 流失可能性 (客戶數目)： 根據預測的流失風險分組的客戶群組。稍後如果您想要建立有高度流失風險的客戶細分時，此資料可以協助您。這類客戶細分有助於了解客戶細分成員分界所在的位置。
3. 最具影響力的因素： 建立預測時，有許多納入考慮的因素。每個因素都有其針對模型所建立彙總預測而計算的重要性。您可以使用這些因素來協助驗證預測結果。您也可以稍後再使用此資訊來建立客戶細分，這可能有助於影響客戶的流失風險。