交易流失預測

交易性流失預測有助於預測客戶是否會在預訂的時間視窗中不再購買您的產品或服務。 您可以在 智慧 > 預測 上建立新流失預測。 選取 我的預測 以查看您所建立的其他預測。

以商務帳戶為主的環境方面，我們可以預測某帳戶的交易流失情況，也可以結合帳戶和其他層級的資訊如產品大類。 新增維度有助於找出那個帳戶「Contoso」將停止購買產品大類「辦公室文具」的可能性。 此外商務帳戶方面，我們也可以使用 AI 產生次級資訊大類帳戶流失的潛在原因清單。

提示

請至使用範例資料的交易流失預測的教學課程：交易流失預測範例指南。

先決條件

個人消費者 (B2C)

• 至少有 Customer Insights 中的參與者權限。
• 可了解流失率對您的業務所具意義的商務知識。 我們支援以時間較主的流失定義，意謂在無購買期間後，客戶視同已流失。
• 關於您的交易/購買及其歷史記錄的資料：
  • 區分購買/交易的交易識別碼。
  • 比對您的客戶交易的客戶識別碼。
  • 交易事件日期定義發生交易的日期。
  • 購買/交易的語義資料結構描述需要下列資訊：
    • 交易識別碼：購買或交易的唯一識別碼。
    • 交易日期：購買或交易日期。
    • 交易值：交易/品項幣別/數字價值金額。
    • (非必要)唯一的產品識別碼：如果您的資料是列項等級，則為已購買產品或服務的識別碼。
    • (非必要)是否退回此交易：辨識交易退回與否的真/偽欄位。 如果 交易值 是負值，我們也會使用此項資訊推論是否退還。
• (非必要) 關於客戶活動的資料：
  • 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。 例如顯示客戶試用您產品樣本的網站造訪或使用方式記錄。
    • 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。 例如雜貨店內稱為 "UserAction" 的欄位可能是客戶的優惠券用途。
    • 詳細資料： 關於事件的詳細資訊。 例如雜貨店內稱為 "CouponValue" 的欄位可能是優惠券的貨幣值。

商務帳戶 (B2B)

• 至少有 Customer Insights 中的參與者權限。
• 可了解流失率對您的業務所具意義的商務知識。 我們支援以時間較主的流失定義，意謂在無購買期間後，客戶視同已流失。
• 關於您的交易/購買及其歷史記錄的資料：
  • 區分購買/交易的交易識別碼。
  • 比對您的客戶交易的客戶識別碼。
  • 交易事件日期定義發生交易的日期。
  • 購買/交易的語義資料結構描述需要下列資訊：
    • 交易識別碼：購買或交易的唯一識別碼。
    • 交易日期：購買或交易日期。
    • 交易值：交易/品項幣別/數字價值金額。
    • (非必要)唯一的產品識別碼：如果您的資料是列項等級，則為已購買產品或服務的識別碼。
    • (非必要)是否退回此交易：辨識交易退回與否的真/偽欄位。 如果 交易值 是負值，我們也會使用此項資訊推論是否退還。
• (非必要) 關於客戶活動的資料：
  • 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。 例如顯示客戶試用您產品樣本的網站造訪或使用方式記錄。
    • 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。 例如雜貨店內稱為 "UserAction" 的欄位可能是客戶的優惠券用途。
    • 詳細資料： 關於事件的詳細資訊。 例如雜貨店內稱為 "CouponValue" 的欄位可能是優惠券的貨幣值。
• (非必要) 關於您的客戶的資料：
  • 此資料應對齊更多靜態屬性，才能確保型號最佳的執行效能。
  • 適用客戶資料的語義資料結構描述包括：
    • CustomerID： 客戶的唯一識別碼。
    • 建立日期： 最初新增客戶的日期。
    • 州或省份： 客戶位置所屬州別或省份。
    • 國家/地區： 客戶的國家/地區。
    • 產業： 客戶的產業類型。 例如，咖啡豆烘焙機中名為「產業」的欄位可能指示客戶是否為零售商。
    • 分類： 業務的客戶分類。 例如咖啡豆烘焙機中名為「ValueSegment」的欄位可能是根據客戶規模訂定的客戶階層。

• 建議的資料特性：
  • 足夠的歷史資料：交易資料至少要是所選取時段的兩倍。 最好有 2 到 3 年的交易記錄。
  • 每個客戶有多個購買：最好每個客戶至少有二個交易記錄。
  • 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

對於客戶購買頻率高的公司 (每隔幾周)，建議選取較短的預測時段和流失定義。 對於低購買頻率 (隔幾個月或每年一次)，請選擇較長的預測時段和流失定義。

建立交易流失預測

1. 在 Customer Insights 中，移至 智慧 > 預測。

2. 選取 客戶流失模型 圖格，然後選取 使用此模型。

3. 請在 客戶流失模型 窗格中選擇 交易 並選取 開始使用。

命名模型

1. 提供模型的名稱，以便與其他模型有所區分。

2. 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。

3. 選取 下一步。

定義客戶流失

1. 設定 預測範圍。 例如預測您的客戶在未來 90 天流失的風險，以便符合您的行銷留客心血。 預測較長或較短期間的風險會更難解決您的流失風險設定檔中的因素，但得視您的特定業務需求而定。

   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。

2. 在 流失定義 欄位中輸入天數來定義流失。 例如倘若客戶在過去 30 天內未曾購買，則可能視同您已流失他們的生意。

3. 選取 下一步 以繼續。

新增必要資料

1. 側邊窗格包含所需交易記錄或購買歷史資訊，在其中選取 新增資料，然後選擇活動類型。

2. 在 選取活動 底下，從選取的活動類型中，選取您想要進行計算的特定活動。

   

   如果尚未將活動對應至語義類型，請選取 編輯 來對應。 對應語義式活動的引導式體驗會打開。 在選取的活動類型中將資料對應到對應的欄位。

3. 將語義屬性對應至執行模型必須的欄位。 如果未填滿下方欄位，請從您的購買歷史記錄實體將關係組態為 客戶 實體。 選取 儲存。

4. 在 新增必要的資料 步驟中，如果您不想要新增其他活動，請選取 下一步 繼續。

個人消費者 (B2C)

新增其他資料 (非必要)

設定客戶活動實體到 客戶 實體的關聯。

1. 請在客戶活動表格中選取找出客戶的欄位。 這可以直接關聯到 客戶 實體的主要客戶識別碼。

2. 選取您的主要 客戶 實體的實體。

3. 輸入描述此關聯的名稱。

客戶活動

1. 或者選取 新增 客戶活動資料。

2. 選取包含您要使用資料的語義活動類型，然後在 活動 分段選取一項或多項活動。

3. 選取與您要設定之客戶活動類型相配的活動類型。 請選取 新建 並選擇可用的活動類型或建立新類型。

4. 選取 下一步，然後 儲存。

5. 如果您有任何其他想要納入的客戶活動，請重覆上述步驟。

商務帳戶 (B2B)

選取預測層級

絕大部分的預測都以客戶等級建立。 某些情況可能無法精確到滿足您的業務需求。 例如您可以使用此功能預測客戶分支的流失，而不是預測客戶整體的流失。

1. 若要以勝過客戶的精細等級建立預測，請選取 選取次級等級的實體。 如果無法使用此選項，請確保您已經完成上一個分段。

2. 展開您想要選擇次級等級的實體，或使用搜尋篩選方塊篩選選取的選項。

3. 請選擇您想要以次要等級使用的屬性，然後選取 新增。

4. 選取 下一步。

備註

因為此分段與您在前分段選擇的實體有其關聯性，因此會顯示本分段可用的實體。 如果您看不到要新增的實體，請確保該實體在 關聯 中具備有效的關聯。 本組態只有一對一或多對一關聯有效。

新增其他資料 (非必要)

設定客戶活動實體到 客戶 實體的關聯。

1. 請在客戶活動表格中選取找出客戶的欄位。 這可以直接關聯到 客戶 實體的主要客戶識別碼。

2. 選取您的主要 客戶 實體的實體。

3. 輸入描述此關聯的名稱。

客戶活動

1. 或者選取 新增 客戶活動資料。

2. 選取包含您要使用資料的語義活動類型，然後在 活動 分段選取一項或多項活動。

3. 選取與您要設定之客戶活動類型相配的活動類型。 請選取 新建 並選擇可用的活動類型或建立新類型。

4. 選取 下一步，然後 儲存。

5. 如果您有任何其他想要納入的客戶活動，請重覆上述步驟。

客戶資料

1. 或者針對 客戶資料 選取 新增資料。

2. 將語義屬性對應到您自己的客戶資料欄位。 使用的欄位資料不應該經常變更，才能確保型號的最佳效能。 例如選取每個月變更，只在預測中使用最新值的「分類」欄位，儘管相同值過去可能不適用建立預測型態時的客戶。

3. 選取 下一步。

請提供基準指標帳戶的選項清單

新增您要用作基準指標的商務客戶和帳戶清單。 您將會取得這些基準指標帳戶詳細資料，包括他們的流失分數及對流失預測最具影響力的功能。

1. 請選取 + 新增客戶。

2. 選擇用作準則的客戶。

3. 選取 下一步 以繼續。

設定排程並檢閱設定

1. 設定保留模型的頻率。 此設定對更新預測準確度很重要，因為新資料已經內嵌。 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。

2. 選取 下一步。

3. 評論預測的組態。 您可以藉由選取顯示值下方的 編輯 返回先前步驟。 或者，也可以從進度指示器中選取設定步驟。

4. 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

1. 請前往 智慧 > 預測 並選取 我的預測 索引標籤。

2. 選取您要檢閱的預測。

   • 預測名稱：建立預測時提供的名稱。
   • 預測類型：用於預測的模型類型
   • 輸出實體：儲存預測輸出實體的名稱。 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。 並非所有的客戶都必須是活躍的客戶。 其中某些客戶可能有很長的時間沒有任何活動，而且已經被視為流失 (根據您的流失定義)。 預測已經流失的客戶流失風險沒有多大用處，因為他們不是您感興趣的對象。
   • 預測欄位：此欄位只能填滿某些類型的預測，不用在流失預測中。
   • 狀態：預測執行狀態。
     • 已排入佇列：預測正在等待其他預計執行的流程。
     • 重新整理中：預測目前正在執行，以產生將流入輸出實體的結果。
     • 失敗：預測執行失敗。 如需更多細節，請回顧記錄。
     • 已成功：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：預測設定變更的日期。
   • 上次重新整理：在此日期預測重新整理輸出實體中的結果。

3. 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。

   

個人消費者 (B2C)

1. 結果頁面中有三個主要的資料區段：

   • 訓練模型效能：A、B 或 C 是可能的分數。 此分數指出預測的效能，可幫助您做決策，使用輸出實體儲存的結果。 分數是根據下列規則所決定：

     • A 當模型準確預測到至少佔總預測數 50% 時，並且當已流失客戶的準確預測百分比大於基準率至少 10% 時。

     • B 當模型準確預測到至少佔總預測數 50% 時，並且當已流失客戶的準確預測百分比大於基準率達到 10% 時。

     • C 當模型準確預測到佔總預測數 50% 以下時，或者當已流失客戶的準確預測百分比少於基準率時。

     • 基準 取用模型的預測時間視窗輸入 (例如一年)，而模型會一分為二建立不同時段直到它達到一個月或更短期間。 它使用這些時段建立這個時間框架中並未購買的客戶商業規則。 這些客戶視同已流失。 預測極可能流失能力最高的時段型商業規則已選為基準模型。

   • 流失可能性 (客戶人數)：根據他們預測的流失風險編列的客戶群組。 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。

   • 最具影響力的因素： 建立預測時會納入許多考慮因素。 每個因素都會根據模型建立的彙總預測來計算其重要性。 您可以使用這些因素協助驗證您的預測結果，或者稍候使用此資訊建立有助於影響客戶流失風險的區段。

商務帳戶 (B2B)

1. 結果頁面中有三個主要的資料區段：

   • 訓練模型效能：A、B 或 C 是可能的分數。 此分數指出預測的效能，可幫助您做決策，使用輸出實體儲存的結果。 分數是根據下列規則所決定：

     • A 當模型準確預測到至少佔總預測數 50% 時，並且當已流失客戶的準確預測百分比大於基準率至少 10% 時。

     • B 當模型準確預測到至少佔總預測數 50% 時，並且當已流失客戶的準確預測百分比大於基準率達到 10% 時。

     • C 當模型準確預測到佔總預測數 50% 以下時，或者當已流失客戶的準確預測百分比少於基準率時。

     • 基準 取用模型的預測時間視窗輸入 (例如一年)，而模型會一分為二建立不同時段直到它達到一個月或更短期間。 它使用這些時段建立這個時間框架中並未購買的客戶商業規則。 這些客戶視同已流失。 預測極可能流失能力最高的時段型商業規則已選為基準模型。

   • 流失可能性 (客戶人數)：根據他們預測的流失風險編列的客戶群組。 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。

   • 最具影響力的因素： 建立預測時會納入許多考慮因素。 每個因素都會根據模型建立的彙總預測來計算其重要性。 您可以使用這些因素協助驗證您的預測結果，或者稍候使用此資訊建立有助於影響客戶流失風險的區段。

2. 商務客戶方面，您將發現 影響力功能分析 資訊頁面。 它包含四個資料分段：

   • 右窗格選取的項目決定此頁面的內容。 請從 熱門客戶 或 基準指標客戶 選取某項目。 兩份清單都是藉由減少流失分數值排列順序，不論分數只用於客戶或用於客戶的結合分數及像產品大類的次等級。

     • 最重要的客戶：根據流失分數，流失風險最高和最低的 10 名客戶清單。
     • 基準指標客戶：組態模型時選取的最多 10 名客戶清單。

   • 流失分數： 右窗格顯示選取項目的流失分數。

   • 流失風險分佈： 顯示客戶間流失風險的分佈情況及選取客戶的百分位數。

   • 名列前矛的流失風險增減功能： 右窗格的選取項目方面，會列出增加和減少流失風險的前五大功能。 每個具影響力的功能方面，您發現該項目的功能值及其對流失分數的影響。 畫面也會顯示橫跨低、中及高流失客戶區段的各功能平均值。 這有助於將選取項目的前幾項最大影響力功能值置入上下文語境，並拿來和低、中和高流失客戶區段比較。

     • 低：流失分數 0 和 0.33 之間的帳戶或與次等級的組合帳戶
     • 中：流失分數 0.33 和 0.66 之間的帳戶或與次等級的組合帳戶
     • 高：流失分數 0.66 以上的帳戶或與次等級的組合帳戶

     當您預計帳戶等級的流失時，所有帳戶會納入針對流失區段衍生平均功能值的考量。 各帳戶次等級流失預測方面，流失區段的衍生取決於側窗格選取項目的次等級。 例如，如果某項目的產品大類在次等級 = 辦公用品，則只有在衍生流失區段的平均功能值時，才會考慮將辦公用品視為產品大類的項目。 此邏輯會套用，以確保平均值橫跨低、中和高流失區段的項目功能值進行公平比較。

     在某些案例中，低、中或高流失區段的平均值為空白或無法使用，因為沒有上述定義屬於對應流失區段的項目。

     備註

     分屬平均低、中、高欄位值的解讀隨著像國家/地區或產業的分類功能而異。 因為「平均」功能值的概念並不適用分類功能，所以這些欄位值指的是低、中或高流失區段的客戶比例，而相較於側面板選取的項目，它們具備相同的分類功能值。

管理預測

最佳化、疑難排解、重新整理或刪除預測都能夠做到。 檢閱輸入資料可用性報表，找出如何讓預測更快捷和更可靠。 如需詳細資訊，請前往管理預測。

備註

是否能請您告知您偏好的慣用文件語言？ 請填寫問卷。 (請注意，本問卷為英文版)

完成問卷大約需要七分鐘。 本問卷將不會收集個人資料 (隱私權聲明)。