Exempelguide för förutsägelse av prenumerationsomsättning

Den här guiden visar ett exempel på förutsägelse för prenumerationsomsättning från slutpunkt till slutpunkt med hjälp av exempeldata. Vi rekommenderar att du provar denna prediktion i en ny miljö.

Scenario

Contoso är ett företag som tillverkar kaffe och kaffeautomater av hög kvalitet. De säljer produkterna via Contoso Coffees webbplats. De startade nyligen en prenumerationsverksamhet för sina kunder för att få kaffe regelbundet. Målet är att förstå vilka kunder som prenumererar på prenumerationen under de närmaste månaderna. Att veta vilka av deras kunder som sannolikt kommer att churn kan hjälpa dem att spara marknadsföringsinsatser genom att fokusera på att behålla dem.

Förutsättningar

Uppgift 1 – Mata in data

Läs artiklarna om datainmatning och ansluta till en Power Query datakälla. Följande information förutsätter att du bekantat dig med inmatningsdata i allmänhet.

Mata in kunddata från e-handelsplattformen

  1. Skapa en datakälla med namnet eCommerce och välj anslutningsprogrammet Text/CSV.

  2. Ange URL:en för e-handelskontakter https://aka.ms/ciadclasscontacts.

  3. Medan du redigerar data väljer du Transformera och sedan Använd första raden som rubriker.

  4. Uppdatera datatypen för kolumnerna som anges nedan:

    • DateOfBirth: Datum
    • CreatedOn: Datum/Tid/Zon

    Transformera födelsedatum till datum.

  5. I fältet Namn i den högra rutan byter du namn på datakällan till eCommerceContacts

  6. Spara datakällan.

Mata in kunddata från lojalitetsschema

  1. Skapa en datakälla med namnet LoyaltyScheme och välj anslutningsprogrammet Text/CSV.

  2. Ange URL:en för lojalitetskunder https://aka.ms/ciadclasscustomerloyalty.

  3. Medan du redigerar data väljer du Transformera och sedan Använd första raden som rubriker.

  4. Uppdatera datatypen för kolumnerna som anges nedan:

    • DateOfBirth: Datum
    • RewardsPoints: Heltal
    • CreatedOn: Datum/Tid

  5. I fältet Namn i fönstret till höger byter du namn på din datakälla till loyCustomers.

  6. Spara datakällan.

Mata in prenumerationsinformation

  1. Skapa en datakälla med namnet SubscriptionHistory och välj anslutningsappen Text/CSV .

  2. Ange URL:en för prenumerationer https://aka.ms/ciadchurnsubscriptionhistory.

  3. Medan du redigerar data väljer du Transformera och sedan Använd första raden som rubriker.

  4. Uppdatera datatypen för kolumnerna som anges nedan:

    • SubscriptioID: Heltal
    • SubscriptionAmount: Valuta
    • SubscriptionEndDate: Datum/tid
    • SubscriptionStartDate: Datum/tid
    • TransactionDate: Datum/tid
    • IsRecurring: Sant/Falskt
    • Is_auto_renew: Sant/falskt
    • RecurringFrequencyInMonths: Heltal

  5. I fältet Namn i den högra rutan byter du namn på datakällan till SubscriptionHistory.

  6. Spara datakällan.

Mata in kunddata från webbplatsgranskningar

  1. Skapa en datakälla med namnet Webbplats och välj anslutningsappen Text/CSV .

  2. Ange URL:en för webbplatsgranskningar https://aka.ms/ciadclasswebsite.

  3. Medan du redigerar data väljer du Transformera och sedan Använd första raden som rubriker.

  4. Uppdatera datatypen för kolumnerna som anges nedan:

    • ReviewRating: Heltal
    • ReviewDate: Datum

  5. I fältet Namn i den högra rutan byter du namn på datakällan till webReviews.

Uppgift 2 – Dataförening

Granska artikeln om datasamordning. Följande information förutsätter att du bekantat dig med datasamordning i allmänhet.

När data har förts in startar du dataprocessen för att skapa Unified customer profile. Mer information finns i Dataförening.

Beskriv de kunddata som ska samordnas

  1. Efter inmatande av data mappar du kontakter från e-handels- och lojalitetsdata till vanliga datatyper. Gå till Data>Unify.

  2. Välj de tabeller som representerar kundprofilen – eCommerceContacts och loyCustomers.

    förena e-handels- och lojalitetsdatakällor.

  3. Välj ContactId som primärnyckel för eCommerceContacts och LoyaltyID som primärnyckel för loyCustomers.

  4. Välj Nästa. Hoppa över dubblettposter och välj Nästa.

Definiera matchningsregler

  1. Välj eCommerceContacts : eCommerce som den primära entiteten och ta med alla poster.

  2. Välj loyCustomers : LoyaltyScheme och ta med alla poster.

  3. Lägga till en regel:

    • Välj FullName för både eCommerceContacts och loyCustomers.
    • Välj Typ (Telefon, Namn, Adress, ...) för Normalisering.
    • Ange Precisionsnivå: Basic och Värde: Hög.

  4. Lägg till ett andra villkor för e-postadressen:

    • Välj Email för både eCommerceContacts och loyCustomers.
    • Lämna Normalisera tomt.
    • Ange Precisionsnivå: Basic och Värde: Hög.
    • Ange FullName, Email för namn.

    Förena matchningsregel för namn och e-post.

  5. Välj Färdig.

  6. Välj Nästa.

Visa enhetlig data

  1. Byt namn på ContactId för tabellen loyCustomers till ContactIdLOYALTY för att skilja det från det andra ID:t som inte finns.

  2. Välj Nästa att granska och välj sedan Skapa kundprofiler.

Uppgift 3 – Skapa transaktionshistorik aktivitet

Läs artikeln om kundaktiviteter. Följande information förutsätter att du bekantat dig med skapa aktiviteter i allmänhet.

  1. Skapa aktiviteter med tabellen Prenumeration och tabellen Recensioner:Webbplats .

  2. För Prenumeration väljer du Prenumeration för aktivitetstyp och CustomerId för primärnyckeln.

  3. För Recensioner:Webbplats väljer du Granska för aktivitetstypen och ReviewID för primärnyckeln.

  4. Ange följande information för prenumerationsaktiviteten:

    • Aktivitetsnamn: SubscriptionHistory
    • Tidsstämpel: SubscriptionEndDate
    • Händelseaktivitet: SubscriptionType
    • Transaktions-ID: TransactionID
    • Transaktionsdatum: TransactionDate
    • Prenumerations-ID: SubscriptionID
    • Startdatum för prenumeration: SubscriptionStartDate
    • Prenumerationens slutdatum: SubscriptionEndDate

  5. Ange följande information för webbgranskningsaktiviteten:

    • Aktivitetsnamn: WebReviews
    • Tidsstämpel: GranskaDate
    • Händelseaktivitet: ActivityTypeDisplay
    • Ytterligare information: ReviewRating

  6. Skapa en relation mellan SubscriptionHistory:Subscription och eCommerceContacts:eCommerce med CustomerID som sekundärnyckel för att ansluta de två tabellerna.

  7. Skapa en relation mellan webbplats och eCommerceContacts med UserId som sekundärnyckel.

  8. Granska ändringarna och välj sedan Skapa aktiviteter.

Uppgift 4 – Konfigurera förutsägelse för prenumerationsomsättning

När de enhetliga kundprofilerna är på plats och aktiviteten har skapats kör du förutsägelsen för prenumerationsomsättning. Detaljerade steg finns i Förutsägelse av prenumerationsomsättning.

  1. Gå till Insikter>Prediktioner.

  2. På fliken Skapa, välj Använd modell på panelenKundomsättningsmodell.

  3. Välj prenumeration för typen av omsättning och Kom igång.

  4. Ge modellen namnet OOB Subscription Churn Prediction och utdatatabellen OOBSubscriptionChurnPrediction.

  5. Definiera modellinställningar:

    • Dagar sedan prenumerationen upphörde: 60 dagar för att ange att en kund anses vara omsättningsbaserad om de inte förnyar prenumerationen under den här perioden efter att prenumerationen har avslutats.
    • Dagar att se in i framtiden för att förutsäga omsättning: 93 dagar, vilket är den varaktighet som modellen förutsäger vilka kunder som kan komma att tappa. Ju längre i framtiden du tittar, desto mindre exakta resultat.

    Välj modellinställningar och omsättningsdefinition.

  6. Välj Nästa.

  7. I steget Nödvändiga data väljer du Lägg till data för att ange prenumerationshistorik.

  8. Välj Prenumeration och tabellen SubscriptionHistory och välj Nästa. Data som krävs fylls i automatiskt från aktiviteten. Välj Spara.

  9. Under Kundaktiviteter väljer du Lägg till data.

  10. I det här exemplet lägger du till webbgranskningsaktiviteten.

  11. Välj Nästa.

  12. I steget Datauppdateringar välj Månadsvis för modellschemat.

  13. När du har granskat alla detaljer väljer du Spara och kör.

Uppgift 5 – Granska modellresultat och förklaringar

Låt modellen slutföra träningen och bedömningen av data. Granska förklaringarna av prenumerationsomsättningsmodellen. Mer information finns i Visa förutsägelseresultat.

Uppgift 6 – Skapa ett segment med kunder med hög omsättningsrisk

När du kör modellen skapas en ny tabell som visas idatatabellernas>>utdata. Du kan skapa ett nytt segment baserat på tabellen som skapats av modellen.

  1. Välj på resultatsidan Skapa segment.

  2. Skapa en regel med hjälp av tabellen OOBSubscriptionChurnPrediction och definiera segmentet:

    • Fält: ChurnScore
    • Operator: större än
    • Värde: 0,6

  3. Välj Spara och Kör segmentet.

Nu har du ett segment som uppdateras dynamiskt och som identifierar kunder med hög omsättningsrisk för den här prenumerationsverksamheten. Mer information finns i Skapa och hantera segment.

Tips/Råd

Du kan också skapa ett segment för en prediktionsmodell från sidan Insikter>Segment genom att välja Ny och välja Skapa från>Insikter. För mer information, se Skapa ett nytt segment med snabba segment.

Nästa steg

  • Last updated on