คู่มือตัวอย่างการคาดการณ์การเลิกใช้บริการ

คู่มือนี้จะแนะนําคุณผ่านตัวอย่างแบบ end-to-end ของการคาดการณ์การสมัครสมาชิกโดยใช้ข้อมูลตัวอย่าง เราขอแนะนําให้คุณลองการคาดการณ์นี้ในสภาพแวดล้อมใหม่

สถานการณ์สมมติ

Contoso เป็นบริษัทที่ผลิตกาแฟและเครื่องชงกาแฟคุณภาพสูง พวกเขาขายผลิตภัณฑ์ผ่านเว็บไซต์ Contoso Coffee ของพวกเขา พวกเขาเพิ่งเริ่มธุรกิจการสมัครใช้งานสําหรับลูกค้าของพวกเขาเพื่อรับกาแฟเป็นประจํา เป้าหมายของพวกเขาคือการทําความเข้าใจว่าลูกค้าที่สมัครใช้งานรายใดอาจยกเลิกการสมัครใช้งานในอีกสองสามเดือนข้างหน้า การทราบว่าลูกค้าคนใด มีแนวโน้มที่จะเลิก ใช้บริการสามารถช่วยพวกเขาประหยัดความพยายามทางการตลาดโดยมุ่งเน้นไปที่การดูแลรักษาลูกค้า

ข้อกําหนดเบื้องต้น

• อย่างน้อยมี สิทธิ์ของผู้สนับสนุน ใน Dynamics 365 Customer Insights - Data

งานที่ 1 - นําเข้าข้อมูล

ตรวจทานบทความเกี่ยวกับการนําเข้าข้อมูลและการเชื่อมต่อกับแหล่งข้อมูล Power Query ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการนําเข้าข้อมูลโดยทั่วไป

การนําเข้าข้อมูลลูกค้าจากแพลตฟอร์มอีคอมเมิร์ซ

1. สร้างแหล่งข้อมูล Power query ที่ชื่อว่า eCommerce และเลือกตัวเชื่อมต่อข้อความ/CSV

2. ป้อน URL สําหรับผู้ติดต่อ https://aka.ms/ciadclasscontactsอีคอมเมิร์ซ

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • DateOfBirth: วันที่
   • CreatedOn: วันที่/เวลา/โซน

   

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น eCommerceContacts

6. บันทึกแหล่งข้อมูล

การนําเข้าข้อมูลลูกค้าจากเค้าร่างความภักดี

1. สร้างแหล่งข้อมูลที่ชื่อว่า LoyaltyScheme และเลือกตัวเชื่อมต่อข้อความ/CSV

2. ป้อน URL สําหรับลูกค้าสมาชิกhttps://aka.ms/ciadclasscustomerloyalty

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • DateOfBirth: วันที่
   • RewardsPoints: จํานวนเต็ม
   • CreatedOn: วันที่/เวลา

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น loyCustomers

6. บันทึกแหล่งข้อมูล

ข้อมูลการสมัครใช้งาน Ingest

1. สร้างแหล่งข้อมูลที่ชื่อว่า SubscriptionHistory และเลือกตัวเชื่อมต่อ Text/CSV

2. ป้อน URL สําหรับการสมัครใช้งานhttps://aka.ms/ciadchurnsubscriptionhistory

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • SubscriptioID: จํานวนเต็ม
   • SubscriptionAmount: สกุลเงิน
   • SubscriptionEndDate: วันที่/เวลา
   • SubscriptionStartDate: วันที่/เวลา
   • TransactionDate: วันที่/เวลา
   • IsRecurring: จริง/เท็จ
   • Is_auto_renew: จริง/เท็จ
   • RecurringFrequencyInMonths: จํานวนเต็ม

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น SubscriptionHistory

6. บันทึกแหล่งข้อมูล

การนําเข้าข้อมูลลูกค้าจากการตรวจสอบเว็บไซต์

1. สร้างแหล่งข้อมูลที่ชื่อว่าเว็บไซต์ และเลือกตัวเชื่อมต่อข้อความ/CSV

2. ป้อน URL สําหรับการตรวจสอบ https://aka.ms/ciadclasswebsiteเว็บไซต์

3. ขณะแก้ไขข้อมูล ให้เลือก แปลง แล้วเลือก ใช้แถวแรกเป็นส่วนหัว

4. อัปเดตชนิดข้อมูลสําหรับคอลัมน์ที่แสดงด้านล่าง:

   • ReviewRating: จํานวนเต็ม
   • วันที่ตรวจทาน: วันที่

5. ในเขตข้อมูล ชื่อ ในบานหน้าต่างด้านขวา ให้เปลี่ยนชื่อแหล่งข้อมูลของคุณเป็น webReviews

แบบงานที่ 2 - การรวมข้อมูล

ตรวจทานบทความเกี่ยวกับการรวมข้อมูล ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการรวมข้อมูลโดยทั่วไป

หลังจากนําเข้าข้อมูลแล้ว ให้เริ่มกระบวนการรวมข้อมูลเพื่อสร้างโปรไฟล์ลูกค้าแบบรวม สําหรับข้อมูลเพิ่มเติม ดูการรวมข้อมูล

อธิบายข้อมูลลูกค้าที่จะรวมเป็นหนึ่งเดียว

1. หลังจากรวบรวมข้อมูลแล้ว ให้แมปรายชื่อผู้ติดต่อจากข้อมูลอีคอมเมิร์ซและความภักดีไปยังชนิดข้อมูลทั่วไป ไปยังข้อมูล>รวม

2. เลือกตารางที่แสดงถึงโปรไฟล์ลูกค้า – eCommerceContacts และ loyCustomers

   

3. เลือก ContactId เป็นคีย์หลักสําหรับ eCommerceContacts และ LoyaltyID เป็นคีย์หลักสําหรับ loyCustomers

4. เลือก ถัดไป ข้ามระเบียนที่ซ้ํากันและเลือก ถัดไป

กําหนดกฎการจับคู่

1. เลือก eCommerceContacts : อีคอมเมิร์ซ เป็นตารางหลักและรวมเรกคอร์ดทั้งหมด

2. เลือก loyCustomers : LoyaltyScheme และรวมเรกคอร์ดทั้งหมด

3. เพิ่มกฎ:

   • เลือก FullName สําหรับทั้ง eCommerceContacts และ loyCustomers
   • เลือกชนิด (โทรศัพท์, ชื่อ, ที่อยู่, ...) สําหรับ Normalize
   • ตั้งค่าระดับความแม่นยํา: พื้นฐานและค่า: สูง

4. เพิ่มเงื่อนไขที่สองสําหรับที่อยู่อีเมล:

   • เลือก อีเมล สําหรับทั้ง eCommerceContacts และ loyCustomers
   • ปล่อยให้ปกติเป็นค่าว่าง
   • ตั้งค่าระดับความแม่นยํา: พื้นฐานและค่า: สูง
   • ป้อน FullName, Email สําหรับชื่อ

   

5. เลือก เสร็จ

6. เลือก ถัดไป

ดูข้อมูลแบบรวม

1. เปลี่ยนชื่อ ตาราง ContactId สําหรับ loyCustomers เป็น ContactIdLOYALTY เพื่อแยกความแตกต่างของ ID อื่นที่ส่งการนําเข้า

2. เลือก ถัดไป เพื่อตรวจสอบ จากนั้นเลือก สร้างโปรไฟล์ลูกค้า

งานที่ 3 - สร้างกิจกรรมประวัติการทํารายการ

ตรวจสอบบทความเกี่ยวกับกิจกรรมของลูกค้า ข้อมูลต่อไปนี้ถือว่าคุณคุ้นเคยกับการสร้างกิจกรรมโดยทั่วไป

1. สร้างกิจกรรมด้วยตารางการสมัครใช้งานและรีวิว:ตารางเว็บไซต์

2. สําหรับการสั่งซื้อโดยบอกรับเป็นสมาชิก ให้เลือกการสมัครใช้งานสําหรับชนิดกิจกรรมและรหัสลูกค้าสําหรับคีย์หลัก

3. สําหรับการรีวิว:เว็บไซต์ ให้เลือกการตรวจสอบสําหรับประเภทกิจกรรมและ ReviewID สําหรับคีย์หลัก

4. ป้อนข้อมูลต่อไปนี้สําหรับกิจกรรมการบอกรับเป็นสมาชิก

   • ชื่อกิจกรรม: การสมัครใช้งาน
   • ประทับเวลา: SubscriptionEndDate
   • กิจกรรมกิจกรรม: SubscriptionType
   • รหัสธุรกรรม: TransactionID
   • วันที่ในธุรกรรม: TransactionDate
   • ID การสมัครใช้งาน: SubscriptionID
   • วันที่เริ่มต้นการสมัครใช้งาน: SubscriptionStartDate
   • วันที่สิ้นสุดการสมัครใช้งาน: SubscriptionEndDate

5. ใส่ข้อมูลต่อไปนี้สําหรับกิจกรรมการตรวจสอบเว็บ:

   • ชื่อกิจกรรม: WebReviews
   • ประทับเวลา: วันที่ตรวจสอบ
   • กิจกรรมกิจกรรม: ActivityTypeDisplay
   • รายละเอียดเพิ่มเติม: การตรวจทานการจัดอันดับ

6. สร้างความสัมพันธ์ระหว่าง SubscriptionHistory:การสมัครสมาชิก และ eCommerceContacts:eCommerce กับ CustomerID เป็น Foreign Key เพื่อเชื่อมต่อสองตาราง

7. สร้างความสัมพันธ์ระหว่าง เว็บไซต์ และ eCommerceContacts กับ UserId เป็น Foreign Key

8. ตรวจสอบการเปลี่ยนแปลงของคุณ จากนั้นเลือก สร้างกิจกรรม

งานที่ 4 - กําหนดค่าการคาดการณ์การเลิกใช้บริการ

ด้วยโปรไฟล์ลูกค้าแบบรวมในสถานที่และกิจกรรมที่สร้างขึ้น ให้เรียกใช้การคาดการณ์การเลิกใช้บริการ สําหรับขั้นตอนโดยละเอียด โปรดดู การคาดการณ์การเลิกใช้บริการ

1. ไปที่ ข้อมูลเชิงลึก>การคาดคะเน

2. บนแท็บ สร้าง เลือก ใช้แบบจำลอง บนไทล์ แบบจำลองการเลิกใช้บริการของลูกค้า

3. เลือก บริการสมัครสมาชิก สำหรับชนิดของการเลิกใช้บริการแล้ว เริ่มต้นใช้งาน

4. ตั้งชื่อแบบจําลองการคาดการณ์การสมัครสมาชิก OOB และตารางผลลัพธ์ OOBSubscriptionChurnPrediction

5. กําหนดการกําหนดลักษณะของแบบจําลอง:

   • จํานวนวันที่การสมัครใช้งานสิ้นสุดลง: 60 วันเพื่อระบุว่าลูกค้าจะถือว่าเลิกใช้บริการหากพวกเขาไม่ได้ต่ออายุการสมัครใช้งานในรอบระยะเวลานี้หลังจากสิ้นสุดการสมัครใช้งาน
   • จํานวนวันที่ต้องค้นหาในอนาคตเพื่อทํานายการเลิกใช้บริการ: 93 วันซึ่งเป็นระยะเวลาที่แบบจําลองคาดการณ์ว่าลูกค้าอาจเลิกใช้บริการ ยิ่งคุณดูในอนาคตมากน้อยเท่าใด คุณก็จะยิ่งได้ผลลัพธ์ที่แม่นยําน้อยลงเท่านั้น

   

6. เลือก ถัดไป

7. ในขั้นตอน ข้อมูลที่จําเป็น ให้เลือก เพิ่มข้อมูล เพื่อให้ประวัติการสมัครใช้งาน

8. เลือกการสมัครใช้งานและตาราง SubscriptionHistory และเลือกถัดไป ข้อมูลที่จําเป็นจะถูกกรอกข้อมูลโดยอัตโนมัติจากกิจกรรม เลือก บันทึก

9. ภายใต้ กิจกรรมของลูกค้า เลือก เพิ่มข้อมูล

10. สําหรับตัวอย่างนี้ ให้เพิ่มกิจกรรมการตรวจสอบเว็บ

11. เลือก ถัดไป

12. ในขั้นตอน การอัปเดตข้อมูล ให้เลือก รายเดือน สําหรับกําหนดการแบบจําลอง

13. หลังจากตรวจสอบรายละเอียดทั้งหมดแล้ว ให้เลือก บันทึกและเรียกใช้

งานที่ 5 - ตรวจสอบผลลัพธ์และคําอธิบายแบบจําลอง

ให้แบบจําลองทําการฝึกอบรมและการให้คะแนนข้อมูลให้เสร็จสมบูรณ์ ตรวจทานคําอธิบายแบบจําลองการเลิกใช้บริการ สําหรับข้อมูลเพิ่มเติม ดูผลลัพธ์การคาดการณ์

งานที่ 6 - สร้างเซกเมนต์ของลูกค้าที่มีความเสี่ยงสูง

การเรียกใช้แบบจําลองจะสร้างตารางใหม่ซึ่งแสดงอยู่บนผลลัพธ์>> คุณสามารถสร้างเซ็กเมนต์ใหม่โดยยึดตามตารางที่สร้างโดยโมเดล

1. บนหน้าผลลัพธ์ เลือกสร้างเซกเมนต์

2. สร้างกฎโดยใช้ ตาราง OOBSubscriptionChurnPrediction และกําหนดเซกเมนต์:

   • เขตข้อมูล: ChurnScore
   • ตัวดําเนินการ: มากกว่า
   • ค่า: 0.6

3. เลือก บันทึก และ เรียกใช้ เซกเมนต์

ตอนนี้คุณมีเซกเมนต์ที่อัปเดตแบบไดนามิกซึ่งระบุลูกค้าที่มีความเสี่ยงสูงสําหรับธุรกิจการสมัครใช้งานนี้ สําหรับข้อมูลเพิ่มเติม ดูสร้างและจัดการเซกเมนต์

ขั้นตอนถัดไป

• คาดการณ์การเลิกใช้บริการ