Möglicherweise befinden sich diese Daten in einer Excel-Tabelle, einer CSV-Datei, in einer Redshift-Datenbank oder an einem anderen Ort. Es könnte auch an verschiedenen Orten sein, und Sie müssen sie zusammenbringen. Beispielsweise können Sie das Feld customerID und den Vertragstyp in einer Datenbank und das Feld customerID mit den Abwanderungsinformationen in einer anderen Datenbank haben, was bedeutet, dass Sie diese im Feld customerID zusammenführen können, um ein Dataset zu erstellen.
Erstellen eines Modells
Das Erstellen eines großartigen Datensatzes ist der schwierige Teil. Mit No-Code-Tools wie Apteo ist das Erstellen eines Abwanderungsmodells einfach.
Verbinden Sie zuerst Ihren Datensatz. Unten ziehe ich einfach eine CSV-Datei meiner Abwanderungsdaten per Drag & Drop in die Plattform. Dann gehe ich zur Registerkarte „Predictive Insights“ und wähle „Churn“ als meinen KPI. Ich lasse die Standardeinstellungen so, wie sie sind, und ein automatisiertes Modell für maschinelles Lernen wird im Hintergrund erstellt.
Jetzt kann ich sehen, wie sich verschiedene Attribute auf die Abwanderung auswirken, und ich kann vorhersagen, ob ein Kunde abwandert, indem ich Daten wie seine monatliche Gebühr und Amtszeit eingebe.
Fazit
Predictive Analytics ist eine großartige Möglichkeit, Wert aus Daten zu gewinnen, und der Einstieg kann überraschend einfach sein. Das Erstellen eines Qualitätsdatensatzes, der auf das vorliegende Problem hinweist, ist eine grundlegende Voraussetzung, aber sobald dies erfüllt ist, können Sie die Abwanderung analysieren und Ihr Endergebnis steigern.