Potresti avere questi dati in un foglio Excel, in un file CSV, archiviati in un database Redshift o da qualche altra parte. Potrebbe anche essere in luoghi diversi, e dovrete portarli insieme. Ad esempio, potresti avere il campo customerID e il tipo di contratto in un database e il campo customerID con le informazioni di churn in un altro database, il che significa che puoi unirle nel campo customerID per creare un set di dati.
Costruire un modello
Creare un grande set di dati è la parte difficile. Con strumenti senza codice come Apteo, costruire un modello di churn è facile.
In primo luogo, collegare il set di dati. Di seguito, trascino semplicemente un file CSV dei miei dati di churn nella piattaforma. Poi, mi dirigo verso la scheda ” Intuizioni predittive “e selezionare” Churn ” come il mio KPI. Lascio le impostazioni predefinite così come sono e un modello di apprendimento automatico viene creato in background.
Ora, posso vedere come i diversi attributi influenzano il churn e posso prevedere se un cliente si churn inserendo dati come la loro carica mensile e il mandato.
Conclusione
L’analisi predittiva è un ottimo modo per ottenere valore dai dati e iniziare può essere sorprendentemente facile. Costruire un set di dati di qualità che sia indicativo del problema in questione è un prerequisito di base, ma una volta soddisfatto, puoi analizzare il churn e aumentare la tua linea di fondo.