परियोजना का विवरण
अनुवादितहमारे पास एक सदस्यता व्यवसाय है, और हम हर महीने भुगतान करने वाले ग्राहकों को खोते हैं, लेकिन हम पहले से नहीं देख सकते कि कौन वास्तव में छोड़ने वाला है और क्यों। हमें अपने ऐतिहासिक डेटा पर आधारित एक चुराने की भविष्यवाणी और प्रतिधारण विश्लेषण प्रणाली की आवश्यकता है: एक मशीन लर्निंग मॉडल जो अगले 30, 60, और 90 दिनों में प्रत्येक सक्रिय ग्राहक के लिए अनसब्सक्रिप्शन की संभावना की गणना करता है। मॉडल एक ब्लैक बॉक्स नहीं होना चाहिए - जोखिम क्षेत्र में प्रत्येक ग्राहक के लिए, हमें पूर्वानुमान के मुख्य कारणों को देखना होगा ताकि टीम कारण को समझ सके: गतिविधि में गिरावट, भुगतान मुद्दे, अटके हुए समर्थन टिकट, मूल्य संवेदनशीलता, या किसी प्रतियोगी का प्रस्ताव, और वास्तविक कारण के साथ काम करें न कि अनुमान लगाएं।
स्कोरिंग के अलावा, हमें पूर्ण-फledged समूह प्रतिधारण विश्लेषण की आवश्यकता है। पंजीकरण समूहों, टैरिफ, अधिग्रहण चैनलों, और क्षेत्रों के अनुसार प्रतिधारण वक्र और जीवित रहने की दरें दिखाएँ, ताकि हम देख सकें कि वास्तव में ग्राहक जीवन चक्र के किस चरण में प्रतिधारण टूटता है। प्रणाली को ग्राहकों को समझने योग्य जोखिम समूहों में वितरित करना चाहिए और स्वचालित रूप से प्रतिधारण क्रियाएँ शुरू करनी चाहिए: लक्षित ईमेल, सीमित छूट, खाता प्रबंधक कॉल, या उत्पाद में संदेश - जैसे ही ग्राहक एक निर्धारित जोखिम सीमा को पार करता है। प्रत्येक शुरू की गई क्रिया को रिकॉर्ड किया जाना चाहिए ताकि हम बाद में माप सकें कि कौन से उपाय वास्तव में चुराने को कम करते हैं।
हम साफ और विश्वसनीय डेटा पाइपलाइनों, अनुसूचित मॉडल पुनः प्रशिक्षण, ईमानदार गुणवत्ता मैट्रिक्स (सटीकता, पुनः प्राप्ति, लिफ्ट, कैलिब्रेशन), और एक सरल इंटरफेस की अपेक्षा करते हैं जिसका उपयोग हमारी गैर-तकनीकी टीम हर दिन बिना बाहरी मदद के कर सके। कृपया प्रस्तावित तकनीकी स्टैक का वर्णन करें, आप हमारे डेटा पर मॉडल को कैसे मान्य करेंगे, और वास्तविक समयसीमाएँ।
हमें जो आउटपुट चाहिए:
— 30/60/90 दिन के क्षितिज पर चुराने के जोखिम का स्कोरिंग प्रत्येक ग्राहक के लिए चालक स्पष्टीकरण के साथ;
— समूह, प्रतिधारण, और जीवित रहने की वक्र डैशबोर्ड फ़िल्टर के साथ;
— स्वचालित जोखिम समूह और कॉन्फ़िगर करने योग्य प्रतिधारण क्रिया ट्रिगर;
— अनुसूचित पुनः प्रशिक्षण पाइपलाइन, दस्तावेज़, और परियोजना हस्तांतरण।
स्कोरिंग के अलावा, हमें पूर्ण-फledged समूह प्रतिधारण विश्लेषण की आवश्यकता है। पंजीकरण समूहों, टैरिफ, अधिग्रहण चैनलों, और क्षेत्रों के अनुसार प्रतिधारण वक्र और जीवित रहने की दरें दिखाएँ, ताकि हम देख सकें कि वास्तव में ग्राहक जीवन चक्र के किस चरण में प्रतिधारण टूटता है। प्रणाली को ग्राहकों को समझने योग्य जोखिम समूहों में वितरित करना चाहिए और स्वचालित रूप से प्रतिधारण क्रियाएँ शुरू करनी चाहिए: लक्षित ईमेल, सीमित छूट, खाता प्रबंधक कॉल, या उत्पाद में संदेश - जैसे ही ग्राहक एक निर्धारित जोखिम सीमा को पार करता है। प्रत्येक शुरू की गई क्रिया को रिकॉर्ड किया जाना चाहिए ताकि हम बाद में माप सकें कि कौन से उपाय वास्तव में चुराने को कम करते हैं।
हम साफ और विश्वसनीय डेटा पाइपलाइनों, अनुसूचित मॉडल पुनः प्रशिक्षण, ईमानदार गुणवत्ता मैट्रिक्स (सटीकता, पुनः प्राप्ति, लिफ्ट, कैलिब्रेशन), और एक सरल इंटरफेस की अपेक्षा करते हैं जिसका उपयोग हमारी गैर-तकनीकी टीम हर दिन बिना बाहरी मदद के कर सके। कृपया प्रस्तावित तकनीकी स्टैक का वर्णन करें, आप हमारे डेटा पर मॉडल को कैसे मान्य करेंगे, और वास्तविक समयसीमाएँ।
हमें जो आउटपुट चाहिए:
— 30/60/90 दिन के क्षितिज पर चुराने के जोखिम का स्कोरिंग प्रत्येक ग्राहक के लिए चालक स्पष्टीकरण के साथ;
— समूह, प्रतिधारण, और जीवित रहने की वक्र डैशबोर्ड फ़िल्टर के साथ;
— स्वचालित जोखिम समूह और कॉन्फ़िगर करने योग्य प्रतिधारण क्रिया ट्रिगर;
— अनुसूचित पुनः प्रशिक्षण पाइपलाइन, दस्तावेज़, और परियोजना हस्तांतरण।
शिक्षा और परामर्श नकद, बैंक ट्रांसफर
