Opis projektu
PrzetłumaczoneMamy biznes subskrypcyjny i tracimy płacących subskrybentów miesiąc po miesiącu, ale nie możemy z wyprzedzeniem zobaczyć, kto dokładnie odejdzie i dlaczego. Potrzebujemy systemu prognozowania odejść i analityki retencji opartego na naszych danych historycznych: modelu uczenia maszynowego, który oblicza prawdopodobieństwo rezygnacji w ciągu następnych 30, 60 i 90 dni dla każdego aktywnego klienta. Model nie powinien być czarną skrzynką — dla każdego klienta w strefie ryzyka musimy zobaczyć główne czynniki prognozy, aby zespół zrozumiał przyczynę: spadek aktywności, problemy z płatnościami, zablokowane zgłoszenia wsparcia, wrażliwość na cenę lub oferta konkurencji, i pracować z rzeczywistą przyczyną, a nie zgadywać.
Oprócz oceny, potrzebujemy pełnoprawnej analityki retencji kohort. Pokaż krzywe retencji i wskaźniki przeżywalności według kohort rejestracji, taryf, kanałów pozyskiwania i regionów, abyśmy mogli dokładnie zobaczyć, gdzie i na jakim etapie cyklu życia klienta następuje załamanie retencji. System powinien dzielić klientów na zrozumiałe grupy ryzyka i automatycznie uruchamiać działania retencyjne: ukierunkowane e-maile, ograniczone zniżki, telefony menedżera konta lub wiadomości w produkcie — gdy tylko klient przekroczy ustalony próg ryzyka. Każda uruchomiona akcja powinna być rejestrowana, abyśmy później mogli zmierzyć, które działania rzeczywiście zmniejszyły odejścia.
Oczekujemy czystych i niezawodnych potoków danych, przeszkalania modelu według harmonogramu, uczciwych metryk jakości (precyzja, czułość, wzrost, kalibracja) oraz prostego interfejsu, z którego nasz nietechniczny zespół może korzystać codziennie bez pomocy zewnętrznej. Proszę opisać proponowany stos technologiczny, jak zwalidujesz model na naszych danych oraz realistyczne terminy.
Czego potrzebujemy jako wynik:
— ocena ryzyka odejścia w horyzontach 30/60/90 dni z wyjaśnieniami czynników dla każdego klienta;
— pulpity nawigacyjne kohort, retencji i krzywych przeżywalności z filtrami;
— automatyczne grupy ryzyka i konfigurowalne wyzwalacze działań retencyjnych;
— zaplanowany potok przeszkalania, dokumentacja i przekazanie projektu.
Oprócz oceny, potrzebujemy pełnoprawnej analityki retencji kohort. Pokaż krzywe retencji i wskaźniki przeżywalności według kohort rejestracji, taryf, kanałów pozyskiwania i regionów, abyśmy mogli dokładnie zobaczyć, gdzie i na jakim etapie cyklu życia klienta następuje załamanie retencji. System powinien dzielić klientów na zrozumiałe grupy ryzyka i automatycznie uruchamiać działania retencyjne: ukierunkowane e-maile, ograniczone zniżki, telefony menedżera konta lub wiadomości w produkcie — gdy tylko klient przekroczy ustalony próg ryzyka. Każda uruchomiona akcja powinna być rejestrowana, abyśmy później mogli zmierzyć, które działania rzeczywiście zmniejszyły odejścia.
Oczekujemy czystych i niezawodnych potoków danych, przeszkalania modelu według harmonogramu, uczciwych metryk jakości (precyzja, czułość, wzrost, kalibracja) oraz prostego interfejsu, z którego nasz nietechniczny zespół może korzystać codziennie bez pomocy zewnętrznej. Proszę opisać proponowany stos technologiczny, jak zwalidujesz model na naszych danych oraz realistyczne terminy.
Czego potrzebujemy jako wynik:
— ocena ryzyka odejścia w horyzontach 30/60/90 dni z wyjaśnieniami czynników dla każdego klienta;
— pulpity nawigacyjne kohort, retencji i krzywych przeżywalności z filtrami;
— automatyczne grupy ryzyka i konfigurowalne wyzwalacze działań retencyjnych;
— zaplanowany potok przeszkalania, dokumentacja i przekazanie projektu.
Edukacja i doradztwo Gotówka, Przelew bankowy
