পরবর্তী আপপরবর্তী গাইড
Customer Lifetime Value Prediction
অ্যাপ্লিকেশন
অ্যাপ্লিকেশন গাইড
মন্থন ভবিষ্যদ্বাণী মেশিন লার্নিং ব্যবহার করে পতাকাঙ্কিত করতে যা গ্রাহকরা প্রকৃতপক্ষে চলে যাওয়ার আগে কেনা বাতিল বা বন্ধ করতে পারে।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
যেহেতু একজন গ্রাহককে রাখা একটি নতুন জেতার চেয়ে অনেক সস্তা, সঠিক আগাম সতর্কতা ব্যবসাকে হস্তক্ষেপ করতে এবং রাজস্ব রক্ষা করতে দেয়।
মন্থন ভবিষ্যদ্বাণী হল একটি ক্লাসিক তত্ত্বাবধানে-শেখার সমস্যা: একটি মডেল সেই গ্রাহকদের ঐতিহাসিক রেকর্ড থেকে শেখে যারা থেকে গেছে বনাম যারা চলে গেছে, তারপর বর্তমান গ্রাহকদের তাদের চলে যাওয়ার সম্ভাবনা দ্বারা স্কোর করে। ইনপুটগুলিতে সাধারণত ব্যবহারের ফ্রিকোয়েন্সি, সর্বশেষ কার্যকলাপের নতুনত্ব, চুক্তির ধরন, সমর্থন-টিকেটের ইতিহাস, বিলিং পরিবর্তন এবং ব্যস্ততার সংকেত অন্তর্ভুক্ত থাকে। সাবস্ক্রিপশন ব্যবসা, টেলিকম ক্যারিয়ার, ব্যাঙ্ক এবং SaaS কোম্পানিগুলি এটির উপর খুব বেশি নির্ভর করে। সাধারণ অ্যালগরিদমগুলি হল লজিস্টিক রিগ্রেশন, র্যান্ডম ফরেস্ট এবং গ্রেডিয়েন্ট-বুস্টেড গাছ যেমন XGBoost এবং LightGBM, যা অগোছালো ট্যাবুলার ডেটা ভালভাবে পরিচালনা করে। যেহেতু মন্থন ডেটাসেটগুলি সাধারণত ভারসাম্যহীন থাকে (বেশিরভাগ গ্রাহকরা চলে যান না), দলগুলি পুনরায় নমুনা এবং থ্রেশহোল্ড টিউনিংয়ের মতো কৌশলগুলি ব্যবহার করে এবং তারা অশোধিত নির্ভুলতার পরিবর্তে নির্ভুলতা, রিকল, ROC-AUC এবং লিফটের মতো মেট্রিক্স দিয়ে মডেলগুলি বিচার করে৷
একটি স্ট্রিমিং পরিষেবা গ্রাহকদের ফ্ল্যাগ করে যাদের দেখার সময় কমে গেছে এবং তাদের জন্য উপযুক্ত সামগ্রী বা পুনর্নবীকরণের আগে ডিসকাউন্ট অফার করে৷
একটি টেলিকম ক্যারিয়ার এমন গ্রাহকদের সনাক্ত করে যারা সরবরাহকারী পরিবর্তন করতে পারে এবং সক্রিয়ভাবে একটি ভাল পরিকল্পনা বা আনুগত্য ক্রেডিট অফার করে।
একটি SaaS কোম্পানী ক্রমহ্রাসমান লগইন সহ অ্যাকাউন্টগুলিকে চিহ্নিত করে এবং প্রচারের জন্য সেগুলিকে একজন গ্রাহক-সফল পরিচালকের কাছে পাঠায়৷
একটি ব্যাঙ্ক ক্লায়েন্টদের অ্যাকাউন্টের কার্যকলাপ হ্রাস করে সনাক্ত করে এবং অ্যাকাউন্ট বন্ধ করার আগে ধরে রাখার অফারগুলির সাথে যোগাযোগ করে।
মন্থন মডেলগুলি পর্যায়ক্রমিক ব্যাচ স্কোরিং থেকে রিয়েল-টাইম সিগন্যালের দিকে অগ্রসর হচ্ছে যা গ্রাহকের সাম্প্রতিক আচরণে প্রতিক্রিয়া দেখায়, এবং 'উন্নতি মডেলিং'-এর দিকে যা ভবিষ্যদ্বাণী করে যে কেবল কে মন্থন করবে তা নয় কিন্তু একটি হস্তক্ষেপ আসলে কে বাঁচাবে, নষ্ট ডিসকাউন্ট এড়িয়ে। বৃহৎ ভাষার মডেলগুলি ক্রমবর্ধমানভাবে অসংগঠিত সংকেতগুলি খনি যেমন সমর্থন চ্যাট এবং প্রাথমিক অসন্তোষের জন্য পর্যালোচনা। পরবর্তী ধাপ হল লুপ বন্ধ করা: স্বয়ংক্রিয়ভাবে ব্যক্তিগতকৃত ধারণ অফার ট্রিগার করা এবং তাদের কার্যকারণ প্রভাব পরিমাপ করা।
ফ্রি নিউজলেটার
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
মন্থন ভবিষ্যদ্বাণী মেশিন লার্নিং ব্যবহার করে পতাকাঙ্কিত করতে যা গ্রাহকরা প্রকৃতপক্ষে চলে যাওয়ার আগে কেনা বাতিল বা বন্ধ করতে পারে। যেহেতু একজন গ্রাহককে রাখা একটি নতুন জেতার চেয়ে অনেক সস্তা, সঠিক প্রাথমিক সতর্কতা ব্যবসাকে হস্তক্ষেপ করতে এবং রাজস্ব রক্ষা করতে দেয়।
মন্থন হল যখন গ্রাহকরা চলে যান, বাতিল করেন বা কেনা বন্ধ করেন, যা মন্থন-পূর্বাভাস মডেলগুলি পূর্বাভাস দেওয়ার চেষ্টা করে।
মডেলগুলি অতীতের গ্রাহকদের কাছ থেকে শেখে যেটি স্থিত বা বাম হিসাবে লেবেল করা হয়েছে, এটি একটি তত্ত্বাবধানে শ্রেণীবিভাগের কাজ করে।
যেহেতু বেশিরভাগ গ্রাহকরা মন্থন করেন না, একটি মডেল যা সর্বদা 'থাক' স্কোর উচ্চ নির্ভুলতার ভবিষ্যদ্বাণী করে যখন অকেজো হয়, তাই নির্ভুলতা, প্রত্যাহার এবং AUC পছন্দ করা হয়।
ফাঁস ঘটে যখন একজন ভবিষ্যদ্বাণী গোপনে ফলাফল সম্পর্কে ভবিষ্যতের তথ্য ধারণ করে, যা মডেলটিকে পরীক্ষায় দুর্দান্ত দেখায় কিন্তু উত্পাদনে ব্যর্থ হয়।
গ্রেডিয়েন্ট-বুস্টেড গাছগুলি অগোছালো, অরৈখিক টেবুলার ডেটা ভালভাবে পরিচালনা করে এবং মন্থন পূর্বাভাসের জন্য একটি পছন্দের পছন্দ।
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
Customer Lifetime Value Prediction
অ্যাপ্লিকেশন