Mit dem Guide verknüpftes Quiz · Mittel Ebene

KI im Kundenabwanderungsvorhersage-Quiz

Überprüfen Sie, wie Abwanderungsmodelle Verhaltensverläufe nutzen, Prognosefenster definieren, mit unausgewogenen Ergebnissen umgehen und Bindungsbemühungen steuern.

Verwandte FührungspfadeKI bei der Kundenabwanderungsvorhersage
Frage 1 von 8

Was bedeutet „Kundenabwanderung“?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was bedeutet „Kundenabwanderung“?
    • Kunden stornieren oder stellen die Nutzung eines Produkts oder einer Dienstleistung ein
    • Kunden erhöhen ihre Ausgaben
    • Der Prozess des Onboardings neuer Kunden
    • Eine Art Marketing-E-Mail
  2. Als welche Art von Problem des maschinellen Lernens wird die Abwanderungsvorhersage normalerweise bezeichnet?
    • Unüberwachtes Clustering
    • Überwachte Klassifizierung anhand historischer, gekennzeichneter Daten
    • Verstärkung des Lernens aus Belohnungen
    • Bilderzeugung
  3. Warum ist reine Genauigkeit eine schlechte Messgröße für Abwanderungsmodelle?
    • Genauigkeit lässt sich nicht berechnen
    • Genauigkeit funktioniert nur für Bilder
    • Abwanderungsdatensätze sind unausgewogen, sodass die Vorhersage „keine Abwanderung“ für alle sehr genau erscheinen kann
    • Churn hat kein messbares Ergebnis
  4. Was ist in diesem Zusammenhang „Datenleck“?
    • Kunden teilen ihre Passwörter
    • Verlust von Kundendaten an Hacker
    • Langsame Datenbankabfragen
    • Eine Funktion, die versehentlich das Ergebnis kodiert, z. B. ein Kündigungsdatum, und so die Leistung in die Höhe treibt
  5. Welche Algorithmenfamilie ist für tabellarische Churn-Daten besonders beliebt?
    • Gradientengestützte Entscheidungsbäume wie XGBoost und LightGBM
    • Faltungs-Neuronale Netze
    • Wiederkehrende neuronale Netze für Audio
    • K-bedeutet nur Clustering
  6. Welchen Mehrwert bietet die „Uplift-Modellierung“ über die standardmäßige Abwanderungsvorhersage hinaus?
    • Dadurch läuft das Modell schneller
    • It estimates which customers may be more likely to benefit from an intervention
    • Dadurch entfällt die Notwendigkeit jeglicher Daten
    • Es funktioniert nur für Neukunden
  7. Which feature group can help a churn model detect weakening customer engagement?
    • The color of the customer’s profile image
    • A feature recorded only after cancellation has occurred
    • Recent activity and usage frequency, alongside contract and support history
    • The model’s GPU temperature during training
  8. What should a team define when labeling a churn model’s prediction target?
    • The color scheme of the account dashboard
    • The number of features before collecting customer history
    • A fixed decision threshold before model training begins
    • A clear prediction horizon, such as whether a customer will leave within the next 30 or 90 days