L'IA dans le quiz de prévision du taux de désabonnement des clients

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. À quoi fait référence le terme « désabonnement des clients » ?
   • Clients annulant ou cessant d’utiliser un produit ou un service
   • Les clients augmentent leurs dépenses
   • Le processus d’intégration de nouveaux clients
   • Un type d'e-mail marketing
2. À quel type de problème d’apprentissage automatique la prédiction du taux de désabonnement est-elle généralement présentée ?
   • Clustering non supervisé
   • Classification supervisée à l'aide de données historiques étiquetées
   • Apprentissage par renforcement à partir des récompenses
   • Génération d'images
3. Pourquoi la simple précision est-elle une mauvaise mesure pour les modèles de désabonnement ?
   • La précision est impossible à calculer
   • La précision ne fonctionne que pour les images
   • Les ensembles de données sur le taux de désabonnement sont déséquilibrés, donc prédire « pas de désabonnement » pour tout le monde peut sembler très précis.
   • Le taux de désabonnement n'a pas de résultat mesurable
4. Qu’est-ce qu’une « fuite de données » dans ce contexte ?
   • Clients partageant leurs mots de passe
   • Perte de dossiers clients à cause des pirates
   • Requêtes de base de données lentes
   • Une fonctionnalité qui encode accidentellement le résultat, comme une date d'annulation, gonflant les performances
5. Quelle famille d’algorithmes est particulièrement populaire pour les données tabulaires de désabonnement ?
   • Arbres de décision améliorés par gradient comme XGBoost et LightGBM
   • Réseaux de neurones convolutifs
   • Réseaux de neurones récurrents pour l'audio
   • K-signifie clustering uniquement
6. Qu'est-ce que la « modélisation d'amélioration » ajoute au-delà de la prévision de désabonnement standard ?
   • Cela rend le modèle plus rapide
   • It estimates which customers may be more likely to benefit from an intervention
   • Cela supprime le besoin de données
   • Cela ne fonctionne que pour les nouveaux clients
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