ग्राहक मंथन भविष्यवाणी प्रश्नोत्तरी में एआई

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. 'ग्राहक मंथन' से क्या तात्पर्य है?
   • ग्राहक किसी उत्पाद या सेवा का उपयोग रद्द कर रहे हैं या बंद कर रहे हैं
   • ग्राहक अपना खर्च बढ़ा रहे हैं
   • नए ग्राहकों को जोड़ने की प्रक्रिया
   • एक प्रकार का मार्केटिंग ईमेल
2. मंथन भविष्यवाणी को आमतौर पर किस प्रकार की मशीन लर्निंग समस्या के रूप में तैयार किया जाता है?
   • अपर्यवेक्षित क्लस्टरिंग
   • ऐतिहासिक लेबल डेटा का उपयोग करके पर्यवेक्षित वर्गीकरण
   • पुरस्कारों से सुदृढीकरण सीखना
   • छवि निर्माण
3. मंथन मॉडल के लिए सामान्य सटीकता एक खराब मीट्रिक क्यों है?
   • सटीकता की गणना करना असंभव है
   • सटीकता केवल छवियों के लिए काम करती है
   • मंथन डेटासेट असंतुलित हैं, इसलिए सभी के लिए 'कोई मंथन नहीं' की भविष्यवाणी अत्यधिक सटीक लग सकती है
   • मंथन का कोई मापने योग्य परिणाम नहीं है
4. इस संदर्भ में 'डेटा लीक' क्या है?
   • ग्राहक अपने पासवर्ड साझा कर रहे हैं
   • हैकर्स के हाथों ग्राहक रिकॉर्ड खोना
   • धीमी डेटाबेस क्वेरीज़
   • एक सुविधा जो गलती से परिणाम को एनकोड कर देती है, जैसे रद्दीकरण की तारीख, प्रदर्शन को बढ़ाना
5. सारणीबद्ध मंथन डेटा के लिए कौन सा एल्गोरिदम परिवार विशेष रूप से लोकप्रिय है?
   • XGBoost और LightGBM जैसे ग्रेडिएंट-बूस्टेड निर्णय वृक्ष
   • संवादात्मक तंत्रिका नेटवर्क
   • ऑडियो के लिए आवर्ती तंत्रिका नेटवर्क
   • K- का अर्थ केवल क्लस्टरिंग है
6. 'उत्थान मॉडलिंग' मानक मंथन भविष्यवाणी से परे क्या जोड़ता है?
   • यह मॉडल को तेजी से चलाता है
   • It estimates which customers may be more likely to benefit from an intervention
   • यह किसी भी डेटा की आवश्यकता को हटा देता है
   • यह केवल नए ग्राहकों के लिए काम करता है
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