Quiz collegato alla guida · Medio Livello

L'intelligenza artificiale nel quiz sulla previsione del tasso di abbandono dei clienti

Esamina il modo in cui i modelli di abbandono utilizzano le storie comportamentali, definiscono le finestre di previsione, gestiscono risultati sbilanciati e guidano gli sforzi di fidelizzazione.

Domanda 1 di 8

A cosa si riferisce il termine "abbandono del cliente"?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. A cosa si riferisce il termine "abbandono del cliente"?
    • Clienti che annullano o cessano di utilizzare un prodotto o servizio
    • I clienti aumentano la loro spesa
    • Il processo di onboarding di nuovi clienti
    • Un tipo di email di marketing
  2. In che tipo di problema di machine learning viene solitamente inquadrata la previsione del tasso di abbandono?
    • Cluster non supervisionato
    • Classificazione supervisionata utilizzando dati storici etichettati
    • Apprendimento rinforzato dalle ricompense
    • Generazione di immagini
  3. Perché la semplice precisione è un parametro inadeguato per i modelli di abbandono?
    • La precisione è impossibile da calcolare
    • La precisione funziona solo per le immagini
    • I set di dati sull'abbandono sono sbilanciati, quindi prevedere un "nessun abbandono" per tutti può sembrare estremamente accurato
    • L'abbandono non ha risultati misurabili
  4. Cos'è la "fuga di dati" in questo contesto?
    • I clienti condividono le loro password
    • Perdita dei record dei clienti a causa degli hacker
    • Query del database lente
    • Una caratteristica che codifica accidentalmente il risultato, come una data di cancellazione, gonfiando le prestazioni
  5. Quale famiglia di algoritmi è particolarmente apprezzata per i dati tabulari sul tasso di abbandono?
    • Alberi decisionali con gradiente potenziato come XGBoost e LightGBM
    • Reti neurali convoluzionali
    • Reti neurali ricorrenti per l'audio
    • K-significa solo clustering
  6. Che cosa aggiunge il "modello di incremento" oltre alla previsione di abbandono standard?
    • Rende il modello più veloce
    • It estimates which customers may be more likely to benefit from an intervention
    • Elimina la necessità di qualsiasi dato
    • Funziona solo per i nuovi clienti
  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