แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

AI ในแบบทดสอบการทำนายการเลิกใช้งานของลูกค้า

ตรวจสอบว่าแบบจำลองการเลิกใช้งานใช้ประวัติพฤติกรรม กำหนดกรอบเวลาการคาดการณ์ จัดการกับผลลัพธ์ที่ไม่สมดุล และแนะนำความพยายามในการเก็บรักษาได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องAI ในการทำนายการเลิกใช้งานของลูกค้า
คำถาม 1 ของ 8

'การปั่นของลูกค้า' หมายถึงอะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. 'การปั่นของลูกค้า' หมายถึงอะไร?
    • ลูกค้ายกเลิกหรือหยุดใช้สินค้าหรือบริการ
    • ลูกค้ามีการใช้จ่ายเพิ่มขึ้น
    • กระบวนการต้อนรับลูกค้าใหม่
    • อีเมลทางการตลาดประเภทหนึ่ง
  2. ปัญหาการเรียนรู้ของเครื่องประเภทใดที่มักจัดอยู่ในกรอบการทำนายการปั่น
    • การจัดกลุ่มแบบไม่ได้รับการดูแล
    • การจำแนกประเภทภายใต้การดูแลโดยใช้ข้อมูลที่มีป้ายกำกับในอดีต
    • การเสริมกำลังการเรียนรู้จากรางวัล
    • การสร้างภาพ
  3. เหตุใดความแม่นยำธรรมดาจึงเป็นตัวชี้วัดที่ไม่ดีสำหรับโมเดลการเลิกใช้งาน
    • ความแม่นยำไม่สามารถคำนวณได้
    • ความแม่นยำใช้ได้กับรูปภาพเท่านั้น
    • ชุดข้อมูล Churn ไม่สมดุล ดังนั้นการคาดการณ์ 'ไม่มีการเลิกใช้งาน' สำหรับทุกคนจึงดูมีความแม่นยำสูง
    • Churn ไม่มีผลลัพธ์ที่วัดได้
  4. 'ข้อมูลรั่วไหล' ในบริบทนี้คืออะไร?
    • ลูกค้าแบ่งปันรหัสผ่านของตน
    • การสูญเสียบันทึกลูกค้าให้กับแฮกเกอร์
    • การสืบค้นฐานข้อมูลช้า
    • คุณลักษณะที่เข้ารหัสผลลัพธ์โดยไม่ตั้งใจ เช่น วันที่ยกเลิก ทำให้ประสิทธิภาพเพิ่มขึ้น
  5. ตระกูลอัลกอริธึมใดที่ได้รับความนิยมเป็นพิเศษสำหรับข้อมูลการปั่นแบบตาราง
    • แผนผังการตัดสินใจที่เน้นการไล่ระดับสี เช่น XGBoost และ LightGBM
    • โครงข่ายประสาทเทียมแบบ Convolutional
    • โครงข่ายประสาทเทียมที่เกิดซ้ำสำหรับเสียง
    • การจัดกลุ่ม K-mean เท่านั้น
  6. 'การสร้างแบบจำลองการยกระดับ' เพิ่มอะไรนอกเหนือจากการคาดการณ์การปั่นแบบมาตรฐาน
    • มันทำให้โมเดลทำงานเร็วขึ้น
    • It estimates which customers may be more likely to benefit from an intervention
    • โดยจะขจัดความต้องการข้อมูลใดๆ
    • มันใช้ได้กับลูกค้าใหม่เท่านั้น
  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