AI trong bài kiểm tra dự đoán tỷ lệ rời bỏ khách hàng

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. 'Khách hàng rời bỏ' đề cập đến điều gì?
   • Khách hàng hủy hoặc ngừng sử dụng sản phẩm, dịch vụ
   • Khách hàng tăng chi tiêu
   • Quá trình tiếp nhận khách hàng mới
   • Một loại email tiếp thị
2. Dự đoán tỷ lệ rời bỏ thường được coi là loại vấn đề học máy nào?
   • Phân cụm không giám sát
   • Phân loại được giám sát bằng cách sử dụng dữ liệu được dán nhãn lịch sử
   • Học tập củng cố từ phần thưởng
   • Tạo hình ảnh
3. Tại sao độ chính xác đơn giản lại là thước đo kém cho các mô hình rời bỏ?
   • Độ chính xác không thể tính toán được
   • Độ chính xác chỉ hoạt động đối với hình ảnh
   • Các tập dữ liệu rời bỏ bị mất cân bằng nên việc dự đoán "không rời bỏ" cho mọi người có thể có độ chính xác cao
   • Churn không có kết quả có thể đo lường được
4. 'Rò rỉ dữ liệu' trong bối cảnh này là gì?
   • Khách hàng chia sẻ mật khẩu của họ
   • Mất hồ sơ khách hàng vào tay hacker
   • Truy vấn cơ sở dữ liệu chậm
   • Một tính năng vô tình mã hóa kết quả, như ngày hủy, tăng hiệu suất
5. Họ thuật toán nào đặc biệt phổ biến đối với dữ liệu rời rạc dạng bảng?
   • Cây quyết định được tăng cường độ dốc như XGBoost và LightGBM
   • Mạng lưới thần kinh tích chập
   • Mạng thần kinh tái phát cho âm thanh
   • K-có nghĩa là chỉ phân cụm
6. 'Mô hình nâng cao' bổ sung thêm điều gì ngoài tính năng dự đoán tỷ lệ rời bỏ tiêu chuẩn?
   • Nó làm cho mô hình chạy nhanh hơn
   • Nó ước tính khách hàng nào có khả năng hưởng lợi hơn từ một can thiệp
   • Nó loại bỏ sự cần thiết của bất kỳ dữ liệu
   • Nó chỉ hoạt động cho khách hàng mới
7. Nhóm tính năng nào có thể giúp mô hình churn phát hiện sự giảm sút tương tác của khách hàng?
   • Màu của ảnh hồ sơ khách hàng
   • Một tính năng được ghi lại chỉ sau khi hủy bỏ đã xảy ra
   • Hoạt động gần đây và tần suất sử dụng, cùng với lịch sử hợp đồng và hỗ trợ
   • Nhiệt độ GPU của mô hình trong quá trình đào tạo
8. Nhóm nên định nghĩa gì khi gán nhãn mục tiêu dự đoán của mô hình churn?
   • Bảng màu của bảng điều khiển tài khoản
   • Số lượng tính năng trước khi thu thập lịch sử khách hàng
   • Ngưỡng quyết định cố định trước khi bắt đầu đào tạo mô hình
   • Một khoảng thời gian dự đoán rõ ràng, chẳng hạn khách hàng sẽ rời đi trong vòng 30 hoặc 90 ngày tới