引導式測驗 · 中等 等級

人工智慧在客戶流失預測測驗的應用

回顧流失模型如何使用行為歷史、定義預測視窗、處理不平衡的結果並指導保留工作。

問題 1 的 8

「客戶流失」指的是什麼?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 「客戶流失」指的是什麼?
    • 客戶取消或停止使用產品或服務
    • 客戶增加支出
    • 新客戶入職流程
    • 行銷電子郵件的一種
  2. 流失預測通常被定義為什麼類型的機器學習問題?
    • 無監督聚類
    • 使用歷史標記資料進行監督分類
    • 從獎勵強化學習
    • 影像生成
  3. 為什麼簡單準確度對於流失模型來說是一個糟糕的指標?
    • 準確度無法計算
    • 準確性僅適用於影像
    • 流失資料集不平衡,因此為每個人預測「無流失」看起來非常準確
    • 流失沒有可衡量的結果
  4. 在這種情況下什麼是「資料外洩」?
    • 客戶分享他們的密碼
    • 客戶記錄被駭客竊取
    • 資料庫查詢速度慢
    • 意外對結果進行編碼的功能,例如取消日期、誇大效能
  5. 哪種演算法系列對於表格流失資料特別受歡迎?
    • 梯度增強決策樹,例如 XGBoost 和 LightGBM
    • 卷積神經網絡
    • 音訊循環神經網絡
    • 僅 K 均值聚類
  6. 除了標準流失預測之外,「提升建模」還增加了什麼?
    • 它使模型運行得更快
    • 它估計哪些客戶更有可能從干預中受益
    • 它消除了對任何數據的需要
    • 僅適用於新客戶
  7. 哪一個特徵群組能協助流失模型偵測客戶參與度下降?
    • 客戶個人資料圖片的顏色
    • 僅在取消發生後才記錄的特徵
    • 近期活動與使用頻率,以及合約與支援歷史
    • 模型在訓練期間的 GPU 溫度
  8. 團隊在標記流失模型預測目標時應定義什麼?
    • 帳戶儀表板的配色方案
    • 收集客戶歷史之前的特徵數量
    • 在模型訓練開始前設定固定的決策閾值
    • 明確的預測時間範圍,例如客戶是否會在未來 30 天或 90 天內流失