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。
- 「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
- 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
- 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
- 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
- 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
- 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
- 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
- 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