Predictive Churn
Mit Predictive Churn, einem Tool der Braze Predictive Suite, können Sie definieren, was Churn für Ihr Unternehmen bedeutet, und die Nutzer:innen identifizieren, die Sie behalten möchten. Wenn Sie eine Prognose erstellen, trainiert Braze ein Modell für maschinelles Lernen mithilfe von gradientenverstärkten Entscheidungsbäumen, um gefährdete Nutzer:innen zu erkennen, indem es Muster aus dem vergangenen Verhalten analysiert – sowohl von Nutzer:innen, die abgewandert sind, als auch von solchen, die nicht abgewandert sind.
Über Predictive Churn
Nachdem das Prognosemodell erstellt wurde, wird den Nutzer:innen der Prognose-Zielgruppe ein Churn-Risiko-Score zwischen 0 und 100 zugewiesen, der angibt, wie wahrscheinlich es ist, dass sie gemäß Ihrer Definition abwandern. Je höher der Score, desto wahrscheinlicher ist es, dass ein:e Nutzer:in abwandert.
Die Aktualisierung der Risikobewertungen für die Prognose-Zielgruppe kann in einem von Ihnen gewählten Rhythmus erfolgen. Auf diese Weise können Sie Nutzer:innen, bei denen die Gefahr der Abwanderung besteht, kontaktieren, bevor sie tatsächlich abwandern, und so einer Abwanderung von vornherein vorbeugen. Mithilfe von bis zu drei aktiven Prognosen können Sie Predictive Churn nutzen, um individuelle Modelle zu erstellen, mit denen Sie die Abwanderung in bestimmten Segmenten Ihrer Nutzer:innen verhindern können, die Sie als besonders wertvoll erachten.
Zugriff auf Predictive Churn
Die Seite Prognosen befindet sich im Bereich Analysen. Für einen vollständigen Zugang wenden Sie sich bitte an Ihren Kundenbetreuer.
Bevor Sie dieses Feature erwerben, ist es im Vorschaumodus verfügbar. Dies ermöglicht es Ihnen, eine Demo-Churn-Prognose mit synthetischen Daten anzuzeigen und jeweils ein Churn-Prognosemodell auf der Grundlage Ihrer Nutzerdaten zu erstellen. Diese Vorschau erlaubt es Ihnen nicht, Nutzer:innen nach Churn-Risiko für Messaging anzusprechen, und wird nach der Erstellung nicht regelmäßig aktualisiert.
Mit der Vorschau können Sie auch Ihre eine Prognose bearbeiten und neu erstellen oder sie archivieren und weitere erstellen, um die erwartete Prognosequalität verschiedener Definitionen zu testen.