解約予測の作成

Brazeダッシュボード内で解約予測を作成する方法を学びます。

ステップ 1:新しい予測を作成する

Braze で、分析 > 解約予測 に移動します。

予測は、訓練された機械学習モデルの1つのインスタンスであり、それが使用するすべてのパラメーターとデータです。このページでは、現在のアクティブな予測のリストとそれらに関する基本情報が表示されます。ここでは、名前の変更、アーカイブ、新しい予測の作成ができます。アーカイブされた予測は非アクティブであり、ユーザーのスコアを更新しません。

新しい予測を作成するには、予測を作成を選択し、新しい解約予測を選択します。

「基本」ページで、新しい予測にユニークな名前を付けてください。また、この特定の予測に関するメモを取るためのオプションの説明を提供することもできます。

次へをクリックして次のステップに進みます。オプションとして、すべてのデフォルト設定を使用して作成の最後のステップにスキップするには、ビルドナウをクリックすることができます。ビルドプロセスを開始する前に設定を確認する機会があります。進捗トラッカーの上部で選択することで、後で任意のステップに戻ることができます。

ステップ 2:解約を定義する

「解約の定義」パネルで、提供されたフィルターを使用して、ビジネスにおけるユーザーの解約をどのように定義するかを指定します。言い換えれば、ユーザーが解約したと見なすためには、どの時間枠で何をする必要がありますか？

覚えておいてください、解約に至る行動を説明する必要はありません—ユーザーが解約したユーザーになる理由だけを説明してください。これを、ユーザーが一度行うこと（do）または停止すること（do not）として考えてみてください。たとえば、7日間アプリを開いていないユーザーを離脱と見なすことができます。アンインストールやカスタムイベント（例：購読解除、アカウントの無効化など）を検討することで、ユーザーが離脱する原因となる可能性があります。

解約ウィンドウ

チャーンウィンドウは、ユーザーがチャーンを構成する行動を行う時間枠です。最大60日まで設定できます。このウィンドウは、予測のトレーニングのために履歴データを照会するために使用されます。さらに、予測が作成され、ユーザーがスコアを受け取った後、_Churn Risk Score_は、ユーザーがチャーンする可能性がチャーンウィンドウで指定された日数内でどれくらい高いかを示します。

これは、過去7日間のセッションの経過に基づく簡単な定義の例です。

この場合、do notとstart a sessionを選択します。他のフィルターをANDおよびORと組み合わせて、必要な定義を作成することができます。考慮すべき潜在的な解約の定義に興味がありますか？次のセクションのサンプルチャーン定義にいくつかのインスピレーションを見つけることができます。

定義の下には、利用可能なユーザー数（過去に解約したユーザーと解約しなかったユーザーの推定値）が表示されます。また、必要な最小値も表示されます。Brazeは、予測が学習するのに十分なデータを持つために、履歴データで利用可能なユーザーの最小数を持っている必要があります。

ステップ 3:フィルター 予測対象ユーザー

予測対象ユーザーは、解約リスクを予測したいユーザーグループです。デフォルトでは、これはすべてのユーザーに設定されます。つまり、この予測はすべてのアクティブユーザーの解約リスクスコアを作成します。通常、モデルは、いくつかの基準で絞り込み、{filter}ユーザーグループを絞り込むと、解約を防ぐためにより良いパフォーマンスを発揮する可能性があります。あなたが保持したいと考える最も重要な特定のユーザーについて考え、ここで定義してください。たとえば、最初にアプリを使用したのが1か月以上前であるか、購入したことがあるユーザーを保持したい場合があります。

予測ウィンドウが14日以内の場合、「最後に使用したアプリ」や「最後に購入した」など「最後に…」で始まるフィルターの時間ウィンドウは、チャーン定義で指定されたチャーンウィンドウを超えることはできません。例えば、解約の定義に14日間のウィンドウがある場合、「最後の…」フィルターの時間ウィンドウは14日を超えることはできません。

フルフィルターモード

新しい予測をすぐに構築するために、Brazeのセグメンテーションフィルターのサブセットのみがサポートされています。フルフィルターモードを使用すると、すべてのBrazeフィルターを使用できますが、予測を構築するには1つのチャーンウィンドウが必要です。例えば、チャーンウィンドウが15日に設定されている場合、ユーザーデータを収集し、予測を構築するのに15日かかります。これは、フルフィルターモードでのみサポートされているフィルターを使用する場合です。 さらに、オーディエンスの規模に関するいくつかの推定値は、フルフィルターモードでは利用できません。

予測対象ユーザー定義のサンプルリストについては、次の「解約予測定義のサンプル」セクションをご覧ください。

前のページと同様に、下部パネルには、チャーン定義と予測対象ユーザー定義から得られる過去のユーザー数の推定値が表示されます。これらの見積もりは、予測を作成するために示された最小要件を満たす必要があります。

ステップ 4:解約予測の更新頻度を選択してください

このページを完了すると作成される機械学習モデルは、ここで選択したスケジュールで使用され、新しいチャーンリスクスコアを生成します。更新の最大頻度を選択してください。例えば、ユーザーの離脱を防ぐために毎週のプロモーションを送信する場合、更新頻度を毎週に設定し、希望する日と時間に送信します。

ステップ 5: ビルド予測

詳細が正しいことを確認し、予測を構築を選択してください。変更を下書き形式で保存するには、下書きとして保存を選択してこのページに戻り、後でモデルを構築することができます。予測の構築をクリックすると、モデルを生成するプロセスが開始されます。これにはデータ量に応じて30分から数時間かかる可能性があります。この予測のために、モデル構築プロセスの期間中、トレーニングが進行中であることを説明するページが表示されます。

完了すると、ページは自動的に分析ビューに切り替わり、予測と結果が準備完了したことを知らせるメールも届きます。エラーが発生した場合、ページは何が問題だったかの説明とともに編集モードに戻ります。

予測は、最新のデータに基づいて更新を維持するために、2週間ごとに自動的に再構築（「再訓練」）されます。これは、ユーザーの_解約リスクスコア_（予測の出力）が生成されるプロセスとは別のプロセスであることに注意してください。後者は、ステップ4で選択した更新頻度によって決定されます。

サンプル離脱と予測対象ユーザーの定義

サンプルチャーン定義

• 7日以内に、カスタムイベント「サブスクリプションのキャンセル」を実行してください。
  
• 30日以内に、カスタムイベント「Trial Expired」を実行してください
  
• 1日以内にアンインストールしてください。
  
• 14日以内に購入しないでください。
  

解約の定義について説明したように、対応する予測対象ユーザーの定義があるかもしれません。

• サブスクリプションを2週間以上前に開始したか、2週間未満前に開始した
  この場合、2つの予測を作成し、新しい購読者には長期購読者とは異なるメッセージを送信することをお勧めします。「最初の購入が30日以上前に行われた」と定義することもできます。
  
• アンインストーラー
  最近何かを購入したか、最近アプリを使用した顧客に焦点を当てるかもしれません。
  
• 購入しないリスクがある人々を解約の定義とする
  最近、アプリを閲覧したり検索したり、アプリを利用したりしている顧客に焦点を当てると良いでしょう。おそらく、適切な割引介入により、このより積極的なグループが離脱するのを防ぐことができるでしょう。

アーカイブされた予測

アーカイブされた予測はユーザースコアの更新を停止します。アーカイブされた予測がアーカイブ解除されると、ユーザーのスコアは所定のスケジュールに従って更新され続けます。アーカイブされた予測は削除されることはなく、リストに残ります。