此文是合肥品牌设计公司关于设计公司如果推广和营销企业的分享，合肥品牌设计公司旨在想让更多的设计公司提高设计业务能力！

注：配图为UCI设计公司作品

合肥品牌设计公司转发原文直译：

客户流失预测是商业中最受欢迎的大数据用例之一。它包括检测可能取消服务订购的客户。 虽然最初是电信巨头的事情，但这关系到各种规模的企业，包括创业公司。现在，由于预测服务和API，预测分析不再是大型企业的专属，这些企业有能力雇佣数据科学家团队。 作为一个如何使用流失预测来改善你的业务的例子，让我们考虑销售订阅的业务。这可以是电信公司，SaaS公司，以及任何其他按月收费出售服务的公司。 这些企业可以使用三种策略来增加收入：获得更多客户、追加销售现有客户或增加客户保持率。作为战略的一部分，所有的努力都是有成本的，我们最终感兴趣的是投资回报：这些努力带来的额外收入与其成本之间的比率。 正如我们在之前的帖子中看到的，你可以做很多事情来提高客户保持率。但个性化的客户保持是困难的，因为企业通常有很多客户，负担不起在一个客户身上花太多时间。成本太高，会超过额外的收入。然而，如果你能提前预测哪些客户有流失的风险，你就可以通过把他们单独引向这些客户来减少留住客户的努力。 在3个步骤中预测所有客户的流失 流失预测包括根据客户使用服务的方式来检测哪些客户可能会取消服务订购。我们希望预测针对每个当前客户的以下问题的答案：该客户会在未来X个月内离开我们吗?

只有两个可能的答案，是或不是，这就是我们所说的二元分类任务。这里，任务的输入是客户，输出是问题的答案（是或否)。 事实证明，能够根据客户数据预测客户流失对大型电信公司来说非常有价值。现在，由于BigML等预测服务，各种规模的企业都可以使用它。在这篇文章中，我们将一步步了解如何预测客户流失。流程如下：收集您保存到战斗支援车文件中的历史客户数据。 将数据上传到预测服务，该服务会自动创建预测模型。 对每个当前客户使用该模型来预测他们是否有离开的风险。步骤1:收集数据 流失预测基于机器学习，这是人工智能技术的一个术语，其中智能是通过参考示例来构建的。在预测客户是否会在X个月内离开时，会将他或她与在X个月内留下或离开的客户进行比较。 特征工程 为了进行这些比较，我们需要一种方法来表示客户，这种方法基于影响他们是否搅拌的关于他们的信息。 特征类型 我们用来代表客户的每条信息被称为一个特征，而寻找有用特征的活动被称为特征工程。对于流失，我们将有四种类型的特征：客户特征：关于客户的基本信息（例如，年龄、收入、房屋价值、大学教育) 支持特征：客户与客户支持互动的特征（例如，互动次数、提问主题、满意度) 使用特征：客户使用服务的特征 背景特征：我们拥有的关于客户特征工程的任何其他背景信息实际上是客户流失预测从一个业务到另一个业务的变化之处。您会注意到，在上面列出的特性中，客户和支持是非常通用的，而用法和上下文是特定于您销售的服务的。还有，功能越多越好。如果你不确定某个特定的功能是否有用，不要担心。如果不是，那么在创建模型时它将很容易被丢弃。 例子 对于希望预测客户流失的电信公司来说，这些特征可以是：使用情况：平均通话时长、通话次数、超额收费、剩余分钟数 上下文：手机类型和价值对于一家SaaS公司来说，我们会关注以下特性：使用情况：用户登录的次数、在应用上花费的时间、自上次登录以来的时间、在应用上执行的操作 上下文：设备类型和用户代理时间范围 在销售月度计划的公司中，我们通常会根据上个月的使用情况，查看现在有取消风险的用户(X=1).这意味着我们将只根据上个月来计算使用特性值。或者，在您的特定情况下，查看前2个月或前3个月的使用情况可能更有意义，以便获取对客户是否翻炒有影响的信息。在那种情况下，我们

注：配图为UCI设计公司作品

合肥品牌设计公司

通过合肥品牌设计公司的精彩分享，设计师更轻松快捷地掌握合肥品牌设计公司分享的营销与设计知识，帮助北京vi设计公司更好地服务好客户 。