Checkliste: Data, du skal bruge til Customer Churn Prediction
Skal du kigge på Customer Churn Prediction? Så få overblikket med vores checkliste over relevante data, som skal bruges for at lave en statistisk beregning af risikoen for Customer Churn.

Af: Kapacity
3. januar 2019
Kapacitys Customer Churn & Retention Framework er opbygget til at kunne modtage en række forskellige datatyper, hvor nogle dog er kritiske og nødvendige for, at modellen kan forudsige Customer Churn, og andre blot vil give en højere nøjagtighed.
Generelt er det fint, hvis man har to års data til rådighed, men i nogle tilfælde, hvor der er meget store udsving i din kundeportefølje f.eks. på grund af store sæsonudsving eller opkøb, vil der være behov for mere.
De relevant data findes typisk i virksomhedens kernesystemer som kunde- og økonomisystemer, hvor kundernes transaktionshistorik er gemt i detaljer. Der kan også være meget relevant input at hente fra kundedialogen i e-mails eller call center samtaler – afhængig af hvilken type produkter, virksomheden sælger. Endelig kan der også for nogle virksomheder, som anvender sociale medier i dialogen med kunderne, være meget kundeforståelse af hente i netop kommentarer eller forespørgsler fra f.eks. Facebook.
I checklisten har vi taget udgangspunkt i de data, vi bruger, når vi laver Customer Churn Prediction, men indholdet af listen er relevant, uanset hvilken løsning du benytter.
For at skabe overblik er listen opdelt i kategorier:
- Transaktions- og produktdata: Dette er data som i detaljer beskriver de økonomiske transaktioner imellem kunden og virksomheden
- Profildata: Dette er specifikke data om kunden
- Markedsdata: Dette er data som f.eks. kan påvirke virksomhedens marked, sæsonudsving og lignende
- Marketingdata: Dette er data omkring de marketingtiltag kunden har været eksponeret for
- Konkurrentdata: Dette belyser virksomheden i et konkurrentperspektiv
Virksomhedsdata: Dette er specifikke data omkring virksomheden
Churn Checkliste download
"*" indicates required fields
Del på
Andre blogindlæg du måske vil finde spændende
Power BI Café – afsnit 2
Power BI Café Afsnit 2: Højdepunkter fra 2022 Hvis du ikke kan se videoen, kan du klikke her. Links: Field Parameters (julekalender-afsnit) [...]
Fem råd til at få Machine Learning i produktion
Har du også en fornemmelse af, at jeres data indeholder mere potentiale, end din virksomhed høster i dag? At kunne trække de dybe indsigter ud af data eller automatisere manuelle arbejdsopgaver med en data-applikation bygger ofte på Machine [...]
Julekalender 2022 – låge 24
Julekalender-låge 24 Power BI Café: Sikkerhed Hvis du ikke kan se videoen, kan du klikke her. Vil du se flere videoer som denne? Tilmeld dig [...]