شرکت کارن تکنولوژی - درحال بارگزاری...

نوآوری پرداز کارن

توسعه بر بستر وب و موبایل، خدمات هوش مصنوعی و یادگیری ماشین، توسعه بازی بر بستر موبایل، توسعه بر بستر بلاکچین

شبکه های اجتماعی

تماس آنی ما با شما

در کوتاهترین زمان مشاوره رایگان دریافت نمایید

پیش‌بینی ریزش مشترک - وقتی هیچ تاریخ تمدیدی وجود ندارد

پیش‌بینی ریزش مشترک - وقتی هیچ تاریخ تمدیدی وجود ندارد

پیش‌بینی ریزش در همه صنایع یک نام دارد و یک کار نیست. در بیمه تاریخ تصمیم مشتری از قبل معلوم است. در مخابرات - با پرتابل بودن شماره - مشترک هر روز می‌تواند برود و هزینه رفتنش تقریباً صفر است. این تفاوت، معماری راهکار را عوض می‌کند، نه فقط تنظیماتش را.

در این مقاله می‌خوانید

  • چرا نبودِ تاریخ تمدید همه چیز را عوض می‌کند
  • سیگنال‌ها هفته‌ها زودتر پیدا می‌شوند
  • چرا رتبه‌بندی از احتمال مهم‌تر است
  • مداخله: کاری که نباید کرد
  • گردش‌کار
  • چطور بسنجیم که کار می‌کند
  • نقطه شروع
پیش‌بینی ریزش مشترک اپراتور مخابراتی بر پایه الگوی مصرف

نبودِ تاریخ تمدید، مسئله را عوض می‌کند

در بیمه، مشترک یک بار در سال تصمیم می‌گیرد و تاریخش را می‌دانید. می‌شود یک ماه قبل مدل را اجرا کرد و فهرست را به شبکه فروش داد.

در مخابرات چنین تاریخی وجود ندارد. مشترک هر روز می‌تواند شماره‌اش را منتقل کند و برود؛ فرآیندش کوتاه است و هزینه‌ای هم برایش ندارد.

وقتی پنجره مداخله ثابت نیست، مدل ماهانه فایده‌ای ندارد. مدل باید پیوسته اجرا شود و خروجی‌اش هر روز به‌روز باشد.

پیامد عملی این است که ظرفیت تیم حفظ مشترک، نه ظرفیت مدل، تعیین‌کننده می‌شود - و همین ما را به نکته بعدی می‌رساند.

سیگنال‌ها زودتر از تصمیم پیدا می‌شوند

مشترکی که می‌رود، معمولاً هفته‌ها قبل رفتارش عوض شده. آنچه در داده دیده می‌شود:

  • کاهش تدریجی مصرف نسبت به الگوی خودِ همان مشترک
  • تماس با پشتیبانی درباره تعرفه یا کیفیت پوشش
  • کاهش شارژ یا تأخیر در پرداخت صورتحساب
  • کاهش تعامل با خدمات ارزش افزوده

نکته مهم: مقایسه باید با الگوی خودِ مشترک باشد، نه با میانگین. مشترکی که همیشه کم‌مصرف بوده در حال ریزش نیست؛ مشترک پرمصرفی که مصرفش نصف شده، هست.

رتبه‌بندی از احتمال مهم‌تر است

تیم حفظ مشترک ظرفیت محدودی دارد - مثلاً روزی چند صد تماس. پس آنچه واقعاً به کار می‌آید این نیست که «احتمال ریزش این مشترک ۷۳ درصد است»؛ این است که «امروز با کدام پانصد نفر تماس بگیریم».

این تفاوت روی ارزیابی مدل هم اثر می‌گذارد: معیار درست، دقت در بالای فهرست است نه دقت کلی. مدلی که در کل جمعیت دقیق باشد ولی صدتای اولش اشتباه باشد، عملاً بی‌فایده است.

و در کنار رتبه، مدل باید دلیل بدهد - کدام عامل بیشترین سهم را در این امتیاز داشته - وگرنه اپراتور مرکز تماس نمی‌داند درباره چه صحبت کند.

داده مصرف مشترکان شما آماده مدل‌سازی است؟

در جلسه ارزیابی بررسی می‌کنیم داده مصرف و تعامل شما پیوستگی لازم را دارد یا نه - و اگر ندارد، همان را می‌گوییم.

مداخله: کاری که نباید کرد

رایج‌ترین اشتباه، تخفیف دادن به همه فهرست است. سه مشکل دارد:

  • بخشی از فهرست اصلاً قصد رفتن نداشتند و تخفیف فقط حاشیه سود را می‌خورد
  • اگر الگو تکرار شود، مشترکان یاد می‌گیرند برای گرفتن تخفیف باید تهدید به رفتن کنند
  • برای مشترکی که مشکلش کیفیت پوشش است، تخفیف پاسخ مسئله‌اش نیست

مداخله درست از دلیل می‌آید نه از امتیاز: مشکل کیفیت را به واحد فنی، مشکل تعرفه را به پیشنهاد بسته متناسب، و نارضایتی از پشتیبانی را به تماس کارشناس ارشد ارجاع بدهید.

گردش‌کار

۱. تجمیع داده

مصرف، صورتحساب، تماس‌های پشتیبانی، شکایات و تعاملات دیجیتال زیر یک شناسه مشترک جمع می‌شوند.

۲. ساخت ویژگی نسبت به الگوی خود مشترک

تغییرات نسبت به میانگین متحرک خود فرد، نه نسبت به میانگین جمعیت.

۳. اجرای روزانه مدل

امتیاز و دلیل هر روز به‌روز می‌شود، چون پنجره مداخله ثابتی وجود ندارد.

۴. فهرست اولویت‌دار متناسب با ظرفیت

طول فهرست را ظرفیت تیم تعیین می‌کند، نه آستانه احتمال.

۵. ثبت نتیجه مداخله

چه اقدامی شد و مشترک ماند یا رفت - این بازخورد، همان چیزی است که مدل را در طول زمان بهتر می‌کند.

چطور بسنجیم که کار می‌کند

سنجش این کاربرد بدون گروه کنترل بی‌معناست. بخشی از فهرست پرریسک را عمداً بدون مداخله بگذارید و نرخ ماندگاری دو گروه را مقایسه کنید.

بدون گروه کنترل، هر بهبودی در نرخ ریزش می‌تواند اثر فصل یا کمپین رقیب باشد. این تنها راه اثبات اثر واقعی است.

و معیار دوم: نرخ پذیرش پیشنهاد در فهرست پرریسک، به تفکیک دلیل. اگر پیشنهاد تعرفه‌ای برای مشترکی که مشکلش پوشش بوده رد شود، این خودش اطلاعات است.

جزئیات فنی پلتفرم در صفحه تحلیل هوشمند مشتری است و توضیح خودِ مدل‌ها در یادگیری ماشین در محصولات کارن.

نقطه شروع

پیشنهاد ما شروع با یک بخش مشترکان است - مثلاً اعتباری یا دائمی - نه کل پایگاه. و پیش از شروع، نرخ ریزش فعلی همان بخش را به تفکیک ماه بدانید، وگرنه معیار مقایسه‌ای وجود ندارد.

بقیه کاربردها در صفحه راهکارهای مخابرات جمع شده‌اند.

پرسش‌های متداول

پنجره مداخله. در بیمه تاریخ تمدید معلوم است و در OTT سررسید ماهانه وجود دارد؛ در مخابرات با پرتابل بودن شماره، مشترک هر روز می‌تواند برود. این یعنی مدل باید پیوسته اجرا شود و خروجی هر روز به‌روز باشد، نه ماهی یک بار.

آنچه بیشتر از حجم اهمیت دارد پیوستگی است: داده مصرف بدون بازه خالی و با تعریف ثابت. در جلسه ارزیابی وضعیت داده شما بررسی می‌شود و اگر پیوستگی لازم را ندارد، همان را می‌گوییم به‌جای وعده دادن دقتی که پشتش نیست.

چون تیم حفظ مشترک ظرفیت محدودی دارد. سؤال عملی این نیست که احتمال ریزش این نفر چقدر است، این است که امروز با کدام پانصد نفر تماس بگیریم. به همین دلیل معیار ارزیابی، دقت در بالای فهرست است نه دقت کلی.

نه، و این رایج‌ترین اشتباه است. بخشی از فهرست قصد رفتن نداشتند و تخفیف فقط حاشیه سود را می‌خورد؛ و اگر الگو تکرار شود، مشترکان یاد می‌گیرند برای گرفتن تخفیف باید تهدید به رفتن کنند. مداخله باید از دلیل بیاید نه از امتیاز.

فقط با گروه کنترل: بخشی از فهرست پرریسک را عمداً بدون مداخله بگذارید و نرخ ماندگاری دو گروه را مقایسه کنید. بدون آن، هر بهبودی می‌تواند اثر فصل یا کمپین رقیب باشد.

خیر. آموزش و اجرای مدل روی زیرساخت خودتان انجام می‌شود. در مخابرات که داده مصرف و تماس مشترک حساس است، این حالت پیش‌فرض ماست.

بله و اینجا الزامی است: در کنار امتیاز، سهم عوامل مؤثر برگردانده می‌شود. اپراتور مرکز تماس بدون دانستن دلیل، نمی‌داند درباره چه صحبت کند - و همان تماس بی‌هدف، خودش می‌تواند نتیجه معکوس بدهد.

سایر قابلیت‌های پلتفرم مانوتل

صندوق چندکاناله

وب‌سایت، ایمیل، تلگرام، بله، ایتا، واتساپ و اینستاگرام در یک فهرست واحد؛ یک مشتری، یک پرونده.

معرفی کامل پلتفرم >

سیستم تیکتینگ با SLA

برای درخواست‌هایی که در یک نشست تمام نمی‌شوند: شناسه، مالک، وضعیت و مهلت - با محاسبه بر حسب ساعت کاری.

اطلاعات بیشتر >

چت آنلاین سایت

ابزارک زیر ۱۵ کیلوبایت با دستیار هوشمند ۲۴ ساعته، بدون اثر محسوس بر سرعت سایت.

اطلاعات بیشتر >

نصب روی سرور خودتان

نسخه On-Premise با هوش مصنوعی کامل و مدل زبانی محلی؛ داده از شبکه سازمان خارج نمی‌شود.

اطلاعات بیشتر >

جلسه شناخت رایگان، بدون تعهد

یک جلسه ۳۰ دقیقه‌ای رزرو کنید. اسناد خودتان را به دستیار می‌دهیم و همان جلسه نتیجه را می‌بینید.

شرکت سهامی
خاص
2016
تأسیس
+۵۰
متخصص هوش مصنوعی
+۱۲
محصول AI-Ready
+20
صنعت تخصصی
+10
سال تجربه
۰۲
مرکز توسعه
ISO 9001 & 27001
گواهینامه
AI-Native
معماری
Infosys
شریک تجاری
HCL Technologies
شریک تجاری
TCS
شریک تجاری