Mashinani o'rganishdan foydalangan holda Mijozning xulq-atvori va demografik ma'lumotlari asosida kompaniyani tark etishi (ketishi) ehtimolini bashorat qilish

Xususiyat muhandisligi, qazib olish va tanlash. Xususiyat muhandisligi ma'lumotlar to'plamini tayyorlashning juda muhim qismidir. Jarayon davomida ma'lumotlar olimlari mijozlarning xizmat yoki mahsulot bilan bog'lanish darajasi bilan bog'liq turli xatti-harakatlar modellarini ifodalovchi atributlar (kirish xususiyatlari) to'plamini yaratadilar. Keng ma'noda, xususiyatlar - bu natijalarni bashorat qilish uchun ML modeli hisobga oladigan kuzatishlarning o'lchanadigan xususiyatlari (bizning holatlarimizda qaror buzilish ehtimoli bilan bog'liq).
Xulq-atvor xususiyatlari har bir soha uchun o'ziga xos bo'lsa-da, xavf ostida bo'lgan mijozlarni aniqlashga yondashuvlar universaldir, Aleks ta'kidlaydi: "Biznes potentsial chalg'ituvchilarni ochib beradigan o'ziga xos xatti-harakatlar modellarini qidiradi."
Raqamli sotuvchi va tadbirkor Neil Patel xususiyatlarni to'rt guruhga ajratadi . Mijozlarning demografiyasi va qo'llab-quvvatlash xususiyatlari har qanday sanoat uchun ishlaydi.
Foydalanuvchining xatti-harakati va kontekst xususiyatlari, o'z navbatida, SaaS biznes modeli uchun xosdir:

• mijoz haqidagi asosiy ma'lumotlarni o'z ichiga olgan mijozning demografik xususiyatlari

(masalan, yoshi, ta'lim darajasi, joylashuvi, daromadi)

• 
  foydalanuvchining xizmat yoki mahsulotdan qanday foydalanishini tavsiflovchi foydalanuvchi xatti- harakati xususiyatlari (masalan, hayot aylanish bosqichi, ularning hisoblariga kirish soni, faol seans davomiyligi, mahsulotdan faol foydalanilgan kun vaqti, foydalanilgan funksiyalar yoki modullar, harakatlar , pul qiymati)
  
• 
  mijozlarni qo'llab-quvvatlash xizmati bilan o'zaro aloqalarni tavsiflovchi qo'llab-quvvatlash xususiyatlari (masalan, yuborilgan so'rovlar, o'zaro aloqalar soni, mijozlar qoniqish ballari tarixi)
  
• 
  mijoz haqidagi boshqa kontekstual ma'lumotlarni ifodalovchi kontekstual xususiyatlar .
  

HubSpot mutaxassislari veb-saytga tashrif buyuruvchilar, ishlab chiqarilgan istiqbollar va tuzilgan bitimlar kabi ko'rsatkichlardan foydalanib, "muvaffaqiyatli mijozni nima qilishini “tushinishga harakat qilishadi. Service Hub bosh menejeri Maykl Redbord shunday deydi: "Biz nafaqat foydalanish ma'lumotlarini (masalan, blog postini chop etish, bitimning yopilgan qiymatini tahrirlash yoki elektron pochta xabarini yuborish), balki natija ma'lumotlarini (masalan, elektron pochtaga bosish soni, raqam) kuzatamiz. blog postidagi koʻrishlar soni, chorak davomida yopilgan bitimlarning dollar qiymati.)
Mijozlaringiz mahsulotingizdan qanday foydalanayotganini emas, balki ular qanday natijalarni koʻrayotganini tushunish muhimdir. Agar mijozlar mahsulotdan qiymat hosil qilmasalar, biz odatda ishdan chiqish ehtimolining oshishini ko'ramiz

Turli xil foydalanuvchi xatti-harakatlari, obuna va demografik xususiyatlar RStudio blogi uchun Matt Dancho tomonidan Internet xizmatidagi uzilishlar bilan qanday bog'liq?

Ammo juda ko'p ma'lumotlarga ega bo'lish har doim ham yaxshi emas.

Xususiyatlarni ajratib olish o'zgaruvchilar (atributlar) sonini eng kamsituvchi ma'lumotni ifodalovchilarini qoldirish orqali kamaytirishga qaratilgan. Xususiyatlarni ajratib olish ma'lumotlar o'lchamini
kamaytirishga yordam beradi (o'lchamlar ma'lumotlar to'plamidagi atributlarga ega ustunlar) vaahamiyatsiz ma'lumotlarni istisno qiladi.
Xususiyatlarni tanlash jarayonida mutaxassislar avval chiqarilgan xususiyatlarni qayta ko'rib chiqadilar va ularning mijozlarning ishlamay qolishi bilan eng bog'liq bo'lgan kichik guruhini aniqlaydilar.
Xususiyatlarni tanlash natijasida mutaxassislar faqat tegishli xususiyatlarga ega ma'lumotlar to'plamiga ega.