SHAP-waarden gebruiken in echte applicaties
De volgende voorbeelden laten zien hoe SHAP importance kan worden gebruikt in echte applicaties.
Hulp voor callcenters
Klantenservicemedewerkers in een callcenter kunnen SHAP importance gebruiken om inzicht te krijgen in wat de belangrijkste kenmerken zijn voor de klant die op dit moment belt. Ze kunnen zich op basis van de informatie in het gesprek richten op de meest effectieve acties. Met het eindpunt voor realtime voorspellingen in de Machine Learning API, kunnen ze realtime voorspellingen krijgen voor de effecten van verschillende acties voor de specifieke klant.
De API voor realtime voorspellingen is afgeschaft en vervangen door het eindpunt voor realtime voorspellingen in de Machine Learning API. De functionaliteit zelf wordt niet afgeschaft. Gebruik voor toekomstige realtime voorspellingen het eindpunt voor realtime voorspellingen in de Machine Learning API.
Dashboard met klantervaringen in Qlik Sense met SHAP importance van risicofactoren voor verlies van klant

Beheer voor academisch succes
SHAP importance kan worden gebruikt om gepersonaliseerde aanbevelingen te doen om studenten te laten slagen. Door risicofactoren te identificeren die de kans vergroten dat een student stopt met zijn of haar studie, is het mogelijk al vroeg specifieke stappen te nemen om studenten succes te laten hebben op hun academische pad.
Qlik Sense-app die kenmerken identificeert die invloed hebben op het risico op opgeven door een specifieke student

Marketing voor klantbehoud
Groepspecifieke marketingcampagnes kunnen worden opgezet door naar SHAP importance te kijken en te focussen op de kenmerken die per groep de meeste invloed hebben. De ene groep krijgt misschien het aanbod "Vernieuw uw contract en krijg toegang tot uw Gouden abonnementsniveau!" en een andere groep krijgt "Vernieuw uw contract en zet uw korting vast voor de komende twaalf maanden!".
Het onderstaande diagram wordt verdeeld in de belangrijkste kenmerken die bijdragen aan klantverloopvoorspellingen per type abonnement dat een bedrijf aanbiedt.
Diagram in Qlik Sense met de kenmerken met grootste invloed op klantverloop per abonnementstype
