应用结构化框架：客户流失示例

本示例将逐步引导您完成定义机器学习问题的过程。您将学习如何将业务知识与事件触发器、目标、预测点和特征的框架相结合，以构建一个定义良好的问题。

出发点是商业案例“客户会流失吗？”。通过使用结构化框架，我们将把这归结为可以通过机器学习算法预测的更具体的内容。

事件触发器

事件触发器是触发创建新预测的动作或事件。我们将事件触发器标识为“客户已注册订阅”。这在数据中表示为创建了新客户。我们希望在客户层面预测他们是否会流失，所以每一行都需要代表一个客户。

利用我们的业务知识并通过检查数据进行确认，我们知道新客户的流失率最高。因此，我们决定特别关注新客户。事件触发器是一个新客户注册，我们可以将每个客户视为从他们订阅的那天起有一个单独的时间线。

目标

目标是我们试图预测的结果。目标是我们试图预测的结果。我们希望预测客户流失，所以我们知道我们的总体目标是“客户会流失吗？”。但我们需要更具体地创建一个高质量的机器学习模型。首先，我们认为“流失”意味着客户致电我们取消其订阅。

接下来，我们决定取消呼叫的时间范围（地平线）。当我们查看多个取消的客户时，我们发现时间线不一致。一些客户在 45 天后取消，而另一些客户在 110 天后才取消。

我们有一个 90 天的免费试用计划，我们知道很多客户都从试用中流失。基于这种业务环境，我们最初的想法是使用 90 天的期限。通过预测谁将取消预订，我们计划提前联系这些客户，并提供奖励（如折扣或其他订阅功能），鼓励他们留下来。

客户取消注册后多少天的直方图证实了我们的商业直觉。在图中，我们可以看到过去三年中所有客户的数据。

选择 90 天的地平线似乎是一个很好的开始。然而，当我们在直方图上画出地平线时，我们意识到有很多客户在 90 天的试用期后的几天内继续流失。原因可能是他们看到自己的信用卡被收取费用，或者几天后收到付款方式被拒绝的通知，然后才打电话取消订阅。

因为我们希望在我们的模型中包含这些“流失”的客户，所以我们决定将 110 天作为我们的目标期限更有意义。通过使用 110 天，我们捕获了大多数客户，他们的流失可能与免费试用计划有关。

既然我们已经定义了目标，我们就可以确定数据存储在何处，以及需要如何清理数据以在数据集中构建目标列。在此示例中，我们执行以下操作：

1. 从 Salesforce 中获取客户状态。

2. 提取状态、客户创建日期和客户取消日期：

   

3. 清理提取的数据并将其转换为目标列：

   

我们现在已经定义了事件触发器（新客户注册）和目标（客户在注册后 110 天内致电取消其订阅）。它们在图中的时间线上显示。.

预测点

预测点是停止收集特征数据并预测每行目标的指定时间。预测点可以落在事件触发（订阅注册日）和目标范围（注册后的第 110 天）之间的任何位置。为了选择一个起点，我们可以考虑我们想要采取的行动。

在我们的示例中，如果预测客户会流失，客户支持团队可能会要求 30 天时间向客户提供保留服务。这意味着，最晚我们要预测目标地平线前 30 天，即第 80 天。

选择第 80天 作为我们的预测点将给我们 80 天的时间来收集新客户的数据。事件触发和预测点之间的这个时间帧被称为数据累积窗口。在数据累积窗口期间收集的数据用于生成特征。

使用第 80 天作为预测点留下 30 天的行动窗口，这是预测点和目标地平线之间的时间。这是客户支持团队要求联系客户的 30 天窗口。

除了考虑对预测采取行动所需的最小行动窗口外，我们还需要查看变动前的天数直方图。应用第 80 天的预测点，我们将得到以下结果：

查看此直方图，我们意识到使用 80 天预测点无法最大化业务价值。尽管 80 天的数据有助于提高模型的准确性，但其可操作性成本很高：

• 首先，许多客户在第 80 天就已经开始大量生产了，因此在我们做出任何预测之前，他们将在数据积累窗口期间开始大量生产。这也意味着我们不想将它们包括在我们的训练数据集中，因为我们在做出预测之前会知道结果。

• 第二，许多客户在第 80 到 90 天左右流失，因此客户成功团队将没有整整 30 天的时间接触这些客户。

将预测点移动到第 60 天提供了准确性和可操作性之间的更好平衡。我们仍有 60 天的时间来收集数据，以用于我们模型中的功能，但我们现在已经提前预测，客户成功团队有 30 天的时间接触到我们预测将流失的大多数客户。通过减少数据累积窗口，我们可以预期模型精度会略有下降，但预测更具可操作性。

特征

定义了事件触发器、目标和预测点后，我们就可以将最后一部分添加到数据集：特征。特征是训练数据集中每行数据的已知属性或观察值，机器学习算法从中学习一般模式。当应用数据集中出现一行新数据时，算法使用这些特征进行预测。

将特征视为基于对结果有影响的业务知识的假设。在我们的示例中，一些特征可能是客户位置、潜在客户来源、注册月份、登录次数或活动用户数。

有两类特征：

• 固定特征是最直接的，因为它们不会随时间变化。在我们的示例中，客户位置（注册时）、潜在客户来源和注册月份都被认为是固定的特征。一旦客户注册（就在事件触发时），他们就被知道了，无论我们将预测点放在何处，他们都将是已知的和恒定的。

• 依赖于窗口的功能稍微复杂一些。依赖于窗口的功能稍微复杂一些。重要的是要确保您只使用及时知道的数据，否则模型可能会发生数据泄漏。（有关更多信息，请参阅数据泄露。）

一个简单的模型可能只使用第 0 天已知的信息，也就是说，只使用固定的特性。这将给出第 0 天的预测点，如图所示。

生成的数据集将如下所示：

然而，我们可能还希望使用客户订阅后收集的数据，如我们的示例中预测点为第 60 天。

现在，我们可以使用在客户注册后的前 60 天收集的信息，为我们的模型添加依赖于窗口的功能。这个模型的数据集现在看起来像下表，包括依赖于窗口的功能“前 60 天登录”和“60 天内的活跃用户”。

注意，在本示例中，特征反映了整个数据累积窗口。它们也可以更小。例如，我们可以测量前 10 天或第 30-60 天的登录，只要特征不包括超过预测点的任何信息。

依赖于窗口的特征收集起来可能更复杂，因为它们需要日期，并且需要额外的努力来确保它们在数据累积窗口内，以避免数据泄漏。但它们也可能是一些最强大的特征，因为它们可以反映更接近预测时间收集的信息。

由此产生的机器学习问题

我们从简单的用例“客户会流失吗？”开始。然后，我们将事件触发器定义为“新客户注册”，因为我们希望在单个客户级别进行预测。

我们用一个特定的结果定义了我们的目标-“客户来电取消其订阅（是或否）”-并将期限设置为 110 天，因为这是我们大多数试用客户取消订阅的时间。

通过查看过去三年中客户打电话取消注册后的天数直方图，我们确定了注册后 60 天的预测点。这将给我们 60 天的时间来收集信息（数据积累窗口），然后再进行预测，但仍会给客户支持团队时间对预测采取行动，以减少流失。

最后，我们收集了第 60 天之前可用的客户数据，以生成特征。

由此产生的机器学习问题是：“在前 60 天的活动结束后，客户会在第 110 天之前打电话取消吗？”

数据集现在已准备好用于自动机器学习，如下表所示。位置、潜在客户来源、加入月份和订阅金额是固定的特征，前 60 天登录和 60 天活跃用户是依赖于窗口的特征，目标列为“在 110 天之前删除”。