Ignorar navegação

Previsão de variação de clientes

A Previsão de rotatividade de clientes usa componentes do Cortana Intelligence Suite para prever a probabilidade de rotatividade e ajuda a encontrar padrões em dados existentes associados à taxa de rotatividade prevista.

Descrição

Observação: se você já tiver implantado esta solução, clique aqui para exibir sua implantação.

Para obter mais detalhes de como essa solução é criada, visite o guia da solução no GitHub.

Tempo de provisionamento estimado: 25 minutos

Manter os clientes existentes é cinco vezes mais barato do que os custos de obter clientes novos. Por esse motivo, os executivos de marketing geralmente tentam estimar a probabilidade de rotatividade de clientes e descobrir as ações necessárias para minimizar a taxa de rotatividade.

A Previsão de rotatividade de clientes usa o Azure Machine Learning para prever a probabilidade de rotatividade e ajuda a encontrar padrões em dados existentes associados à taxa de rotatividade prevista. Essas informações oferecem às empresas a inteligência acionável para melhorar a retenção de clientes e as margens de lucro.

O objetivo desse guia é demonstrar os pipelines de dados de previsão para revendedores para prever a rotatividade de clientes. Os revendedores podem usar essas previsões para evitar a rotatividade de clientes usando seu conhecimento de domínio e estratégias de marketing adequadas para abordar clientes em risco. O guia também demonstra como os modelos de rotatividade de clientes podem ser treinados para aproveitar dados adicionais à medida que se tornam disponíveis.

O Que Há por Trás da Solução

A solução de ponta a ponta é implementada na nuvem, usando o Microsoft Azure. A solução é composta por diversos componentes do Azure, incluindo ingestão de dados, armazenamento de dados, movimentação de dados, análise avançada e visualização. As análises avançadas são implementadas no Azure Machine Learning Studio, em que uma pessoa pode usar Python ou o idioma R para criar modelos de ciência de dados (ou reutilizar bibliotecas de terceiros ou internas existentes). Com a ingestão de dados, a solução pode fazer previsões com base nos dados que são transferidos para o Azure de um ambiente local.

Dashboard da solução

O instantâneo a seguir exibe um exemplo de dashboard do Power BI que oferece visões sobre as taxas de rotatividade previstas na base de clientes.

Visões

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Python Web Job Event Hub ETL (Python) Machine LearningTrained model Stream Analytics Azure Storage Browsing Data Batch ETL and Predictive Pipeline 1 2 SQL DW Demographics, products, purchases Merged customer profilew/ engineered features Enriched customer profile with predictions HD Insight(Spark R Server) Enriched customer profiles Power BI Dashboard 3 4 5 6

Cliente 360

Uma compreensão profunda entre os interesses do cliente e os padrões de compra é um componente fundamental de qualquer operação de business intelligence de varejo. Esta solução implementa um processo de agregação de dados de cliente em um perfil de "360 graus" e usa modelos avançados de aprendizado de máquina com suporte da confiabilidade e capacidade de processamento do Azure para fornecer insights preditivos em clientes simulados.