解約予測の作成

Braze ダッシュボード内で解約予測を作成する方法について説明します。

ステップ 1: 新しい予測を作成する

Braze で、[分析] > [解約予測] に移動します。

予測は、訓練された機械学習モデルとそれが使用するすべてのパラメーターとデータの 1 つのインスタンスです。このページには、現在アクティブな予測のリストと、それらに関する基本情報が表示されます。ここでは、名前の変更、アーカイブ、および新しい予測の作成を行えます。アーカイブされた予測は非アクティブであり、ユーザースコアは更新されません。

新しい予測を作成するには、[予測を作成] を選択し、新しい [解約予測] を選択します。

[基本情報] ページで、新しい予測に一意の名前を付けます。また、オプションの説明を指定して、この特定の予測に関するメモを記すこともできます。

次の手順に進むには、[進む] をクリックします。オプションで [今すぐ作成] をクリックして、すべてのデフォルト設定を使用して作成の最後のステップにスキップすることもできます。作成プロセスを開始する前に、設定を確認できます。後で任意のステップに戻るには、上部の進行状況トラッカーで選択できます。

ステップ 2: 解約の定義

[解約の定義] パネルで、提供されたフィルターを使用して貴社にとってのユーザー解約とは何かを定義します。つまり、ユーザーがどのような時間枠で何をした場合に「解約した」とみなされるかをここで定義します。

ここで、解約の前にどのような行動があったかを説明する必要はないということに注意してください。ユーザーが解約ユーザーに変わるために必要なものだけを指定します。これは、ユーザーがそれを 1 回行う (do) か、停止する (do not) と解約となる行動として考えることができます。たとえば、7 日以内にアプリを開いていないユーザーを解約することがあります。アンインストール、購読解除、アカウントの無効化などのカスタムイベントによってユーザーを解約することも考えられます。

チャーン期間

チャーン期間は、ユーザーが解約とみなされる指定の動作を実行する時間枠です。これは最大 60 日に設定できます。この期間は、予測をトレーニングするための履歴データのクエリに使用されます。さらに、予測が作成され、ユーザーがスコアを受け取った後、Churn Risk Score は、解約ウィンドウで指定された日数内にユーザーが解約する可能性を示します。

ここでは、過去 7 日間の離脱セッションに基づく単純な定義の例を示します。

この場合、do not と start a session を選択します。他のフィルターを AND および OR と組み合わせて、必要な定義を作成できます。考慮に値する潜在的な解約の定義をいくつか見てみましょう。次のセクションでは、サンプル解約定義 のインスピレーションをいくつか示します。

定義の下には、利用可能なユーザー数 (定義に基づいて過去に解約したユーザーと解約しなかったユーザー) の見積もりが表示されます。必要な最小値も表示されます。ろう付けでは、ヒストリカル・データで利用可能なユーザーの数がこの最小限でなければならないため、予測には学習に必要な十分なデータが含まれています。

ステップ 3:予測オーディエンスをフィルタリングする

予測オーディエンスは、解約リスクを予測するユーザーのグループです。デフォルトでは、これはAll Users に設定されます。これは、この予測により、アクティブなすべてのユーザーの解約・リスク・スコアが作成されることを意味します。通常、いくつかの基準で混乱を防ぎたいユーザーのグループを絞り込んでフィルタリングすると、モデルのパフォーマンスが向上する可能性があります。ここでは、最も価値のある保持すべき特定のユーザーについて考え、定義を行います。たとえば、1 か月以上前にアプリを初めて使用したユーザー、または 1 度でも購入したことのあるユーザーを保持することができます。

予測ウィンドウが 14 日以内の場合、「Last Used App」や「Last Made Purchase」のように「Last…」で始まるフィルターの時間枠は、解約定義で指定されたチャーン期間を超えることはできません。たとえば、解約定義のウィンドウが 14 日の場合、「Last…」フィルターの時間枠は 14 日を超えることはできません。

フルフィルターモード

新しい予測をすぐに構築するために、ブレーズセグメンテーションフィルタのサブセットのみがサポートされています。Full Filter Mode(フルフィルタモード)では、すべてのろう付けフィルターを使用できますが、予測を作成するには1 つの解約ウィンドウが必要です。たとえば、チャーン期間が 15 日に設定されている場合、フルフィルターモードでのみサポートされるフィルターを使用すると、ユーザーデータの収集と予測の作成に 15 日かかります。 また、フルフィルターモードでは、オーディエンスのサイズに関する一部の見積もりが利用できなくなります。

予測オーディエンス定義のサンプルリストについては、 サンプル解約定義 の次のセクションでサンプル定義を確認してください。

前のページと同様に、下部のパネルには、解約定義と予測オーディエンス定義に起因するヒストリックユーザーの推定数が表示されます。これらの見積もりは、予測を作成するために表示される最小要件を満たす必要があります。

ステップ 4:解約予測の更新頻度の選択

このページを完了したときに作成された機械学習モデルは、ここで選択したスケジュールで使用され、新しい解約リスクスコアが生成されます。役立つと思われる更新の最大頻度を選択します。たとえば、ユーザーの解約を防ぐために週間プロモーションを送信する場合は、選択した日時に更新頻度をWeekly に設定します。

ステップ 5: 予測を作成する

指定した詳細が正しいことを確認し、Build Prediction を選択します。また、Save As Draftを選択してこのページに戻り、後でモデルをビルドすることで、ドラフトフォームに変更を保存することもできます。Build Predictionをクリックすると、モデルを生成するプロセスが開始されます。データの量によっては、30 分から数時間かかる場合があります。この予測では、モデル構築プロセスの間、トレーニングが進行中であることを説明するページが表示されます。

完了すると、ページが自動的に分析ビューに切り替わり、予測と結果の準備ができたことを知らせる電子メールが送信されます。エラーが発生した場合、ページは編集モードに戻り、何が間違っていたかが説明されます。

予測は再構築され(“retrained”)、2 週間ごとに自動的に更新されます。これにより、最新の利用可能なデータが更新されます。これは、ユーザーの_Churn Risk Scores_(予測の出力)が生成される場合とは別のプロセスであることに注意してください。後者は、手順4で選択した更新頻度によって決まります。

サンプル解約と予測オーディエンスの定義

解約の定義例

• 7 日以内に、カスタムイベント「購読のキャンセル」を実行する
  
• 30 日以内に、カスタムイベント「トライアルの期限切れ」を実行する
  
• “1 日以内にアンインストールを行います。”
  
• ” 14日以内に購入を行わない。”
  

説明した解約の定義には、対応する予測オーディエンスの定義があるかもしれません。

• 2 週間以上前に購読を開始した OR 2 週間未満前に購読を開始した
  この場合、2 つの予測を作成し、長期購読者とは異なる方法で新しい購読者にメッセージを送信できます。これは「30 日以上前に最初の購入を行った」として定義することもできます。
  
• アンインストーラー
  過去に何かを購入したことがあるか、最近アプリを使用したことがある顧客に焦点を当てるかもしれません。
  
• 購入しないリスクのあるユーザーを解約の定義とする
  貴社のアプリを最近ブラウズしたり検索したり、エンゲージしている顧客に焦点を当てることができます。割引による適切な介入によって、エンゲージの度合いが比較的高いこのグループが解約するのを防ぐことができます。

アーカイブ済み予測

アーカイブされた予測では、ユーザースコアの更新が停止します。アーカイブされていないアーカイブされた予測は、事前に設定されたスケジュールでユーザーのスコアを更新し続けます。アーカイブされた予測は削除されず、リストに残ります。