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を学びます。

ステップ 1:新しい予測を作成する

Braze で、[分析]>[予測解約]に移動します。

予測とは、トレーニングされた機械学習モデルの 1 つのインスタンスと、それが使用するすべてのパラメーターとデータです。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、名前を変更したり、アーカイブしたり、新しい予測を作成したりできます。アーカイブされた予測は非アクティブであり、ユーザーのスコアは更新されません。

新しい予測を作成するには、「予測の作成」 を選択し、新しい 解約予測を選択します。

「基本」 ページで、新しい予測に一意の名前を付けます。オプションの説明を入力して、この特定の予測に関するメモを取ることもできます。

次のステップに進むには、「進む」 をクリックします。オプションで、「今すぐビルド」を クリックして、すべてのデフォルト設定を使用し、作成の最後の手順にスキップすることもできます。ビルド プロセスを開始する前に設定を確認する機会があります。上部の進捗状況トラッカーで選択することで、後で任意のステップに戻ることができます。

ステップ 2:解約率を定義する

「解約定義」 パネルで、提供されているフィルターを使用して、ビジネスのユーザー解約を定義する方法を指定します。言い換えれば、ユーザーがどの期間内に何をすれば、解約したとみなされるのでしょうか?

覚えておいてください。解約に先立つ行動を説明する必要はなく、ユーザーを解約させる原因を説明するだけで十分です。これをユーザーが一度だけ行う操作（do) または (do not）はチャーニングに該当します。たとえば、7 日間アプリを開いていないユーザーは離脱したとみなすことができます。アンインストール、登録解除、アカウントの無効化などのカスタム イベントなどによって、ユーザーの離脱を引き起こすことを検討してください。

チャーン期間

チャーン ウィンドウとは、ユーザーがチャーンを構成すると指定された動作を実行する時間枠です。最長60日まで設定可能です。このウィンドウは、予測をトレーニングするための履歴データを照会するために使用されます。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、 解約リスク スコアは、 解約期間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。

以下は、過去 7 日間の失効セッションに基づく簡単な定義の例です。

この場合は、 do not そして start a session。他のフィルターと組み合わせることもできます AND そして OR 必要に応じて定義を作成します。検討すべき潜在的な解約の定義に興味がありますか?サンプルの解約定義に関する次のセクションで、いくつかのヒントを見つけることができます。

定義の下には、利用可能なユーザー数（定義に従って過去に解約したユーザーと解約しなかったユーザー）の推定値が表示されます。必要な最小値も表示されます。Braze では、予測に学習するのに十分なデータが得られるように、履歴データでこの最小数のユーザーを利用できる必要があります。

ステップ 3:予測対象者をフィルタリングする

予測対象ユーザーとは、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 「すべてのユーザー」に設定され、この予測によってすべてのアクティブ 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、解約を防ぎたいユーザーのグループを何らかの基準で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高くなります。あなたにとって最も重要で、保持したい特定のユーザーについて考えて、ここで定義します。たとえば、1 か月以上前に初めてアプリを使用したユーザーや、購入したことがあるユーザーを維持したい場合があります。

予測期間が 14 日以下の場合、「最後に使用したアプリ」や「最後に購入した商品」など、「前回…」で始まるフィルターの時間期間は、解約定義で 指定された解約期間を超えることはできません 。たとえば、解約定義に 14 日間の期間がある場合、「最終…」フィルターの時間期間は 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、Braze セグメンテーション フィルターのサブセットのみがサポートされています。フル フィルター モードでは、すべての Braze フィルターを使用できますが、予測を構築するには 1 つのチャーン ウィンドウが必要になります。たとえば、解約期間が 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ているフィルターを使用すると、ユーザー データを収集して予測を構築するのに 15 日かかります。 さらに、フル フィルター モードでは、オーディエンス サイズに関する一部の推定値は利用できません。

予測オーディエンス定義のサンプル リストについては、次のセクションの 「サンプルの解約定義」にあるサンプル定義を確認してください。

前のページと同様に、下のパネルには、解約定義と予測オーディエンス定義から得られた過去のユーザーの推定数が表示されます。予測を作成するには、これらの推定値が示された最小要件を満たしている必要があります。

ステップ 4: 解約予測の更新頻度を選択する

このページを完了すると作成される機械学習モデルは、ここで選択したスケジュールに基づいて使用され、新しい解約リスク スコアが生成されます。役に立つと思われる 更新の最大頻度 を選択します。たとえば、ユーザーの離脱を防ぐために毎週プロモーションを送信する場合は、選択した曜日と時間に更新頻度を 毎週 に設定します。

ステップ 5: ビルド予測

指定した詳細が正しいことを確認し、「予測の構築」を選択します。また、「下書きとして保存」 を選択して変更を下書き形式で保存し、後でこのページに戻ってモデルを構築することもできます。「予測の構築」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。データ量に応じて、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中に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、ページは自動的にアナリティクス ビューに切り替わり、予測と結果の準備ができたことを通知するメールも届きます。エラーが発生した場合、ページは編集モードに戻り、何が問題だったのかの説明が表示されます。

予測は、利用可能な最新のデータに基づいて更新されるよう、2 週間ごとに自動的 に再構築 (「再トレーニング」) されます。これは、予測の出力であるユーザーの _解約リスク スコアが_生成されるプロセス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。

解約および予測オーディエンスの定義例

解約の定義例
- 「7日以内にカスタムイベント「サブスクリプションのキャンセル」を実行します」
- 「30日以内にカスタムイベント「試用期限切れ」を実行します」
- 「1日以内にアンインストールしてください。」
- 「14日以内に購入しないでください。」

私たちが概説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いくつかあるかもしれません。
-2週間以上前にサブスクリプションを開始したか、2週間以内にサブスクリプションを開始した
この場合、2 つの予測を作成し、新規購読者と長期購読者とで異なるメッセージを送信することをお勧めします。これを「30 日以上前に初めて購入した」と定義することもできます。

• アンインストーラー
  最近何かを購入した顧客や、ごく最近アプリを使用した顧客に焦点を当てるとよいでしょう。
  
• 購入しないリスクがある顧客を解約の定義とする
  最近アプリを閲覧、検索、または利用している顧客に焦点を当てる必要があるかもしれません。おそらく、適切な割引介入により、このより熱心なグループの離脱を防ぐことができるでしょう。

アーカイブされた予測

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されます。アーカイブ解除されたアーカイブ済みの予測は、事前に設定されたスケジュールに従ってユーザー 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。