예측 이탈률

예측 이탈을 사용하면 비즈니스에 있어 이탈의 의미를 정의하고 유지하고자 하는 사용자를 식별할 수 있습니다. 예측을 생성하면 Braze는 그라데이션 부스트 의사 결정 트리를 사용하여 머신 러닝 모델을 학습시켜 이탈한 사용자와 그렇지 않은 사용자 모두의 과거 행동 패턴을 분석하여 위험에 처한 사용자를 인식합니다.

예측 이탈 정보

예측 모델이 구축되면 예측 오디언스에 속한 사용자에게는 정의에 따라 이탈 가능성을 나타내는 0~100 사이의 이탈 위험 점수가 할당됩니다. 점수가 높을수록 사용자가 이탈할 가능성이 높습니다.

예측 오디언스의 위험 점수 업데이트는 사용자가 선택한 주기로 수행할 수 있습니다. 이렇게 하면 고객이탈 위험이 있는 사용자에게 실제로 이탈하기 전에 먼저 다가가서 이탈을 사전에 방지할 수 있습니다. 최대 3개의 활성 사용자 예측을 사용하여 예측 이탈을 활용하면 개별 모델을 맞춤화하여 가장 가치가 높다고 판단되는 특정 사용자 세그먼트 내에서 이탈을 방지할 수 있습니다.

과거 데이터로 학습한 과거 예측 오디언스를 포함한 고객이탈에 대한 개요 데이터입니다. 이는 현재 예측된 오디언스를 이탈 위험 점수로 측정하여 향후 발생할 수 있는 고객 이탈 위험을 예측하는 데 기여합니다.](/docs/ko/assets/img/churn/churn_overview.png?fae15dbcc09af8b64e6da6c1bd6dd541)

예측 이탈에 액세스하기

예측 페이지는 분석 섹션에 있습니다. 전체 액세스 권한을 얻으려면 계정 매니저에게 문의하세요.

이 기능을 구매하기 전에는 미리 보기 모드로 이용할 수 있습니다. 이를 통해 합성 데이터로 데모 이탈 예측을 확인하고 사용자 데이터를 기반으로 한 번에 하나의 이탈 예측 모델을 생성할 수 있습니다. 이 미리 보기에서는 고객이탈 위험에 따라 메시징 사용자를 타겟팅할 수 없으며 생성 후 정기적으로 업데이트되지 않습니다.

미리 보기를 사용하면 하나의 예측을 편집 및 재구축하거나 보관하고 다른 예측을 생성하여 다양한 정의의 예상 예측 품질을 테스트할 수도 있습니다.