이탈 예측을 생성하십시오

Braze 대시보드 내에서 고객이탈 예측을 만드는 방법을 알아보세요.

1단계: 새 예측 만들기

Braze에서 분석 > 예측 이탈로 이동합니다.

예측은 학습된 머신 러닝 모델의 한 인스턴스와 그 모델이 사용하는 모든 매개변수 및 데이터입니다. 이 페이지에는 현재 활성 상태인 예측 목록과 그에 대한 몇 가지 기본 정보가 표시됩니다. 여기에서 예측의 이름을 바꾸고, 보관하고, 새 예측을 만들 수 있습니다. 보관된 예측은 비활성 상태이며 사용자 점수를 업데이트하지 않습니다.

새 예측을 생성하려면 예측 생성을 선택하고 새 고객이탈 예측을 선택합니다.

기본 사항 페이지에서 새 예측에 고유한 이름을 지정합니다. 선택 사항으로 설명을 입력하여 이 특정 예측에 대한 메모를 남길 수도 있습니다.

다음 단계로 이동하려면 앞으로를 선택하십시오. 선택적으로 모든 기본 설정을 사용하고 생성의 마지막 단계로 건너뛰려면 지금 구축를 선택할 수 있습니다. 구축 프로세스를 시작하기 전에 설정을 검토할 기회가 있습니다. 진행 추적기에서 선택하여 나중에 어떤 단계로든 돌아갈 수 있습니다.

2단계: 고객이탈 정의

고객이탈 정의 패널에서 제공된 필터를 사용하여 비즈니스에 대한 사용자 고객이탈을 정의하는 방법을 지정합니다. 다시 말해, 사용자가 고객이탈한 것으로 간주하려면 어떤 시간대에 무엇을 해야 할까요?

어떤 행동이 고객이탈의 원인이 될 수 있는지 설명할 필요 없이, 무엇이 사용자를 고객이탈한 사용자로 만드는지에 대해서만 설명해야 한다는 점을 기억하세요. 사용자가 한 번(do) 또는 중단(do not)하는 행위가 고객이탈에 해당한다고 생각하면 됩니다. 예를 들어, 7일 동안 앱을 열지 않은 사용자를 고객이탈한 사용자로 간주할 수 있습니다. 삭제 또는 구독 취소, 계정 비활성화 등의 커스텀 이벤트를 통해 사용자 고객이탈을 유도할 수 있습니다.

고객이탈 기간

이탈 창은 사용자의 활동이 이탈 기준을 충족하는 기간입니다. 사용 가능한 데이터에 따라 최대 60일로 설정할 수 있습니다. 이 창은 예측을 훈련하기 위해 역사적 데이터를 가져오는 데 사용됩니다. 예측이 구축되면 정확한 결과를 위한 충분한 데이터가 있었는지 확인할 수 있습니다.

예측이 구축되고 사용자가 점수를 받으면 _이탈 위험 점수_는 사용자가 설정한 이탈 창의 기간 내에 이탈할 가능성을 보여줍니다.

다음은 지난 7일 동안의 경과 세션을 기준으로 한 간단한 정의의 예입니다.

이 경우 do not 및 start a session을 선택합니다. 다른 필터를 AND 및 OR와 적절하게 결합하여 필요한 정의를 만들 수 있습니다. 고려해야 할 몇 가지 잠재적 고객이탈 정의에 관심이 있으신가요? 다음 섹션의 고객이탈 정의 샘플에서 몇 가지 영감을 얻을 수 있습니다.

정의 아래에는 사용 가능한 사용자 수(정의에 따라 과거에 고객이탈한 사용자와 고객이탈하지 않은 사용자)에 대한 추정치가 표시됩니다. 필요한 최소값도 확인할 수 있습니다. Braze는 예측이 학습할 수 있는 충분한 데이터를 확보할 수 있도록 과거 데이터에서 이 최소 사용자 수를 확보해야 합니다.

3단계: 예측 오디언스 필터링

당신의 예측 청중은 이탈 위험을 예측하고자 하는 사용자 그룹입니다. 예측 청중은 기계 학습 모델이 과거로부터 학습하기 위해 보는 사용자 그룹을 정의합니다. 기본적으로, 이는 모든 사용자로 설정되어 있으며, 이는 이 예측이 모든 활성 사용자에 대한 이탈 위험 점수를 생성함을 의미합니다 (이탈 모델에 대해 활성으로 간주되는 사람에 대한 이전 참고를 참조하십시오).

사용 사례에 따라, 모델에 대해 평가하고자 하는 사용자를 지정하기 위해 필터를 사용할 수 있습니다. 이렇게 하려면 나만의 예측 오디언스 정의하기를 선택하고 오디언스 필터를 선택합니다. 예를 들어, 사용자 기반에 드라이버와 승객이 있는 차량 공유 앱이라면, 승객을 위한 이탈 모델을 구축하고 있으므로 예측 오디언스를 승객으로 필터링해야 합니다. 많은 사용 사례에서는 특정 예측 오디언스를 선택할 필요가 없다는 점을 염두에 두십시오. 예를 들어, 사용 사례가 이탈 가능성이 가장 높은 EU 지역의 사용자를 타겟팅하는 것이라면, 모든 사용자에 대해 모델을 실행한 다음 캠페인 세그먼트에 EU 지역 필터를 포함할 수 있습니다.

Braze는 예측 오디언스의 예상 크기를 보여줍니다. 원하는 오디언스를 지정하고 모델을 실행하기 위한 최소 요구 사항을 충족하지 않으면, 더 넓은 필터를 지정하거나 모든 사용자 옵션을 사용해 보십시오. “모든 사용자” 그룹의 크기는 정적이지 않으며 모델마다 다르며, 이탈 정의를 고려합니다. 예를 들어, 이탈 정의가 구매하지 않은 경우 30일 이내에; 이 경우, Braze는 지난 30일 동안 구매한 사용자에 대해 모델을 실행하고 (다음 30일 동안 구매하지 않을 가능성을 예측함) 이들이 “모든 사용자” 지표에 반영되는 사용자입니다.

예측 창이 14일 이하일 때, “마지막…“로 시작하는 필터의 시간 창은 “마지막 사용한 앱” 및 “마지막 구매한” 이탈 정의에 지정된 이탈 창을 초과할 수 없습니다. 예를 들어, 고객이탈 정의의 기간이 14일인 경우 “마지막…” 필터의 기간은 14일을 초과할 수 없습니다.

이탈 창은 모델이 마지막으로 실행된 날로부터 며칠을 되돌아보며 평가되므로, 이탈 창이 15일이고 모델이 12월 1일에 마지막으로 실행되었다면, 모델은 11월 16일부터 11월 30일까지의 사용자 활동을 분석하여 오디언스 자격 및 훈련을 이해합니다.

전체 필터 모드

새로운 예측을 즉시 구축하기 위해서는 Braze 세분화 필터의 일부만 지원됩니다. 전체 필터 모드는 모든 Braze 필터를 사용할 수 있게 해주지만, 예측을 구축하기 위해 하나의 이탈 창이 필요합니다. 예를 들어 고객이탈 기간을 15일로 설정하면 전체 필터 모드에서만 지원되는 필터를 사용할 때 사용자 데이터를 수집하고 예측을 구축하는 데 15일이 걸립니다. 또한 전체 필터 모드에서는 오디언스 규모에 대한 일부 추정치를 사용할 수 없습니다.

예측 오디언스 정의의 샘플 목록은 다음 섹션의 샘플 고객이탈 정의에서 확인할 수 있습니다.

이전 페이지와 마찬가지로 하단 패널에는 고객이탈 정의 및 예측 오디언스 정의에 따른 예상 기록 사용자 수가 표시됩니다. 이러한 예상치는 예측을 생성하기 위해 표시된 최소 요구 사항을 충족해야 합니다.

4단계: 고객이탈 예측을 위한 업데이트 주기 선택

머신 러닝 모델은 사용자에 대한 이벤트 가능성 점수를 생성하며, 이 점수는 여기에서 선택한 일정에 따라 업데이트됩니다. 사용자의 이벤트 가능성 점수를 기반으로 타겟팅할 수 있습니다.

유용하다고 생각되는 최대 업데이트 빈도를 선택합니다. 예를 들어 사용자 고객이탈을 방지하기 위해 매주 프로모션을 보내려는 경우 업데이트 주기를 원하는 날짜와 시간에 매주로 설정합니다.

5단계: 예측 구축

입력한 세부 정보가 정확한지 확인한 후 예측 구축을 선택합니다. 초안으로 저장을 선택하여 변경 사항을 초안 형태로 저장하여 이 페이지로 돌아와 나중에 모델을 빌드할 수도 있습니다. 예측 구축을 선택한 후, 모델을 생성하는 프로세스가 시작됩니다. 데이터 양에 따라 30분에서 몇 시간 정도 소요될 수 있습니다. 이 예측에 대해, 모델 구축 프로세스 동안 훈련이 진행 중임을 설명하는 페이지를 보게 됩니다. Braze 모델은 커스텀 이벤트, 구매 이벤트, 캠페인 상호작용 이벤트 및 세션 데이터를 고려합니다.

작업이 완료되면 페이지가 자동으로 분석 보기로 전환되며, 예측 및 결과가 준비되었다는 이메일도 받게 됩니다. 오류가 발생하면 페이지가 편집 모드로 돌아가면서 무엇이 잘못되었는지에 대한 설명이 표시됩니다.

예측은 2주마다 자동으로 다시 재구축(“재학습”)되어 사용 가능한 최신 데이터로 최신 상태를 유지합니다. 이 과정은 예측의 결과인 사용자의 _고객이탈 위험 점수_가 생성될 때와는 별개의 프로세스입니다. 후자는 4단계에서 선택한 업데이트 주기에 따라 결정됩니다.

샘플 고객이탈 및 예측 오디언스 정의

샘플 고객이탈 정의

• “7일 이내에 커스텀 이벤트 ‘구독 취소’ 수행”
  
• “30일 이내에 커스텀 이벤트 ‘평가판 만료’ 수행”
  
• “1일 이내에 제거하세요.”
  
• “14일 이내에 구매하지 마세요.”
  

앞서 설명한 고객이탈 정의에 해당하는 예측 오디언스 고객 정의가 있을 수 있습니다.

• 2주 이상 전에 구독을 시작했거나 2주 미만 전에 구독을 시작했습니다.
  이 경우 2개의 예측을 만든 다음 신규 구독자에게는 장기 구독자와 다르게 메시지를 보낼 수 있습니다. 이를 “30일 이상 전에 처음 구매”로 정의할 수도 있습니다.
  
• 제거 프로그램
  최근 과거에 상품을 구매했거나 최근에 앱을 사용한 고객에 집중할 수 있습니다.
  
• 구매하지 않을 위험이 있는 고객 고객이탈의 정의
  최근에 귀하의 앱을 탐색하거나 검색하거나 참여한 고객에게 집중할 수 있습니다. 적절한 할인 개입을 통해 인게이지먼트가 높은 그룹이 고객이탈을 방지할 수 있습니다.

보관된 예측

보관된 예측은 사용자 점수 업데이트가 중지됩니다. 아카이브되지 않은 예측은 미리 정해진 일정에 따라 사용자 점수를 계속 업데이트합니다. 보관된 예측은 삭제되지 않고 목록에 남아 있습니다.