KHpSY4O7QXO6UmODu FZJW Self Reflection Examples of Great Presentations IND
KHpSY4O7QXO6UmODu FZJW Self Reflection Examples of Great Presentations IND
Sarah N / 5 November
Proprietary + Confidential
Prediksi jangka panjang tentang nilai masa depan (future value) interaksi pelanggan Anda
3 $18,00 $5.000.000 5%
4 $14,75 $3.000.000 3%
5 $10,00 $2.000.000 2%
Peluang Pelanggan
Nilai yang Diharapkan Total Masa Depan Persen dari Total
Tidak Melanjutkan
Selama Satu Tahun Nilai Pelanggan Ekuitas
(Churn)
Peluang Pelanggan
Kategori Produk Nilai yang Diharapkan Total Masa Depan Persen dari Total
Tidak Melanjutkan
Pertama yang Dibeli Selama Satu Tahun Nilai Pelanggan Ekuitas
(Churn)
Penggemar Komedi
$150,00 $51.000.000 64% 40%
Romantis
Penggemar Film
$ 77,99 $18.000.000 22,5% 10%
Horor
Kategori yang paling sering Nilai yang Diharapkan Total Masa Depan
Persen dari Total Ekuitas
dibeli Selama Satu Tahun Nilai Pelanggan
Penggemar Komedi
$250,00 $31.000.000 39%
Romantis
Menggunakan model kebaruan/frekuensi/nilai Menggunakan alat prediksi untuk menentukan Menentukan aksi pengguna terpenting dalam
untuk mendapatkan ekstrapolasi nilai umur probabilitas waktu t ketika langganan aplikasi yang berkorelasi dengan nilai umur
pelanggan dalam pengaturan non-kontraktual. pengguna masih “aktif”. pelanggan.
lifetime
lifeline scikit-learn
Proprietary + Confidential
Prospek pelanggan tercatat Prospek telah menjadi pelanggan Keluar - Masuk Pelanggan (Churn)
Aplikasi Persetujuan
Proprietary + Confidential
Prospek pelanggan tercatat Prospek telah menjadi pelanggan Keluar - Masuk Pelanggan (Churn)
Aplikasi Persetujuan
Proprietary + Confidential
Aplikasi Persetujuan
Proprietary + Confidential
Pembelian pertama
Solusi Machine Learning: Model Probabilistik:
Penginstalan Aplikasi
- Clustering - Pareto/NBD
Pendaftaran Langganan - Regresi - BG/NBD
2. Keterlibatan kembali
3. Pemilihan Fitur
lampiran