Итак, как же мы прогнозируем ранний отток клиентов? Оказалось, что это больше вопрос о том, «когда», а не «каким образом». В зависимости от конкретного примера для раннего прогнозирования оттока абонентов и вашей игры в целом, вы можете включать алгоритм предсказания чуть раньше или позже. Когда мы начали внедрять нашу систему раннего прогноза оттока абонентов в Top Eleven, мы знали, что нужно повторно активировать игрока с помощью персонализированных push-уведомлений. Но мы всё ещё не могли понять, какой именно момент мы хотим предугадать. Так что же вы делаете, когда вы не знаете о чём-то наверняка? Вы проверяете гипотезу экспериментом!
Мы сделали три различных модели прогнозов, на срок уведомления после трёх, двух и одного дня с момента регистрации пользователя.
После моделирования системы мы рассылаем неперсонифицированные push-уведомления, которые предлагают пользователю заново войти в игру, для того, чтобы получить доказательства для нашей системы. Получается следующее:
● Модель по третьему дню даёт нам наилучший результат точности возврата, но удовлетворённость уровнем реактивации невысокая
● Модель по второму дню сохраняет уровень точности возврата второго дня, однако реактивация нас всё ещё не устраивает
● Модель по первому дню достигает меньших значений точности возврата, чем предыдущие результаты, но мы достигаем увеличения реактиваций к тому уровню, который мы бы хотели иметь с самого начала
Есть у кого еще подобные примеры аналитики? Буду очень признателен
Спасибо Роману за перевод!