改めましてこんにちは、今週のTGI5のエピソードへようこそ。本日のエピソードでは、ArcGIS内のいくつかのツールと空間分析を活用してChurn予測に関するワークフローを見ていき、お客様が解約しそうな可能性を理解する手助けをします。では早速デモに入りましょう。
今回はChurn予測を支援するArcGISの新しいツールを見ていきます。ArcGISは数百もの空間および統計ツールを提供しており、その中には多くの最新の機械学習や予測ツールセットも含まれています。その一つがForest based classification and regression toolです。シナリオとしては、Customer 360データベースに100万以上のデータポイントがあり、これはevery partner share trackerから提供されたもので、さらに内部で生成した追加変数も含まれています。これらすべての場所は青色で表示されています。
この上にあるヒートマップは、過去1年以内にサービスを解約した顧客を示しています。私がより理解したいのは「なぜ」かということです。もし彼らが離れた理由がわかれば、同様のChurn特性を持つ現在の顧客を特定し、解約前に滞留させるためのマーケティングキャンペーンを組み立てることができます。このCustomer 360データベースとForest based classification and regression toolを使って、この機械学習ツールを様々な変数に対して実行し、それらが顧客の解約にどのように影響または影響力を持つかを調べました。
テストした変数には、顧客としての年数、合計請求額（通信サービスにどれだけ支出しているか）、地域内の競合脅威の有無、バンドルサービスの有無、自宅で同時接続されているデバイス数、報告された技術的問題の総数などがあります。また、このデータをEsriの人口統計データでジオエンリッチし、tapestry segmentationなど追加の人口統計変数も加えました。さらに中央局までの距離など追加の地理的変数も加えることが可能です。
分析結果は訓練済みデータセットを生成し、Churnに影響するさまざまな変数とその影響度合いを示します。これにより、これらの変数が実際に顧客が当社から離れることに影響したという信頼度や精度レベルが得られます。次にこれらの結果をチャートで見てみましょう。Churnに影響する主な要因は、顧客の合計請求額（支出額）、dominant Tapestry segmentation、および技術的問題報告回数でした。
分析結果への信頼度が十分であれば、この訓練済みデータセットを現在のCustomer 360データベース内のお客様に適用できます。これにより、その顧客が解約しそうな確率が予測される結果が得られます。この分析結果に基づいて、高いChurn確率のお客様をターゲットとしたキャンペーンを実施し、その効果をモニタリングしたい場合には、経営陣チームがこれらキャンペーンがChurnに与える影響を見ることができるダッシュボードを作成しました。月別や年別でChurn数値を見ることができ、サービス全体で今年と昨年で何人のお客様が離れたか比較できます。また、そのうち何人がお客様のブロードバンドやTVサービスを解約したかも内訳として確認できます。特定地域やテリトリーごとのChurn数値も詳細に掘り下げて見ることが可能です。
今週のTGI5エピソードをご覧いただきありがとうございました。この内容がお役に立ち、ArcGIS内でforest-based classificationおよび空間分析ツールを使って組織がChurnを理解し、お客様がサービス解約する可能性を予測する方法をご覧いただけたなら幸いです。
それでは次回まで失礼します。
-Patrick Huls
