この記事では、Pendo Predictで顧客解約予測モデルを作成するためのエンドツーエンドのプロセスについて説明します。各段階の概要を分かりやすく説明しているので、セットアップの計画を立て、定義を統一し、自信を持って予測を実行できます。
フェーズ1：セットアップを評価する
始める前に、データとシステムが最小要件を満たしていることを確認してください。これらがなければモデルを開発することはできません。
| 前提条件 | 詳細 |
|---|---|
| データ量 | 少なくとも1年分の利用データ、または解約アカウント200件と更新アカウント500件を記録できる十分な履歴データのいずれか多い方。 |
| 成果の追跡 | 解約と更新のイベントは、それぞれの結果に対応する日付フィールドを使用してCRMで追跡されます。 |
| アカウントID連携 | CRMのアカウントは、共有識別子またはメタデータフィールドを使用してPendoのアカウントにマッピングされます。 |
フェーズ2：データソースを接続する
モデルに含めたいデータを特定し、そのデータが格納されているソースを接続します。ほとんどの解約モデルは以下のデータ型の組み合わせを使用します。
| データカテゴリー | 対象範囲 | 代表的なソース | 必須である |
|---|---|---|---|
| アカウント情報 | 会社の属性、セグメント、契約の詳細 | CRM（例：Salesforceアカウントオブジェクト） | 可 |
| 更新および取引データ | 更新結果、解約イベント、終了日 | CRM（例：Salesforceの商談オブジェクト） | 可 |
| プロダクトの使用状況データ | フィーチャーの利用率、セッション頻度、エンゲージメントの深度 | プロダクトを最適化する | 可 |
| サポートデータ | チケットの量、重大度、解決の傾向 | CRMまたはサポートツール | いいえ |
| アカウントのエンゲージメント | メール、会議、その他の顧客とのやり取り | CRMまたはエンゲージメントツール | いいえ |
ビジネスに関連する情報源を含めましょう。必要に応じてデータウェアハウスから追加のシグナルを接続することも可能です。
ソースを接続する
- predict.pendo.ioにアクセスしてログインしてください。
- データソースが他の同僚によって所有されている場合は、［プロフィール］>［ユーザーを招待］から招待してください。
- Predictインテグレーションドキュメントの各ソースの設定ガイドに従ってください。
フェーズ3：ビジネス指標を定義する
プロダクトの設定を行う前に、モデルが何を予測すべきかを定義してください。これらの定義によって、モデルが過去のデータをどのようにラベル付けし、将来のアカウントにスコアを付けるかが決まります。
解約基準
CRMで解約されたアカウントを表す条件と、解約が発生した日付フィールドを定義してください。
定義例：アカウントに更新機会があるが、ステータスは「商談不成立」となっている。
日付フィールドの例：Opportunity.Close_Date
更新基準
更新が成功した状態と、それに関連する日付フィールドを定義してください。
定義例：アカウントにステータスが「商談成立」の更新機会がある
日付フィールドの例: Opportunity.Close_Date
audience
どのアカウントをモデルが評価すべきかを定義します。これは通常、更新が近いアカウントです。
定義例：アカウントに商談成立または商談不成立ではない、今後90日以内に終了予定の更新案件がある
予測ウィンドウ
3か月、6か月、12か月など、モデルでどのくらい先を予測するかを選択します。
予測ウィンドウの2倍から3倍の過去データが必要です。例えば、6か月の予測期間には、12～18か月の履歴が必要です。
セグメント（任意）
顧客グループごとに異なる挙動を示す場合は、モデルを構築する前にセグメントを定義してください。モデルをセグメントごとにスコープ化することも、セグメントごとに別々のモデルを作成することもできます。
例：エンタープライズ向けと中小企業向け、年間サブスクリプションと月額サブスクリプション、またはプロダクト階層
フェーズ4：意思決定ベースの構築
意思決定ベースとは、モデルのトレーニングに使用するデータセットのことです。データソースを統合し、変換処理を適用し、ビジネス定義に基づいて各レコードにラベルを付けます。
意思決定ベースの構築には3つの部分が含まれます。
- データオブジェクトを選択します。CRMのアカウントデータや商談データ、Pendoの使用状況データなど、関連するテーブルとオブジェクトを選択してください。
- データを変換し集約します。オブジェクトを結合し、時間ベースのデータ（例えば、過去90日間の使用状況）を集計し、各レコードが単一のスコアリング単位を表すようにレコードを構造化します。
- 指標を定義します。解約基準、更新基準、およびオーディエンス定義を適用して、各レコードにラベルを付けます。
フェーズ5：相関分析を作成する
データの中で、解約に最も関連性の高い要因を特定するための分析を作成してください。
データ衛生状態を確認する
分析実行後、データ品質レポートを確認してください。本レポートは、モデルの精度を低下させる可能性のある分野を重点的に取り上げています。
一般的なフラグには以下のようなものがあります。
- バイアス尤度フィールド。結果を歪める可能性のあるフィールド。
- 空白率の高いフィールド。欠損データがあるフィールド。
- 分散性の高いフィールド。極端な値域を持つフィールド。
フラグが立てられたフィールドを解決または除外してから続けてください。
予測因子を確認する
解約との相関が確認された予測因子を見直します。推奨事項を参考に、モデルに含める要素を決定してください。
フェーズ6：モデルのトレーニング
選択した予測変数を使用してモデルをトレーニングし、そのパフォーマンスを評価します。
予測因子を選択する
相関度、強さ、データ品質に基づいてモデルに含めるフィールドを選択します。
モデルを評価する
トレーニング終了後、パフォーマンス指標を見直します。
- 精度。解約されたアカウントが正しく識別された割合。70％以上を目指しましょう。
- スコア分布。アカウントがどのようにリスク階層に分類されるか。
- ペルソナ。各リスク階層に関連する共通パターン。
パフォーマンスが低い場合は、再トレーニングを行う前に、データ品質と指標の定義を見直してください。
シミュレーションを見直す
モデルが現在のオーディエンスをどのように評価するかをプレビューできます。有効化する前に、結果が期待どおりであることを確認してください。
フェーズ7：Predict CRMウィジェットを有効にする
Predict CRMウィジェットを設定して、アカウントオーナーがワークフローのスコアと推奨アクションを確認できるようにします。
AIエージェントを設定する
推奨アクションを生成するエージェントを準備します。
- 自社のリテンション戦略を反映したプレイブックをアップロードします。
- エージェントがどのように構成し、行動計画を提示すべきかの指示を提供します。
ブラウザ拡張機能を展開する
ITチームと協力して、CRMでPredictへのアクセスが必要なユーザー向けにPendoブラウザ拡張機能をインストールしてください。
フェーズ8：予測を活性化する
スコアを配信するための自動化設定を行い、モデルを有効化してください。
- スコアをCRMに送信します。予測結果をアカウントまたは商談フィールドに同期します。
- スコアをPendoに送信します。スコアをセグメント、ガイド、レポート用のアカウントメタデータとして保存します。