Anleitung: ein Churn-Risiko-Segment aus einem berechneten Trait bauen
Macht aus einem Churn-Score ein handlungsfähiges Segment, das ihr in der Vorschau prüfen, speichern und direkt in eine Win-back-Journey geben könnt.
Prädiktive Scores nützen erst dann etwas, wenn sie ein Segment sind, auf das ihr reagieren könnt. Hier ist der kürzeste Weg vom Score zum Versand.
1. Prüfen, ob das Scoring läuft
curl https://api.wezend.com/v1/ml/summary \
-H "X-API-Key: $WEZEND_API_KEY"
Auch ohne konfigurierten optionalen ML-Sidecar funktioniert das — die Scores stammen dann aus dem eingebauten heuristischen Fallback statt aus einem trainierten Modell. So oder so bekommt jeder Kontakt einen ml_churn_score.
2. Das Segment vor dem Speichern in der Vorschau prüfen
curl -X POST https://api.wezend.com/v1/segments/preview \
-H "X-API-Key: $WEZEND_API_KEY" \
-H "Content-Type: application/json" \
-d '{ "rules": [{ "field": "trait:ml_churn_score", "op": "gt", "value": 0.7 }] }'
Das liefert eine Live-Zahl, ohne schon etwas zu speichern — justiert den Schwellwert, bis die Segmentgröße dem entspricht, was euer Team realistisch bearbeiten kann.
3. Speichern
POST /v1/segments mit demselben Regelsatz speichert es und hält die Mitgliedschaft ab dann in Echtzeit aktuell, während sich die Scores ändern.
4. Eine Journey darauf ansetzen
Setzt das Segment als segment_enter-Trigger auf einer Journey ein (siehe Eine Journey bauen) — nutzt die Vorlage Win-back Lapsed Customers als Ausgangspunkt oder baut eine eigene. Ab hier wird ein Kontakt, der in hohes Churn-Risiko rutscht, automatisch aufgenommen; niemand muss den Score abfragen.
Ehrlich bleiben
Weil trait:ml_churn_score einfach ein berechneter Trait ist, lässt er sich mit jeder anderen Regel kombinieren — verbindet ihn mit plan oder lifetime_value, um nur das Segment anzusprechen, das die Retention-Ausgabe wert ist, statt wahllos jeden gefährdeten Kontakt.