Guide: bygg et churn-risiko-segment fra en beregnet trait
Gjør en churn-score om til et handlingsrettet segment dere kan forhåndsvise, lagre og mate rett inn i en win-back-journey.
Prediktive scorer er bare nyttige når de har blitt et segment dere kan handle på. Her er korteste vei fra score til sending.
1. Bekreft at scoring kjører
curl https://api.wezend.com/v1/ml/summary \
-H "X-API-Key: $WEZEND_API_KEY"
Hvis dere ikke har konfigurert den valgfrie ML-sidecaren, fungerer dette likevel — scorene kommer fra den innebygde heuristiske reserveløsningen i stedet for en trent modell. Uansett får hver kontakt en ml_churn_score.
2. Forhåndsvis segmentet før dere lagrer det
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 }] }'
Dette returnerer et live antall uten å lagre noe ennå — juster terskelen til segmentstørrelsen matcher det teamet deres realistisk kan handle på.
3. Lagre det
POST /v1/segments med samme regelsett lagrer det og begynner å holde medlemskapet oppdatert i sanntid etter hvert som scorene oppdateres.
4. Pek en journey mot det
Sett segmentet som en segment_enter-trigger på en journey (se Bygg en journey) — gjenbruk malen Win-back Lapsed Customers som utgangspunkt, eller bygg en egen. Herfra meldes en kontakt som krysser inn i høy churn-risiko inn automatisk; ingenting trenger å polle scoren.
Hold det ærlig
Fordi trait:ml_churn_score bare er en beregnet trait, kombinerer den med enhver annen regel — kombiner den med plan eller lifetime_value for å bare treffe segmentet som er verdt oppbevaringskostnaden, i stedet for enhver risikokontakt uten forskjell.