Prediktiv scoring
Tre scorer vedlikeholdes på hver kontakt og er fullverdige segmentfelt, så "kunder som sannsynligvis churner" er et filter, ikke et data science-prosjekt. Heuristiske scorer virker umiddelbart; en trent modell tar over når du deployer ML-sidecaren.
Prediktiv scoring holder tre tall oppdatert på hver kontakt: churn-sannsynlighet, forventet livstidsverdi og kjøpssannsynlighet. De skrives på selve kontaktposten, og det er den viktige delen — de vises i segmentbyggeren som vanlige numeriske felt ("ML churn-sannsynlighet", "ML kjøpssannsynlighet"), så en høyrisikomålgruppe er et filter du setter i grensesnittet og deretter gir videre til en journey, akkurat som enhver annen regel.
Det er to motorer bak scorene, og her er den ærlige versjonen. Rett ut av boksen bruker plattformen alltid-tilgjengelig heuristisk scoring utledet av atferden den allerede sporer — recency, engasjement, ordrehistorikk. Deploy den Python-baserte ML-sidecaren, og den trener modeller per konto på deres egne data og tar over de samme tre kolonnene. Forskjellen betyr noe, for funksjonen er dermed aldri en blank skjerm som venter på en data scientist: den virker første dag og blir bedre senere, og hver scoring-kjøring loggføres slik at du kan se hvilken motor som ga de gjeldende tallene.
Et summary-endepunkt rapporterer dekning og fordeling — gjennomsnittlig churn og propensity, samlet forventet verdi, og hvor mange kontakter som ligger over høyrisiko- og høyintent-terskelene — så du kan etterprøve scorene før du bygger en kampanje på dem. Scorene flyter også inn i warehouse-eksporter for deres egen analyse, og de slettes når en kontakt anonymiseres ved en GDPR-forespørsel, som enhver annen utledet attributt. Prediktiv scoring er en Business-og-opp-funksjon; se dokumentasjonen for detaljer på feltnivå.
Fordeler
Why it matters
Virker før dere har et datateam
Heuristiske scorer er alltid på, så segmentfeltene er utfylt fra dag én. Den trente modellen er en oppgraderingsvei, ikke en forutsetning.
En score du kan segmentere på
Churn-sannsynlighet og propensity er vanlige segmentfelt, så en retention-målgruppe bygges på samme sted som alle andre — og flyter rett inn i en journey.
Etterprøvbar, ikke en svart boks
Hver scoring-kjøring loggføres med motoren som lagde den, og et summary-endepunkt viser fordelingen før du handler på den.
Funksjoner
What you can do
Tre scorer per kontakt
Churn-sannsynlighet, forventet livstidsverdi og kjøpssannsynlighet, lagret på kontaktposten.
Heuristisk motor, alltid tilgjengelig
Utledet av recency, engasjement og ordrehistorikk — ingen treningsdata, ingen ekstern tjeneste, ingen tom tilstand.
Trente modeller via ML-sidecaren
En Python-tjeneste trener modeller per konto på deres egne data og skriver de samme tre kolonnene når den er deployet.
Dekning og fordeling
Gjennomsnittlig churn og propensity, samlet forventet verdi, og antall over høyrisiko- og høyintent-terskelene.
Eksportert og GDPR-bevisst
Scorene er inkludert i warehouse-eksporter og slettes når en kontakt anonymiseres ved en dataforespørsel.
API-eksempel
Build it in minutes
# Predictive endpoints use a dashboard session (JWT), not an API keycurl https://api.wezend.com/v1/ml/summary \ -H "Authorization: Bearer $WEZEND_JWT" # Re-score this account's contactscurl -X POST https://api.wezend.com/v1/ml/score \ -H "Authorization: Bearer $WEZEND_JWT"Ofte stilte spørsmål
Trenger jeg treningsdata for å starte?
Nei. Den heuristiske motoren scorer ut fra atferd plattformen allerede sporer, så feltene kan brukes umiddelbart. Å deploye ML-sidecaren senere bytter inn trente modeller per konto uten å endre hvordan du segmenterer.
Hvilke planer inkluderer prediktiv scoring?
Business og opp, inkludert Scale og Enterprise. På Free og Growth er de prediktive endepunktene stengt, og segmentfeltene tilbys ikke som filtre.
Kan jeg bruke en score inne i en journey?
Ja — bygg et segment på scoren, og bruk deretter segmentet som journey-inngang eller forgreningsbetingelse. Det er den normale veien: et churn-risikosegment som fyller en retention-automatisering.
Relatert
Segmentering & målgrupper
Opprett sanntidssegmenter fra hvilken som helst hendelse, egenskap eller atferd, og aktiver dem på tvers av alle kanaler.
Customer Data Platform
Ta inn atferdshendelser i sanntid og løs dem opp i samlede, søkbare kundeprofiler.
Journey-orkestrering
En visuell dra-og-slipp-bygger for flertrinns, kanaloverskridende journeys utløst av sanntidshendelser.
Én plattform. Hver kundeinteraksjon.
Erstatt lappeteppet av meldings-API-er, CDP og automatiseringsverktøy med én engasjementsplattform bygget for skala.
Ingen kredittkort · EU-datalagring · 99,99 % oppetids-SLA