Prediktiv: churn, CLV & benägenhet

GET /v1/ml/summary och POST /v1/ml/score exponerar poängsättning för churn, customer lifetime value (CLV) och köpbenägenhet.

Två sätt det körs på

• Med ML-sidecaren (en separat Python-tjänst, konfigurerad via ML_SIDECAR_URL): poängen kommer från modeller som tränats på era faktiska data.
• Utan den: plattformen faller automatiskt tillbaka på inbyggda heuristiker — prediktiv segmentering fungerar fortfarande, bara med en enklare modell och utan någon separat tjänst att drifta.

Använda poängen

Poängen skrivs tillbaka på kontakten som ml_churn_score, ml_clv och ml_propensity — därifrån är de bara traits, segmenterbara precis som vilken beräknad trait som helst (trait:ml_churn_score), så ett segment med hög churnrisk kan matas direkt in i en win-back-journey utan någon egen integrationskod.