Ti trovi qui:
Previsioni di abbandono per i clienti Retail Banking
Ottenere previsioni sui clienti di Retail Management che hanno probabilità di abbandono e ridurre la probabilità di abbandono analizzando i punteggi di abbandono. Le previsioni di abbandono si basano sui dati degli account dei clienti. È anche possibile includere le funzioni Gestione dei commenti e Approfondimenti sentiment dei referenti associati agli account dei clienti.
Importante Il modello di machine learning Churn Risk utilizza diverse variabili per generare previsioni, tra cui informazioni personali potenzialmente sensibili come l'età e lo stato civile. È possibile rimuovere o modificare l'uso di queste variabili. Per ulteriori informazioni, vedere Spiegazione, previsione e azione con Einstein Discovery.
- Abilitazione di CRM Analytics e assegnazione di insiemi di autorizzazioni per ignorare le previsioni per i clienti Retail Banking
Abilitare CRM Analytics, assegnare gli insiemi di autorizzazioni richiesti ad amministratori, utenti e utenti integrazione Analytics Cloud. - Requisiti dei dati per prevedere l'abbandono dei clienti Retail Banking
Il modello di machine learning richiede le funzionalità di alcuni oggetti e serie di dati Salesforce. - Funzioni di gestione dei commenti e approfondimento del sentiment per Retail Banking
Per ottenere le previsioni di abbandono dei clienti, è possibile includere, se si desidera, le funzioni Gestione dei commenti e Approfondimenti sentiment per i referenti associati agli account del cliente. - Previsioni di abbandono del cliente Retail Banking
Ottenere previsioni sui clienti Retail Banking che probabilmente smetteranno creando un'app utilizzando il modello Customer Churn Risk for Retail Banking.
Questo articolo ha risolto il problema?
Facci sapere, così possiamo migliorare!
