Recetas y conjuntos de datos para identificar clientes Retail Banking con posibilidad de abandono
La aplicación creada utilizando la plantilla Customer Churn Risk for Retail Banking crea tres recetas. Las recetas crean conjuntos de datos de ejemplo, históricos, de predicción y de puntuaje predicho.
Ediciones necesarias
Disponible en: Professional Edition, Enterprise Edition y Unlimited Edition con la licencia Inteligencia de ingresos para Financial Services
Las funciones de Gestión de comentarios están disponibles con la licencia Gestión de comentarios - Starter o la licencia Gestión de comentarios - Growth.
Las funciones de Perspectivas de opiniones están disponibles con la licencia Gestión de comentarios - Starter o la licencia Gestión de comentarios - Growth y la licencia Perspectivas de opiniones.
Recetas y conjuntos de datos
Receta
Descripción
Resultado
Conjunto de datos de ejemplo Retail Banking Churn
La receta evalúa datos de instantáneas de cuentas, datos de instantáneas de cuentas financieras y datos de objetos configurados para crear un conjunto de datos de ejemplo del que Einstein aprende. Si eligió incluir funciones de Gestión de comentarios y Perspectivas de opiniones al crear la aplicación, la receta también evalúa el conjunto de ejemplo que contiene estas funciones.
Conjunto de datos de ejemplo
Conjunto de datos de funciones Retail Banking Churn
La receta evalúa datos de instantáneas de cuentas, datos de instantáneas de cuentas financieras y datos de objetos configurados para crear un conjunto de datos histórico con detalles de cuentas que tenían anteriormente probabilidades de abandono. La receta también crea un conjunto de datos de predicción basado en el que se identifican los clientes Retail Banking que tienen probabilidad de abandonar. Si eligió incluir funciones de Gestión de comentarios y Perspectivas de opiniones al crear la aplicación, la receta también evalúa el conjunto de predicciones que contiene estas funciones.
Conjunto de datos histórico
Conjunto de datos Predicción
Conjunto de datos de predicción de abandonos Retail Banking
Evalúa el conjunto de datos de predicción para obtener el puntuaje de abandono de clientes y los tres factores principales que posiblemente contribuyen al abandono.
Conjunto de datos Puntuaje predicho y Factor contribuyente principal
Puede modificar las recetas en estos escenarios:
Su esquema se desvía del esquema de Financial Services Cloud.
Un campo personalizado de una entidad existente cambia.
El uso de datos de función cambia de una entidad existente a una entidad personalizada.
Cuando los datos no se cargan adecuadamente.
La aplicación deja de funcionar debido a valores de datos incorrectos.
We use three kinds of cookies on our websites: required, functional, and advertising. You can choose whether functional and advertising cookies apply. Click on the different cookie categories to find out more about each category and to change the default settings.
Privacy Statement
Required Cookies
Always Active
Required cookies are necessary for basic website functionality. Some examples include: session cookies needed to transmit the website, authentication cookies, and security cookies.
Functional Cookies
Functional cookies enhance functions, performance, and services on the website. Some examples include: cookies used to analyze site traffic, cookies used for market research, and cookies used to display advertising that is not directed to a particular individual.
Advertising Cookies
Advertising cookies track activity across websites in order to understand a viewer’s interests, and direct them specific marketing. Some examples include: cookies used for remarketing, or interest-based advertising.
