Recept och datauppsättningar för att identifiera kunder i Retail Banking som är troliga att bortfalla
Appen som skapas med mallen Customer Churn Risk for Retail Banking skapar tre recept. Recepten skapar datauppsättningar för exempel, historiska, förutsägelser och förutsagda betyg.
Versioner som krävs
Tillgängliga i: Professional, Enterprise och Unlimited Editions med licensen Revenue Intelligence for Financial Services
Funktioner för Feedbackhantering är tillgängliga med licensen Feedback Management - Starter eller licensen Feedback Management - Growth.
Funktioner i Sentimentinsikter är tillgängliga med licensen Feedback Management - Starter eller licensen Feedback Management - Growth och licensen Sentimentinsikter.
Recept och datauppsättningar
Recept
Beskrivning
Utdata
Exempel på datauppsättning för Retail Banking Churn
Receptet utvärderar ögonblicksbilddata för konton, ögonblicksbilddata för finanskonton och data från konfigurerade objekt för att skapa en exempeldatauppsättning som Einstein lär sig från. Om du väljer att inkludera funktionerna Feedbackhantering och Sentimentinsikter när du skapar appen utvärderar receptet även exempeluppsättningen som innehåller dessa funktioner.
Exempel på datauppsättning
Funktionsdatauppsättning för Retail Banking Churn
Receptet utvärderar ögonblicksbilddata för konton, ögonblicksbilddata för finanskonton och data från konfigurerade objekt för att skapa en historisk datauppsättning med detaljer om konton som tidigare var troliga att bortfalla. Receptet skapar även en förutsägelsedatauppsättning baserat på vilka Retail Banking som är troliga att bortfalla identifieras. Om du väljer att inkludera funktionerna Feedbackhantering och Sentimentinsikter när du skapar appen utvärderar receptet även förutsägelseuppsättningen som innehåller dessa funktioner.
Historisk datauppsättning
Förutsägelsedatauppsättning
Datauppsättning för förutsägelse av bortfall i Retail Banking
Utvärderar förutsägelsedatauppsättningen för att få bortfallbetyget för kunder och de tre bästa faktorerna som kan bidra till bortfall.
Datauppsättningen Förutsagt betyg och Bästa bidragande faktor
Du kan ändra recepten i dessa scenarion:
Ditt schema avviker från Financial Services Cloud-schemat.
Ett eget fält i en befintlig enhet ändras.
Användningen av funktionsdata ändras från en befintlig enhet till en egen enhet.
Datan laddas inte korrekt.
Appen slutar fungera på grund av felaktiga datavärden.
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.