M365Con 2027 – conferencia online gratuita · 11–22 Jan 2027 · 120 sessions m365con.net

Churn prediction

Concepto

La predicción de abandono utiliza modelos de IA para estimar la probabilidad de que un cliente deje de comprar, cancele o se desvincule, como señal para saber por dónde debe empezar a mirar un equipo.

✦ CONCEPTOChurn predictionM365.FM
Título gráfico: Churn prediction (Concepto)

También se tratan

El episodio sobre Churn prediction trata también Semantic link (Microsoft Fabric), Semantic Link Labs, Copilot in Power BI, Prep data for AI, Power BI Premium y Object-level security (OLS).

Descripción

La predicción de abandono es una técnica de análisis predictivo en la que los modelos de IA estiman la probabilidad de que un cliente deje de comprar, cancele o se desvincule. El resultado es una señal, no un veredicto: indica por dónde debe empezar a mirar un equipo de ventas, servicio o marketing, para que alguien pueda actuar antes de perder realmente a un cliente. En el ecosistema de Microsoft, el concepto aparece en Dynamics 365, Azure y Power Platform.

Los episodios de M365.FM mencionan la predicción de abandono principalmente como un caso de uso dentro de un conjunto más amplio de capacidades de IA. En "The Human Side of CRM with Thomas Sandsør [MVP]", se incluye entre las funciones del análisis predictivo en Dynamics 365, junto con la puntuación de clientes potenciales, la segmentación de clientes, las recomendaciones de productos, la fijación dinámica de precios y la previsión de la demanda. El episodio explica que la predicción de abandono permite a un equipo actuar antes de perder a un cliente, y que el análisis predictivo en general ayuda a dirigirse a las personas adecuadas e identificar a los clientes que podrían marcharse.

En "Azure AI Infrastructure Architecture for C-Level Leaders", la predicción de abandono aparece en la fila de Azure Machine Learning de una visión general de los servicios de IA de Azure. Allí, Azure Machine Learning se describe como el servicio para el entrenamiento y el desarrollo de modelos de ML, y la predicción de abandono de clientes se nombra como caso de uso junto con el mantenimiento predictivo, la detección de fraude y la previsión de la demanda. Esto enmarca la predicción de abandono como una tarea de construcción de modelos: los datos históricos de clientes se utilizan para entrenar un modelo que puntúa a los clientes de cara al futuro.

El episodio "Segment Customers with Dynamics 365 Customer Insights" relaciona la predicción de abandono con la segmentación y la activación. La enumera entre las palabras clave para crear segmentos dinámicos a partir de datos de comportamiento y transacciones, junto con la puntuación de compromiso y las señales de venta adicional. El objetivo declarado es activar esos segmentos en Marketing, Ventas y Power Automate, sustituyendo las listas genéricas por una segmentación en tiempo real basada en la intención. En este contexto, una señal de abandono no es solo un número en un panel; puede alimentar un segmento que desencadene una acción de seguimiento.

En "Build Intelligent Power Apps with AI Builder", la predicción de abandono se nombra en los escenarios de Ventas/RevOps, junto con la puntuación de clientes potenciales y la siguiente mejor acción en las aplicaciones controladas por modelos. El mismo episodio enumera errores habituales de los modelos de IA que se aplican directamente a los modelos de abandono: datos de entrenamiento desordenados, a los que sugiere hacer frente con una guía de etiquetado, eliminación de duplicados, clases equilibradas y una división de validación, y los modelos de un solo uso, a los que sugiere hacer frente con una cadencia de reentrenamiento y vigilando la deriva.

En conjunto, los episodios describen un patrón de decisión típico. Un equipo elige dónde vive el modelo (por ejemplo, Azure Machine Learning para el entrenamiento personalizado, o las capacidades de IA dentro de Dynamics 365 y AI Builder), decide qué datos describen el comportamiento y las transacciones de los clientes, y define qué ocurre cuando se marca a un cliente, como un segmento, un flujo de trabajo en Power Automate o un aviso para un vendedor. La calidad de los datos y el reentrenamiento continuo son las advertencias recurrentes, ya que una puntuación de abandono solo es tan útil como los datos y el mantenimiento que la respaldan.

Resumen generado con IA a partir de los episodios de M365.FM y los datos de esta página. Puedes mejorarlo con el botón de edición de abajo.

TipoConcepto

Preguntas frecuentes

Las preguntas marcadas con IA se escribieron con IA a partir de los datos de esta página.

¿Qué hace la predicción de abandono? (IA)

Utiliza modelos de IA para estimar la probabilidad de que un cliente deje de comprar, cancele o se desvincule. La estimación muestra a un equipo por dónde empezar a mirar para poder actuar antes de perder al cliente.

¿Dónde aparece la predicción de abandono en el ecosistema de Microsoft según los episodios? (IA)

Los episodios la mencionan en el análisis predictivo de Dynamics 365, en Azure Machine Learning como caso de uso de entrenamiento de modelos, en la segmentación de Dynamics 365 Customer Insights y en los escenarios de AI Builder para Ventas/RevOps.

¿Qué errores mencionan los episodios para los modelos de IA como la predicción de abandono? (IA)

El episodio de AI Builder menciona los datos de entrenamiento desordenados y los modelos de un solo uso, y sugiere una guía de etiquetado, eliminación de duplicados, clases equilibradas, una división de validación y una cadencia de reentrenamiento periódica.

Glosario

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Expertos y empresas para este tema

Nadie ha indicado aún este tema. Añádelo a tu perfil.

Mantenido por Mirko Peters (Microsoft MVP) · Última actualización: