پیشبینی ریزش
پیشرفته تلفظEN/tʃɜːrn prɪˈdɪkʃən/
پیشبینی ریزش یعنی برآورد احتمال اینکه یک کاربر در آینده نزدیک استفاده را کنار بگذارد، بر پایه الگوی رفتار گذشته او.
ورودی چنین مدلی معمولا فاصله از آخرین فعالیت، تعداد دفعات استفاده، تنوع ویژگیهای بهکاررفته و نشانههای اصطکاک مانند خطای تکراری است، و خروجی یک نمره احتمال است نه یک حکم قطعی. مهمترین دام، نرخ پایه است: اگر ماهانه تنها سه درصد کاربران بروند، مدلی که به همه بگوید «نمیرود» ۹۷ درصد درست است و در عمل بیفایده؛ پس باید دقت و پوشش را روی همان اقلیت ریزشکرده سنجید. دام دوم این است که اقدام بر پایه پیشبینی، خودش نتیجه را عوض میکند و صحت مدل را دیگر نمیتوان ساده اندازه گرفت.
پرسشهای پرتکرار
عدد ثابتی وجود ندارد و اعداد نقلشده از محصولات دیگر منتقل نمیشوند، چون نرخ پایه ریزش، طول افق پیشبینی و تعریف ریزش در هر محصول فرق دارد. معیار درست، مقایسه با یک مدل ساده مبنا مانند «هرکس بیشتر از سی روز نیامده» و سپس سنجش اینکه آیا سود اقدام بازدارنده از هزینهاش بیشتر است یا نه.