किसी subscription प्रोडक्ट के लिए शून्य से churn model आप कैसे बनाएंगे, पूरा तरीका बताइए।

पहले churn और prediction horizon की परिभाषा तय करें, क्योंकि label ही बाकी सब कुछ तय करता है। cutoff से पहले के बर्ताव से एक point in time feature set बनाएं, समय के हिसाब से split करें, regularized logistic या gradient boosted baseline से शुरू करें, और retention की जितनी capacity मौजूद है उस पर precision से evaluate करें। फिर model के साथ साथ intervention भी design करें, क्योंकि जिस score पर कोई कदम नहीं उठाता उसकी कोई कीमत नहीं।

मैं label से शुरू करता हूं, क्योंकि churn साफ नहीं होता। किसी मासिक subscription के लिए वह अगली billing तारीख पर renew न होना हो सकता है; किसी usage प्रोडक्ट के लिए तीस दिन तक कोई गतिविधि न होना। मैं horizon भी तय करता हूं: क्या हम अगले तीस दिन में churn की भविष्यवाणी कर रहे हैं या अगली तिमाही में? ये अलग interventions वाले अलग models हैं। फिर मैं किसी cutoff तारीख के हिसाब से features बनाता हूं, सिर्फ उससे पहले के बर्ताव से, जैसे engagement का रुझान, support tickets, payment failures, seat count में बदलाव, tenure। point in time सही होना वह हिस्सा है जिसमें मैं सबसे ज्यादा सावधान रहता हूं। मैं समय के हिसाब से split करता हूं, पहले वाले cohorts पर train और बाद वालों पर validate। baseline regularized logistic regression है ताकि मेरे पास कुछ समझाने लायक हो, फिर gradient boosting ताकि पता चले कितनी गुंजाइश बची है। evaluation के लिए मैं retention टीम से पूछता हूं कि वे हफ्ते में कितने customers से संपर्क कर सकते हैं और कुल AUC के बजाय उसी ऊपरी हिस्से में precision बताता हूं। और मैं उनके साथ मिलकर intervention design करने पर अड़ता हूं, हो सके तो holdout के साथ, क्योंकि वरना छह महीने बाद कोई नहीं बता पाएगा कि model ने एक भी customer बचाया या नहीं।