มูลค่าทางธุรกิจ กับ Confusion Matrix
หากต้องการทำความเข้าใจ Confusion Matrix ก่อน สามารถอ่านได้ ที่นี่
ในกรณี การทำนายลูกค้าที่จะ Churn หรือ Churn Prediction Model
💸 มูลค่าทางธุรกิจ ที่เกิดขึ้นสำหรับทั้ง 4 ค่า ของ Confusion Matrix
1) True Positive - ลูกค้าที่ Churn และโมเดลทำนายถูกว่า Churn
🛒 สามารถลดจำนวนลูกค้าที่ Churn ได้ เช่นร้านค้าปลีกเสนอให้คูปองฟรี 100 บาท เพื่อรักษาความสัมพันธ์กับลูกค้าเหล่านี้ไว้ เพราะ ลูกค้าสร้างกำไรเฉลี่ย 1,000 บาท
ผลตอบแทนต่อคน = 1,000-100 = 900 บาท
.
2) True Negative - ลูกค้าที่ไม่ Churn และโมเดลทำนายถูกว่าไม่ Churn
🛒 ร้านค้าปลีก ไม่ต้องเสนอคูปองฟรี 100 บาทให้กับลูกค้ากลุ่มนี้ (ยังคงรักษากำไรเฉลี่ย 1,000 บาท เพราะลูกค้ายังอยู่)
ผลตอบแทนต่อคน = 0 บาท (ในเชิง Campaign)
.
3) False Positive - ลูกค้าที่ไม่ Churn แต่โมเดลทำนายว่า Churn
🛒 ร้านค้าปลีก สูญเสียคูปองที่ให้ไป เนื่องจาก Offer คูปองให้ผิดคน
ผลตอบแทน = -100 บาท
.
4) False Negative - ลูกค้าที่ Churn แต่โมเดลทำนายว่าไม่ Churn
🛒 ร้านค้าปลีกสูญเสียลูกค้าที่ Churn ไป
ผลตอบแทนต่อคน = -1,000 บาท
🤔 ในแต่ละค่า จะถูกนำมาคูณด้วยจำนวนลูกค้า เพื่อพิจารณาความคุ้มค่าในเชิงธุรกิจ ในตัวอย่างนี้ การมี False Positive จำนวน 2 คน (คูปอง 200 บาท) อาจมีผลกระทบน้อยกว่าลูกค้าที่ Churn ไป 1 คน เพราะโมเดลทำนายว่าไม่ Churn เพราะเสียผลตอบแทน 1,000 บาท (False Negative)
