Siga la decisión de retención desde la economía hasta la evidencia
Estas seis capturas nativas muestran una comparación sintética de retención, decisiones para suscriptores seleccionados y controles sobre textos redactados. Northwind cuenta con 6,000 intenciones mensuales de cancelación actuales y 9,000 observaciones históricas aleatorizadas: 4,460 de tratamiento y 4,540 de control. Su cola de revisión de 32 casos constituye una selección representativa para inspección, no una muestra aleatoria de la cohorte. Cada captura de pantalla se abre a tamaño completo.
Comparar políticas con el mismo presupuesto de contacto
Save everyone contacta a las 6,000 intenciones de cancelación y genera un valor incremental negativo en este escenario de prueba. El targeting predictivo por churn y el uplift causal contactan cada uno a 2,239 suscriptores, pero los eligen por razones distintas: uno clasifica por probabilidad de abandono, mientras que el otro clasifica por el valor estimado de la intervención tras deducir el coste del descuento. Igualar el presupuesto aísla esa distinción de targeting.
| Política | Ingresos incrementales anuales | Suscriptores contactados |
|---|---|---|
| Save everyone | -$424,757 | 6,000 |
| Targeting predictivo por churn | +$144,162 | 2,239 |
| Uplift causal | +$187,956 | 2,239 |
| Oráculo de información perfecta | +$309,480 | 2,393 |
El uplift supera al targeting por churn en $43,794 al año en esta evaluación de política sintética. Los valores se calculan frente a resultados potenciales sintéticos ocultos y se anualizan multiplicando los ingresos mensuales por 12. No representan ni ahorros reales de clientes ni previsiones para el sistema de enrutamiento operativo completo. El oráculo observa resultados ocultos que no están disponibles para un modelo implementado, por lo que proporciona un techo de información perfecta en lugar de una política aplicable.
La curva de clasificación añade una comprobación independiente sobre 2,700 observaciones sintéticas aleatorizadas retenidas. AUUC significa área bajo la curva de uplift: los valores mostrados son 78.8 para uplift, alrededor de 42.3 para churn predictivo y alrededor de 4.2 para clasificación aleatoria. No constituyen porcentajes de precisión. El uplift todavía contacta a cinco de los 673 suscriptores perjudicados por la intervención en el ground truth sintético, dejando a 668 sin contactar; una mejor clasificación no garantiza una protección perfecta.
Explicar por qué un suscriptor no debe recibir ningún contacto de retención
Para un suscriptor sintético de Northwind, el modelo estima una retención del 87.1% sin intervención y del 28.2% con ella. La diferencia es de -58.9 puntos porcentuales. La etiqueta Sleeping Dog significa que se estima que la intervención perjudica la retención; por tanto, el enrutamiento del suscriptor seleccionado elige Do Not Contact y omite el agente de retención.
La regla de enrutamiento clasifica los efectos del tratamiento estimados iguales o inferiores a -0.05 como Sleeping Dogs. Las estimaciones iguales o superiores a +0.05 son Persuadables; entre los casos restantes, una retención de referencia estimada de al menos 0.65 genera Sure Things, y los demás se clasifican como Lost Causes. Los Sure Things reciben una breve encuesta sin oferta, mientras que los Lost Causes y los segmentos desconocidos reciben una salida limpia (clean exit). Estos son segmentos configurados basados en modelos, no resultados causales individuales observados.
La decisión de no contactar y la métrica de política agregada responden a preguntas diferentes. Este suscriptor seleccionado evita una oferta a través de la ruta operativa. La comparación de cohortes evalúa de forma independiente el targeting frente a etiquetas sintéticas ocultas y no incluye todas las restricciones de segmento y jurisdicción. Un ejemplo local exitoso de no contacto no puede anular los cinco contactos perjudiciales de esa comparación agregada.
Una oferta elegible debe cubrir su coste y preservar la cancelación
El suscriptor Pro sintético en esta captura tiene un efecto estimado del tratamiento de +12.1 puntos porcentuales y una retención de referencia estimada del 58.6%. Un efecto de tratamiento positivo por sí solo no autoriza un descuento. La demo compara la retención estimada con la oferta tras su descuento configurado del 16.7% frente a la retención sin intervención, y luego aplica el enrutamiento del suscriptor seleccionado y los controles de jurisdicción configurados.
La comparación económica es la retención estimada del grupo tratado multiplicada por (1 menos el descuento), menos la retención estimada del grupo de control. Un Persuadable elegible llega al agente de retención solo cuando la ganancia estimada cubre el coste de la oferta. El ejemplo de objetivo estándar utiliza una respuesta real de Codex en caché; la compuerta de texto se ejecuta nuevamente sobre esas palabras devueltas.
Una oferta opcional aprobada aparece junto a Confirm cancellation. El presupuesto de interacción configurado permite como máximo una oferta de retención y dos turnos de agente; la cancelación permanece disponible durante la redacción y tras el filtrado. Review complete en la pantalla se refiere al pipeline automatizado, no a una revisión humana completada. La aceptación de la oferta y la cancelación modifican únicamente esta vista previa local, sin modificar ninguna cuenta de facturación.
Inspeccionar una frase bloqueada independientemente del modelo de redacción
La compuerta independiente en Python normaliza Unicode y verifica en el borrador real los patrones configurados de confirmshaming, culpa, presión y urgencia artificial. Por tanto, tras la autorización de enrutamiento se aplica una decisión independiente sobre la redacción. Solo el texto aprobado llega a la vista previa del suscriptor; los borradores bloqueados o retenidos permanecen a nivel interno.
La captura de pantalla con cuenta atrás artificial a continuación contiene un texto de referencia redactado deliberadamente: "This deal disappears in 04:59. Act now!". La compuerta lo bloquea y muestra las frases coincidentes de cuenta atrás y de urgencia. Demuestra un control configurado sobre texto suministrado, en lugar de un modelo sorprendido generando un mensaje prohibido.
Las 16 respuestas guardadas en la caché de modelos resultaron aprobadas al verificarse el informe, incluidos los borradores con objetivo agresivo. Por tanto, elegir un objetivo contradictorio no determina un resultado bloqueado. El texto devuelto real determina el veredicto. Las etiquetas de citas en la traza de control son referencias configuradas ilustrativas, no una interpretación legal ni una certificación.
Una retención para revisión mantiene el texto dudoso lejos del suscriptor
El siguiente caso redactado dice: "Before you decide, take a quick tour.". Coincide con los indicadores configurados de reconsideración y devuelve needs_review. Dicho resultado retiene la frase internamente. No aprueba el mensaje ni demuestra que una persona haya revisado o resuelto la retención.
El benchmark local fijo reporta 14 de 14 comprobaciones explícitas superadas: seis expectativas de economía, modelo y suficiencia de datos, más ocho expectativas de texto y enrutamiento. Los controles de texto incluyen texto limpio, confirmshaming, cuenta atrás artificial, reconsideración limítrofe, evasión de cuenta atrás mediante Unicode y revisión de texto sobredimensionado. Los controles de enrutamiento verifican el comportamiento de oferta única/cancelación y una salida limpia para segmentos desconocidos. Se trata de evidencia de implementación en una suite de referencia fija, no de precisión general de detección, validación independiente del modelo o certificación legal.
Los datos insuficientes cambian la decisión, no solo la etiqueta de advertencia
Pinegrove sintético tiene 180 intenciones mensuales de cancelación y 520 observaciones históricas, divididas en 242 de tratamiento y 278 de control. Los mínimos configurados son 500 intenciones actuales y 400 observaciones en cada brazo de retención. Ambas comprobaciones fallan, por lo que el enrutamiento causal se abstiene.
La interfaz retiene las predicciones causales de la evidencia de decisión, omite el agente de retención y utiliza una salida limpia conservadora. Las estimaciones internas aún pueden calcularse; no se utilizan para elegir una oferta de retención en esta ruta de abstención. Los umbrales son salvaguardas configuradas de la demo y no reglas universales de suficiencia estadística, y añadir datos requeriría evaluar si el historial aleatorizado representa la decisión que se está tomando.
Mantener la decisión seleccionada diferenciada del resumen de la cohorte
Cada ejecución completada guarda un comprobante con el suscriptor seleccionado, las entradas, la marca temporal, la ruta y la transcripción filtrada. Las exportaciones en JSON y en HTML imprimible permiten al revisor inspeccionar esa decisión exacta. El impacto económico de la política a nivel de cuenta aparece como una comparación sintética independiente, por lo que un valor de cohorte no implica que se haya revisado a cada suscriptor ni que se haya enviado cada oferta.
La vista de auditoría enumera los últimos 50 comprobantes guardados, y los archivos locales persisten tras los reinicios. Un comprobante almacenado conserva la evidencia específica de la ejecución dentro de esta demostración de proceso único; no demuestra custodia independiente, protección contra manipulaciones ni suficiencia regulatoria. Una evaluación para producción debería definir el acceso a datos, la propiedad de la evidencia, la autoridad de revisión y la persistencia operativa para el entorno previsto.
